【Linux】缓冲区

目录

一、初识缓冲区

二、用户级缓冲区

三、内核级缓冲区

四、内核级缓冲区 VS 用户级缓冲区

 五、用户级缓冲区在哪里？

一、初识缓冲区

缓冲区是什么？可以简单理解成一部分内存。例如用户缓冲区(char arr[])、C标准库提供的缓冲区、操作系统提供的缓冲区。

为什么要有缓冲区？要通过减少对磁盘的直接访问来提高文件操作的效率。例如给朋友寄快递，不是直接给朋友送过去，而是通过快递站，快递站也不是来一个包裹就送一个包裹，而是积累一部分包裹再统一发送，朋友只用到他对应的快递站取走包裹即可。提高了使用者的效率和发送的效率。

缓冲区能暂存数据，因此也要有一定的刷新方式。（一般策略）

1. 无缓冲（立即刷新）
2. 行缓冲（行刷新）
3. 全缓冲（缓冲区满了，再刷新）
4. 一般对于显示器文件，行刷新(行缓冲) ；对于磁盘上的文件，全缓冲(缓冲写满，在刷新)

特殊情况：

1. 强制刷新 
2. 进程退出的时候，一般要自动刷新缓冲区，即便数据没有满足刷新条件。

强制刷新缓冲区，把当前缓冲区的内容全部刷新。类似于寄快递时对工作人员说：赶快给我发出去，不然就投诉你。这时工作人员就会把驿站当前积累的包裹都发送出去。行刷新，就是把驿站快递柜的一行快递发送。全刷新，就是驿站快递柜满了，把积累的全部包裹发送出去。

看下面一段代码思考结果如何，输出重定向到文件中，结果一样吗？

#include <stdio.h>    
#include <string.h>    
#include <unistd.h>    
    
int main()    
{    
    printf("C: hello printf\n");    
    fprintf(stdout, "C: hello fprintf\n");    
    fputs("C: hello fputs\n",stdout);                                                                            
    const char* str = "system call: hello write\n";    
    write(1,str,strlen(str));    
    
    fork();    
    return 0;    
}  

现象：直接执行程序时向显示器打印，C标准库和系统调用的函数都打印一次，但输出重定向到 log.txt 文件时，C标准库提供的函数打印两次，系统调用的函数只打印一次。

原因：

1. 当我们直接向显示器打印的时候，显示器文件的刷新方式是行刷新！而且代码输出的所有字符串，都有'\n'。fork之前，数据全部已经被刷新，包括systemcall。
2. 重定向到 log.txt ，本质是向磁盘文件中写入(不是显示器)，系统对于数据的刷新方式已经由行缓冲，变成了全缓冲!
3. 变成全缓冲意味着缓冲区变大，实际写入的简单数据，不足以把缓冲区写满，fork执行的时候数据依旧在缓冲区中！
4. 我们目前所谈的"缓冲区"，和操作系统是没有关系的，只能和C语言有关。(因为系统调用的结果打印正常符合预期，且C 库中的printf、fprintf、fputs实际上还是封装的wirte，如果是因为write引起的，write函数也会打印两次)

二、用户级缓冲区

我们日常用的最多的其实是C/C++标准库提供的语言级别的缓冲区，也叫用户级缓冲区。而操作系统提供的是内核级缓冲区。
在上面的例子中，我们这边的快递站就是C语言提供的用户级缓冲区，朋友就是操作系统，朋友那边的快递站就是内核级缓冲区。

上面代码原理的补充：

• C/C++标准库提供的缓冲区，里面一定保存的是用户的数据，属于当前进程在运行时的数据。
• 如果把用户的数据交给操作系统，那么这个数据不属于用户，属于操作系统。
• 进程退出刷新缓冲区时，要进行刷新缓冲区，这也属于 "清空" 或 "写入" 操作。
• C/C++缓冲区的数据属于进程的数据、fork后父子进程共享缓冲区数据，当要写入或者任一进程退出时，要刷新缓冲区，此时会发生 "写时拷贝"。
• 可以证明write系统调用没有使用C的缓冲区，直接写入到操作系统。这个数据不属于进程。

什么叫做刷新？

一个进程有对应的文件描述符表，例如有一个打开的log.txt文件，它加载到内存中，对应一个struct file，文件描述符为3，对应一个文件缓冲区。磁盘上也有一个对应的log.txt。

用户要把"hello"字符串打印到log.txt文件，该字符串是经过fprintf等函数写入到C语言提供的缓冲区(例如名叫buffer)，经过fflush或进程退出时，调用write(3,buffer)写入到文件缓冲区中。

把用户的缓冲区(例如字符数组)拷贝到C语言的缓冲区，再把C语言提供的缓冲区的内容拷贝到文件缓冲区，这个过程叫做刷新。

补充：

• fprintf等函数不仅将打印内容拷贝到缓冲区中，还做了格式化输出操作。这个格式化输出操作是在拷贝时完成的。我们之前用的所有缓冲区都是C语言提供的用户级缓冲区。
• 直接把数据从用户的缓冲区拷贝到文件缓冲区，成本很高，刷新操作可以提高效率
• C语言中几乎所有的I/O接口都有缓冲区。
• 文件缓冲区中的数据需要写入文件系统时，数据再被写入到文件系统的磁盘块中。这也是为了提高效率（减少磁盘访问）。(该操作由OS执行)

经过上面的分析，就可以更好的理解用户级缓冲区的特点：

• 用户级缓冲区通常位于用户空间，由进程自己管理。
• 用户级缓冲区的主要目的是提高文件操作的效率，减少系统调用的次数。
  例如，当写入文件时，数据首先被写入用户级缓冲区，然后写入内核级缓冲区，最后写入文件系统。
• 用户级缓冲区可以被刷新，使用 'fflush' 函数可以手动刷新缓冲区，确保所有数据都被写入文件。
• C标准库（如stdio.h）提供了文件操作的函数，如 'fopen'、'fread'、'fwrite' 等。这些函数可以在打开文件时指定缓冲区类型，如 '"w+b"'。

以下是C语言提供的几种用户级缓冲区类型：

• 无缓冲区（无缓冲）：使用 '"wb"' 或 '"rb"' 模式打开文件时，文件没有缓冲区。每次调用写入或读取函数时，数据都会立即写入或从文件中读取。
• 行缓冲区（行缓冲）：使用 '"w+b"' 或 '"r+b"' 模式打开文件时，文件有行缓冲区。每写入或读取一行数据时，数据会被缓冲，直到缓冲区满或遇到换行符。
• 全缓冲区（全缓冲）：使用 '"w+"' 或 '"r+"' 模式打开文件时，文件有全缓冲区。写入或读取的数据会被缓冲，直到缓冲区满或调用 'fflush' 函数。 

三、内核级缓冲区

上面讲到的文件缓冲区就是操作系统的内核级缓冲区。
内核缓冲区通常位于内核空间，由操作系统直接管理。
标准输出（stdout）和标准错误（stderr）通常使用内核级缓冲区。
内核级缓冲区通常在进程结束时自动刷新，但在某些情况下，可以通过调用 'fflush' 函数来手动刷新这些缓冲区。
内核级缓冲区的主要目的是减少对物理设备的直接访问，提高系统性能。

用户级缓冲区和内核级缓冲区可以同时使用，以提高程序的性能。例如，当读取文件时，数据首先被读取到用户级缓冲区中，然后从用户级缓冲区读取到程序的内存中。当写入文件时，数据首先被写入程序的内存中，然后写入用户级缓冲区，最后写入内核级缓冲区，最终写入文件系统。

四、内核级缓冲区 VS 用户级缓冲区

• 作用：内核级缓冲区主要用于减少对物理设备的直接访问，提高系统性能；而用户级缓冲区主要用于提高文件操作的效率，减少系统调用的次数。
• 位置：内核级缓冲区位于内核空间，由操作系统管理；用户级缓冲区位于用户空间，由程序自己管理。
• 管理：内核级缓冲区由内核直接管理，对用户不可见；用户级缓冲区由程序员控制，可以通过编程方式进行管理。
• 性能：内核级缓冲区可以显著减少磁盘I/O操作，提高系统性能；用户级缓冲区可以减少系统调用的次数，提高程序的执行效率。

缓冲区在Linux中的主要作用：

1. 减少磁盘访问：缓冲区允许数据在内存中暂存，而不是每次操作都直接从磁盘读取或写入。这减少了磁盘I/O操作的次数，从而提高了系统的整体性能。
2. 优化内存使用：缓冲区可以存储大量数据，减少了对物理内存的需求。数据在内存中缓存，可以在需要时快速访问，而不是每次都从磁盘加载。
3. 减少系统调用次数：缓冲区允许在多个操作之间缓存数据，减少了与文件系统交互的系统调用次数。这减少了内核和用户空间之间的上下文切换，提高了程序的执行效率。
4. 提高文件操作的效率：缓冲区可以减少对文件的频繁读写，从而提高了文件操作的效率。例如，当编辑一个大型文件时，文本编辑器可以在缓冲区中修改数据，而不是每次修改都写入文件。
5. 减少延迟：缓冲区可以减少数据传输的延迟，因为数据可以快速地在内存中传递。这使得程序可以更快速地处理数据，尤其是在处理大量数据时。
6. 支持并行操作：缓冲区可以支持并行操作，例如，多个进程可以同时访问同一个缓冲区。这使得系统可以更有效地利用多核处理器和多进程架构。

 五、用户级缓冲区在哪里？

任何情况下，我们输出输入的时候，都要有一个FILE，FILE是一个结构体，FILE里面包含了fd，也提供了一段缓冲区！因此任何一个文件都要在C标准库里通过FILE创建一个用户级缓冲区。
例如进程打开了5个文件，就有5个FILE对象和struct file，对应５个文件缓冲区，读写时互相不影响。

可以看看C标准库中的FILE结构体:
typedef struct _IO_FILE FILE;  在   /usr/include/stdio.h

在/usr/include/libio.h
struct _IO_FILE {
 int _flags;     /* High-order word is _IO_MAGIC; rest is flags. */
#define _IO_file_flags _flags
 
 //缓冲区相关
 /* The following pointers correspond to the C++ streambuf protocol. */
 /* Note: Tk uses the _IO_read_ptr and _IO_read_end fields directly. */
 char* _IO_read_ptr;     /* Current read pointer */
 char* _IO_read_end;     /* End of get area. */
 char* _IO_read_base;     /* Start of putback+get area. */
 char* _IO_write_base;     /* Start of put area. */
char* _IO_write_ptr;     /* Current put pointer. */
 char* _IO_write_end;     /* End of put area. */
 char* _IO_buf_base;     /* Start of reserve area. */
 char* _IO_buf_end;     /* End of reserve area. */
 /* The following fields are used to support backing up and undo. */
 char *_IO_save_base; /* Pointer to start of non-current get area. */
 char *_IO_backup_base; /* Pointer to first valid character of backup area */
 char *_IO_save_end; /* Pointer to end of non-current get area. */
 
 struct _IO_marker *_markers;

 struct _IO_FILE *_chain;
 
 int _fileno; //封装的文件描述符

#if 0
 int _blksize;
#else
 int _flags2;
#endif

 _IO_off_t _old_offset; /* This used to be _offset but it's too small. */

#define __HAVE_COLUMN /* temporary */
 /* 1+column number of pbase(); 0 is unknown. */
 unsigned short _cur_column;
 signed char _vtable_offset;
 char _shortbuf[1];

 /* char* _save_gptr; char* _save_egptr; */

 _IO_lock_t *_lock;
#ifdef _IO_USE_OLD_IO_FILE
};

向显示器打印123的时候，打印的其实是1字符2字符3字符，我们用键盘输入123时，也是输入1字符2字符3字符，这3个字符被放入到stdin对应FILE结构体中的缓冲区。scanf将缓冲区的数据合并，根据用户定义的格式赋给指定的值。键盘显示器也叫字符设备。

C语言把打开的文件叫做流，输入流输出流，流也相当于C语言提供的缓冲区，一方面C语言从缓冲区的头部拿数据，一方面用户在缓冲区尾部追加数据，该操作像流水一样，所以称作‘流’。C++也是同理，也有自己的缓冲区。原理和C相同，但操作上有很大区别。