【Linux从青铜到王者】基础IO

本篇重点：文件描述符，重定向，缓冲区，磁盘结构，文件系统，inode理解文件的增删查改，查找一个文件为什么一定要有路径，动静态库，有的时候为什么找不到库，动态库的加载。

需要大概了解的知识

IO接口简单介绍

read，write和open的初次使用

文件fd

0&1&2

重定向

struct file

磁盘的物理结构和逻辑结构

软硬链接

动静态库

静态库

动态库

2.生成动态库

3.使用动态库

总结

需要大概了解的知识

文件=内容+属性

内容和属性本质上都是数据，都存储在磁盘中

由冯诺依曼可得，文件想要被打开一定要先被加载到内存中

所以文件可被分为被打开文件（内存中）和未被打开的文件（磁盘中）

文件在被加载到内存之前，肯定会在内存中生成对应的描述结构体 struct file，和进程类似

对于被打开的文件我们也要进行管理，怎么管理？先描述，再组织！

一个进程可能打开多个文件，所以进程和被打开文件的关系是1：n

本篇先要大概了解进程和被打开文件的关系

IO接口简单介绍

之前我们学习过c语言的文件操作，但那是语言级别的。由之前所学知道中间肯定需要操作系统参与，所以c语言的文件操作必定封装了系统调用

read，write和open的初次使用

read和write

open

这里注意一下mode的使用即可

重点：为什么open的返回值是int？？？

文件fd

open的返回值int，被成为文件描述符fd

当使用open函数打开文件再将对应的fd打印出来我们可以发现，fd是一个较小的大概率连续的整数

这比较符合日常使用的数组的下标的特征

我们之前说过一个进程要打开一个磁盘中的文件的时候，要先将磁盘中的文件加载到内存中，在这之前我们要先建立对应的struct file 结构体（先将里面默认为有属性和struct file*指针和其他字段），除此之外还要建立一个数组

对应的结构体也要被管理起来？怎么管理？先描述，再组织！

被打开的文件也算一个小的进程了

在进程的对应的描述对象task_struct 结构体中，我们可以发现一个数组指针struct file_struct *file指针一个数组

这个数组默认0,1,2下标被填充。

进程每打开一个文件，对应的struct file就会被生成，然后指向磁盘中的对应部分，该数组从0开始找到未被填充的部分将其填充，这样就能通过数组找到对应的结构体struct file，对应的下标作为返回值返回给fd

这样进程就能通过该数组对struct file实现管理

文件描述符fd的本质：就是数组的下标！！！

那c语言的FILE又是什么鬼？

由上可以推测出FILE是一个结构体，里面必定封装了文件描述符fd

操作系统访问文件只认文件描述符

0&1&2

为什么该数组的0,1,2位置会被默认填充呢？填充的是什么呢？

填充的分别为stdin（键盘），stdout（显示器）和stderr（显示器），目的是为了方便程序员进行读写操作

stderr是什么鬼？又如何进一步理解一切皆文件呢？

struct file里除了属性，还有对应的读写等操作方法集和缓冲区。

因为已经默认填充好0,1,2位置了并且有了对应的struct file，所以当我们敲键盘的时候，本质就是向对应的键盘设备写入数据；当进行打印操作的时候，本质就是向显示器写入数据

stdout和stderr都是显示器，这是为什么呢？为了将代码编辑运行的错误信息和普通的打印信息进行分类，更好地为程序员定位错误位置和写日志

文件fd的分配规则：从小到大进行寻找没有被使用数据的位置，然后分配给指定的打开的文件

重定向

重定向可以分为清空重定向和追加重定向

1.清空重定向>

第一次写的hello world被第二次写的你好呀覆盖了，这就是清空重定向

2.追加重定向>>

第一次写的hello没有被第二次写的你覆盖，而是追加在hello后面，这就是追加重定向。

重定向本质：上层fd不变，fd指向的内容进行改变

struct file

struct file里主要包含文件的属性，文件的操作方法集和文件缓冲区

磁盘中的文件要加载到内存中，其实就是加载到对应的文件缓冲区中，这一工作由操作系统来做

读数据：要将数据读到内存中——将磁盘中数据拷贝到对应的struct file 里的文件缓冲区
写数据：要将数据读到内存中——将磁盘中数据拷贝到对应的struct file 里的文件缓冲区，然后再进行修改

我们在应用层进行数据读写的本质是什么？将文件缓冲区中的数据进行来回拷贝

缓冲区是什么呢？由上图可得缓冲区是struct file结构体里的一段空间，所以缓冲区本质上就是内存的一部分空间

为什么要有缓冲区呢？缓冲区就等于现实生活中的菜鸟驿站，我们要把一个东西送给朋友，有了菜鸟驿站就不用亲自开车去送，而是到驿站去寄快递，到驿站寄了以后，就会说已经把东西送了出去了，此时东西也不再属于我们了。所以缓冲区的最主要作用就是提高效率——提高使用者的效率

因为有了缓冲区的存在，可以积累一部分数据然后统一发送，减少了IO的次数，提高了发送效率

缓冲区因为可以暂存数据，必定有一定的刷新方式

无缓冲（立即刷新）
行缓冲（行刷新，\n）
全缓冲（等缓冲区满了再进行刷新）

一般策略，特殊情况

强制刷新
进程退出的时候，一般要刷新缓冲区

一般对于显示器文件——行缓冲

对于磁盘上的文件—— 全缓冲（重定向后往往由行缓冲变成全缓冲）

一段样例

#include<stdio.h>
#include<string.h>
#include<unistd.h>

int main()
{
    fprintf(stdout,"C:hello fprintf\n");
    printf("C:hello printf\n");
    fputs("C: hello fputs\n",stdout);
    const char* str="system call:hello write\n";
    write(1,str,strlen(str));
    
    fork();
    return 0;
}

测试结果

1.当我们向显示器文件进行打印的时候，显示器文件的缓冲区是行缓冲，每一个字符串都有\n，fork之前所有数据都已经被刷新，有第一次的结果出现

2.当进行重定向后，磁盘文件的缓冲区是全缓冲，遇到\n不再刷新，也意味着缓冲区变大，这些字符串不足以将缓冲区写满让其刷新，fork执行的时候，数据仍然存在缓冲区中

3.我们目前谈的缓冲区和OS无关，只和c语言有关

4.当进程退出的时候，一般都要刷新缓冲区，哪怕没有满足对应的条件

5.fork之后立马退出，当一个进程退出的时候，刷新缓冲区，此时就要发生写时拷贝

缓冲区实际上分为用户缓冲区（C语言提供）和文件缓冲区

上面所谈以及日常使用最多的其实都是C/C++提供的语言级别的缓冲区，上面所说的刷新规则也都是C语言缓冲区的刷新规则

上文所说的刷新，就是把C缓冲区的数据拷贝到文件缓冲区

假如我们调用printf的函数，将要打印的数据拷贝到C语言缓冲区，这一函数就返回了

然后进行刷新，调用write函数，将C缓冲区的数据拷贝到文件缓冲区

如果直接调用系统调用write，它没有语言缓冲区，所以是直接写到文件缓冲区的

至于从文件缓冲区拷贝到磁盘这一刷新，就要视系统而定了

那么C语言的缓冲区具体是在哪？当调用C的文件操作的时候，返回值都是FILE，所以FILE结构体里不仅含有fd，还必定含有缓冲区

以上就是对打开文件的大概介绍，接下来谈谈在磁盘中存储的文件

虽然磁盘中的文件没有被打开，那要不要对其进行管理呢？答案是肯定需要的

对于这部分文件，最核心的工作就是对其进行快递定位，怎么做到？路径

在了解如何管理磁盘文件中，我们要先大概了解一下磁盘的物理结构抽象成逻辑结构

磁盘的物理结构和逻辑结构

众所周知，磁盘是一种硬件结构，那么如何存储数据呢？

下面是磁盘的物理结构示意图

一个盘面可以有很多的同心磁道，一圈磁道可以有很多相同的扇区

扇区是最小的存储单元，通常为512字节，即4kb

我们想要向一个扇区进行写入，那么要怎么寻址呢？

我们可以将磁盘结构进行逻辑抽象，这样对磁盘文件的管理就变成了数组的管理

所用的寻址方法是CHS

而文件系统通常以文件块为基本单位，一个文件块通常为4kb

对磁盘中数据的管理和上面类似

管理工作当然没有那么简单，我们肯定要对磁盘进行分类，就和C盘D盘一样

假设总共磁盘有500GB，对其进行分区分为100，100, 100, 200GB的内容

各个分区中又由2GB大小的group组成以及一个启动块Boot Block

这样只要我们管理好着2GB空间，就管理好一个分区，进一步管理好了整个磁盘文件

怎么管理好2GB大小的空间呢？当然是要了解这个块里的组成

超级块（Super Block）：存放文件系统本身的结构信息。记录的信息主要有：bolck 和 inode的总量，未使用的block和inode的数量，一个block和inode的大小，最近一次挂载的时间，最近一次写入数据的时间，最近一次检验磁盘的时间等其他文件系统的相关信息。Super Block的信息被破坏，可以说整个文件系统结构就被破坏了
GDT，Group Descriptor Table：块组描述符，描述块组属性信息，有兴趣的同学可以在了解一下
块位图（Block Bitmap）：Block Bitmap中记录着Data Block中哪个数据块已经被占用，哪个数据块没有被占用
inode位图（inode Bitmap）：每个bit表示一个inode是否空闲可用。
i节点表:存放文件属性如文件大小，所有者，最近修改时间等
数据区：存放文件内容

文件的属性和数据分开存储，属性存在iNode中，数据存在Data Block中

这里以新建一个文件的过程为例子，讲解每个区域的大概作用

新建一个文件，首先要在磁盘中的一个分区中找到一个group，利用iNode Tables查找struct iNode

的使用情况，使用了对应位置为1，没使用为0，找到一个或者多个未被使用的struct iNode进行填充属性信息

关于存储的数据，通过块位图知道哪些文件块未被使用，将数据内容填充到对应的文件块，并将文件块下标赋值到iNode里的Blocks数组，这样通过iNode就能知道哪些文件块被使用，哪些文件块没被使用

虽然Blocks数组只有15个内容，但是其中下标0-12为直接映射，13是间接映射，14为三级映射，所以能记录的数据块是很多的

iNode编号在一个分区内具有唯一性，一个分区大概有32000个iNode，文件识别系统不认文件名，只认iNode编号

这里有一个很关键的问题，一开始你怎么知道文件在哪个分区呢？通过路径的前缀判断在哪个分区

上面说的是文件，那要怎么理解目录呢？

目录本质上也是一个文件，存储的是文件名和iNode编号的映射关系

当一个文件被建立好后，对应的目录也要进行记录

软硬链接

我们先对一个目录中的文件进行硬软链接操作，得到以下结果

可以发现，硬链接的iNode编号和原本文件的iNode编号是一样的，软链接的iNode编号和原本文件的iNode编号是一样的

可以得出硬链接不是独立的文件，软链接是独立的文件

当对一个文件建立硬链接的时候，iNode里的引用计数会增加，删除的话会减少，当引用计数为0时磁盘对应文件内容被释放，即相应的iNode BitMap对应的位置改为0

软链接则是一个独立文件，因为iNode编号不同，内容保存的是指向的目标文件的路径，类似Windows的快捷方式

用户无法对目录新建硬链接操作，因为建立一个目录并进去后，发现默认有.和..两个文件表示当前目录和上级目录，这里的.就相当于已经对目录建立硬链接了

动静态库

在理解什么叫做动静态库之前，应该先理解什么叫做库？

库在日常生活中随处可见，我们之前学习的数据结构unordered_map,unoredered_set就需要包含对应的库文件——库其实就是写来给人提供服务的，里面包含各种函数从而实现了强大的功能

根据不同用法又将库分为静态库和动态库

静态库

静态库简单来说就是将库里面的代码拷贝到可执行程序的代码区，程序运行的时候就不再需要静态库了，因为程序里已经有对应的代码了

由于是直接拷贝库的内容，所以静态库就会很大

要是一个库被重复使用很多次，还是静态库，那么很多个可执行程序里都有相同的代码，造成空间的浪费

动态库

动态库简单来说就是可执行程序拿到动态库的首地址，在可执行程序运行的时候再去拿地址去链接库文件进行使用

动态链接的程序加载的时候，不仅程序要被加载，被链接的库也要进行加载，被映射进虚拟地址空间的共享区

动态库的本质：将重复代码放到一个地方，以节省空间

动态库因为不是直接在可执行程序里的，所以链接的时候就要去找库

库的搜索路径

从左到右搜索-L指定的目录。
由环境变量指定的目录（LIBRARY_PATH）。
由系统指定的目录。
/usr/lib
/usr/local/lib

本人理解：感觉动态库就和指针一样，需要用的时候通过它去找，代码只存在一份，不会占用空间

静态库是直接拷贝的，占用空间更大

静态库把方法加载到可执行程序中，加载几个可执行程序就在内存中有几个静态库的内容，动态库第一次调用加载到内存中，以后在继续使用这个库的可执行程序可以直接找到

静态库和动态库的生成

静态库的生成

写出mylib.h代码

#ifndef __MYLIB_H__
#define __MYLIB_H__ 
#include<stdio.h> 
void print();

#endif

写出mylib.c代码

#include"mylib.h"
void print()
{
    printf("Hello Linux!\n");
}

写出main.c代码

#include"mylib.h"
int main()
{
    print();
    return 0;
}

生成静态库第一步,先生成目标文件: gcc -c mylib.c -o mylib.o

第二步，用目标文件生成静态库:ar -rc libmylib.a mylib.o
ar是gnu归档工具，rc表示(replace and create)

可以查看静态库中的目录列表：ar -tv libmylib.a

t:列出静态库中的文件 v:verbose 详细信息

第三步运行main.c得到结果。 gcc main.c -L. -lmylib

-L 指定库路径
-l 指定库名
测试目标文件生成后，静态库删掉，程序照样可以运行。

生成动态库

还是上面的代码为例子

生成动态库第一步,先生成目标文件: gcc -fPIC -c mylib.c

2.生成动态库

shared: 表示生成共享库格式
fPIC：产生位置无关码(position independent code)
库名规则：libxxx.so

第二步，用目标文件生成动态库:gcc -shared -o libmylib.so *.o

3.使用动态库

编译选项
I：链接动态库，只要库名即可(去掉lib以及版本号)。
L：链接库所在得路径。

第三步运行main.c得到结果。 gcc main.c -o main -L. -lmylib

可以看看这篇文章：https://blog.csdn.net/qq_44918090/article/details/118185830?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170859497116800180637536%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=170859497116800180637536&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~rank_v31_ecpm-28-118185830-null-null.nonecase&utm_term=linux&spm=1018.2226.3001.4450

一些补充：

能够在共享区任意加载的关键：偏移地址

加载进内存的时候，每个指令都有自己的物理地址和虚拟地址（偏移地址）

虚拟地址（偏移地址）初始化页表左边，物理地址初始化页表右边

cpu用的全是虚拟地址，所以调用的时候才会有虚拟地址到物理地址的转变

我们见到的FILE *文件流指针，其实就是_IO_FILE的类型重定义，其中封装包含了文件描述符，因此一个文件流指针一定对应有一个文件描述符。