文件描述符

我们经常说到IO，什么是IO？

IO即是输入输出，它是在主存和外部设备（磁盘、终端、网络）之间复制数据的过程。输入Input，是对内存来说，即是从外部设备到主存；输出Output，则是从主存复制数据到IO设备上。

一个Linux文件就是一个m个字节的序列。 所有的I/O设备（例如网络、磁盘和终端）都被模型化为文件，而所有的输入和输出都被当作对相应文件的读和写来执行的。

  • 打开文件。一个应用程序通过要求内核打开相应的文件，来宣告它想要访问一个 I/O设备。内核返回一个小的非负整数，叫做描述符，它在后续对此文件的所有操作中标识这个文件。内核记录有关这个打开文件的所有信息，应用程序只需记住这个描述符。

  • Linux shell 创建的每个进程开始时都有三个打开的文件：标准输入(描述符为0)、标准输出（描述符为1）和标准错误（描述符为2）

  1. 改变当前的文件位置。对于每个打开的文件，内核保持着一个文件位置k,初始为0。这个文件位置是从文件开头起始的字节偏移量。应用程序能够通过执行seek 操作，显式地设置文件的当前位置为k。

  2. 读写文件。一个读操作就是从文件复制 n >0个字节到内存，从当前文件位置 k 开始，然后将 k 增加到 k+n。给定一个大小为 m 字节的文件，当 k >= m时执行读操作会触发一个称为end-of-file (EOF)的条件，应用程序能检测到这个条件.在文件结尾处并没有明确的"EOF符号"。 类似地，写操作就是从内存复制 n>0 个字节到一个文件，从当前文件位置k 开始，然后更新k。

  3. 关闭文件，当应用完成了对文件的访问之后，它就通知内核关闭这个文件。内核会释放文件打开时创建的数据结构，并将这个描述符恢复到可用的描述符池中。无论一个进程因为什么原因终止时，内核都会关闭所有打开的文件并释放它们的内存资源。

理解文件描述符的概念非常重要，有助于对很多系统软件运行的理解。

内核怎样表示一个打开的文件

内核用三个相关的数据结构来表示打开的文件：

  • 描述符表（descriptor table)。每个进程都有它独立的描述符表，它的表项是由进程打开的文件描述符来索引的。每个打开的描述符表项指向文件表中的一个表项。
  • 文件表（file table)。打开文件的集合是由一张文件表来表示的，所有的进程共享这张表。每个文件表的表项组成（针对我们的目的）包括当前的文件位置、引用计数 (reference count)(即当前指向该表项的描述符表项数），以及一个指向v-node表中对应表项的指针。关闭一个描述符会减少相应的文件表表项中的引用计数。直到引用计数为零时，内核才会删除这个文件表表项。
  • v-node表（v-node table)。同文件表一样，所有的进程共享这张v-node表。每个表项包含 stat 结构中的大多数信息，包括 st_mode 和 st_size成员。
注：文件描述符表是每个进程级别拥有的，文件表和v-node表是所有进程共享的。
**每个文件表会记录当前描述符对应的文件位置**。
多个不同进程（非父子关系）打开同一个物理文件时，会有不同的文件表（不同进程打开该文件的位置等属性不同）引用同一个v-node文件。
父子进程因为是不同进程，会有不同的文件描述符表，但同一个文件会共享同一个文件表。
文件描述符是属于进程的，所以不同进程完全可能有相同的文件描述符数字。

关键思想：每个描述符有它自己的文件位置

这三个相关数据结构，有几种典型的打开文件情况。

  • 同一个进程下，描述符1和4 通过打开不同的文件表，引用两个不同的物理文件。

  • 同一个进程下，描述符1和4 通过打开不同的文件表，引用同一个物理文件。两个描述符有两个不同的文件位置。

  • 父子两个进程，两个描述符表打开不同的文件表，引用各自物理文件。共享的文件表下引用计数大于1。

I/O重定向

shell中会经常用到重定向，比如把输出到标准输出的内容打到一个文件里。

$ ls > a.log

标准输出的描述符重定向到了a.log的文件描述符。 重定向描述符的函数dup2。

#inclued<unistd.h>
int dup2(int oldfd, int newfd);

新描述符（第二个参数newfd）变成旧描述符（第一个参数oldfd）的复制品，两个文件描述符都指向同一个文件，均指向 oldfd对应的文件表。

比如 dup2(4, 1);

重定向这里可以提及到web服务器中，cgi程序执行结果怎么返回给客户端的。cgi程序执行结果是打到标准输出上，比如利用dup2函数，把这个描述符重定向到tcp中的连接描述符上。

参考

  • 《CSAPP》