linux fread和read

    前多时间梳理了一些Linux上的编程，其实就是认识的大量的系统调用（POSIX）。这里有一个我们经常提出的问题就是fread，read的区别。（当然这两个分别代表了操作文件系统的两套不同的函数，包括open,read, write, seek 等）。我们都知道，他们的区别就是一个（read）是UNIX 中的系统调用，是类UNIX系统，提供给程序员操作文件的接口（要不然你如何操作文件？）；而另外一个则是C语言提供的读取文件的函数库，自然这个函数库（ANSI）的实现是以对应的系统调用为基础的。

那么为什么C语言的函数库需要向我们提供这样的包装，而其他的系统调用（像进程、线程管理与通信等等）没有这样的包装呢？

这当然是有原因的，也就是我们常说的有缓冲读写和无缓冲读写。

 

但是，我们进一步学习了UNIX系统中，直接I/O的概念之后，对上面的了解需要更深一步了。

 

为什么要缓冲？

 

我们先不管用户态、核心态这些事情，我们先思考，读取外设上的文件为什么需要缓冲。

（我们知道，一般意义上流的概念已经被使用到了文件读写中，这个概念与缓冲的概念没有关系。）

我们使用函数向某个文件从当前流标签所在位置，读取n个字符。我们也会使用函数向文件的某个流位置写如n字符。但是，当这种写的动作小、而频繁。每次写又必须反映到硬盘上，也就是说需要频繁的操作硬盘，写一些小的更改，这是非常耗损效率。所以自然我们想到了，我们设立一个缓冲区，将那些要写入的数据先写到缓冲区中，当缓冲区满，或者其他情况发生的时候，我们在一起将他们写入到硬盘上。这样可以大大提高应用程序读写文件的速度。

 

这就是为什么需要缓冲，根本原因我认为是磁盘等外设的数据还和内存的速度相差甚远，所以我们不希望由于操作外设的原因让本来很快的内存和CPU跟着一起慢，我们想的办法：一是异步写（但这有时候不能符合应用要求），二就是缓冲读写。

 

而我们通常所理解的就是，read体系，就是那种无缓冲读写，不管是读还是写，调用这个体系的函数，会马上启动一次外设操作，读取数据或者写入数据。而fread体系则，使用了缓冲读写的方式，一定时间才调用read体系的函数。

 

上面的认识，事实上可以一定程度上说明问题的。但是，我们也太低估UNIX系统的智商了，要知道，不只是应用程序需要与外设进行交互，操作系统更是要与外设频繁的交互。（事实上应用程序是通过操作系统与外设交互的，所以就有了用户态和核心态概念）。

 

我们知道，应用程序要读写文件，一般是通过操作系统的（这样才发挥了操作系统管理系统的各项硬软件的功能）。读写的过程并不是直接将外设中的数据，直接往用户应用程序的空间传送（虽然理论上好像可以，内核还不能往用户空间写数据？但是这不符合这种隔离的思想），而是首先由内核发出外设操作，将数据传送到内核空间中（DMA技术），然后从内核传送的用户空间中。这样的好处就是能够隔离开应用程序与硬件设备的直接交流（那会导致应用软件设计的复杂都增长）。但是这也导致了我们通常说的“多拷贝”问题。

 

在操作系统内核的管理下，数据想要从一个文件到另外一个文件，需要经过：

文件1（外设）——>内核空间——>用户空间——>内核空间——文件2(外设）。

这里还是假设用户空间里面该数据没有拷贝动作，我们可以看到，中间的拷贝过程全部发生在内存中，只是分在内核与用户的区别。

 

这种样的过程其实是伤害效率的，但是如果不是对读写效率的要求过于苛刻，仍然使用这种方法。

 

事实上，read体系也有自己的缓冲机制，但是我们可以通过设置（open函数中DIRECT标志），放弃这种方式。

我们可以说，fread是在用户应用程序空间中，自己建立了一个缓冲机制，这种缓冲机制和内核read的缓冲机制并不冲突。

事实上，当我们使用read体系的时候，我们放弃了应用程序空间中的缓冲机制，但是如果不设置DIRECT标志，内核中的缓冲机制依然存在。

 

我们还有一种特殊的读写应用程序，叫着自缓冲读写，其实fread就是这样一种方式。只是它没有放弃内核的缓冲机制。但是对于复杂应用程序，例如数据库，这种对读写效率要求高的地方，他们使用了自己定义缓冲机制并且毅然放弃了内核的缓冲方式，为什么呢？因为内核缓冲方式，对缓冲数据何时应该存入到硬盘上，哪些数据应该留下来更久没有应用背景相关的信息，所以它所出来的决策，通常是盲目的。但是，如果应用程序自己设置这种缓冲，可以很大程度上弥补这一问题。

 

 

缓冲I/O绝对有它的好处，这种机制的使用不仅在用户空间中，也在内核实现时会使用。当然有时候我们为了追求某些特别的需求，会使用直接I/O方式。当然事实上，这种I/O方式与缓冲与否不是对立的。但是往往这样做了之后，缓冲就不够。我们要使用直接I/O要慎重考虑，你应用程序的需求，例如，你需要存取大块数据。这个是否“多拷贝”无疑是一个问题。其中取舍需要仔细考虑、权衡。