【Linux】理解Linux中一切皆文件、缓冲区、ext2文件系统、软硬链接

_小羊_

发布于 2025-01-24 09:06:12

7200

代码可运行

文章被收录于专栏：C++C++

运行总次数：0

代码可运行

1、如何理解在Linux中一切皆文件？

1.1 概述

在windows中是文件的东西，在linux中也是文件；其次一些在windows中不是文件的东西，比如进程、磁盘、显示器、键盘这样硬件设备也被抽象成了文件，你可以使用访问文件的方法访问它们获得信息；甚至管道，也是文件；将来我们要学习网络编程中的socket（套接字）这样的东西，使用的接口跟文件接口也是一致的。

1.2 文件类型

普通文件：这是最常见的文件类型，如文本文件、二进制文件、图像文件等。它们存储着数据或程序代码。
目录文件：目录在Linux中也被视为一种特殊的文件，它包含了目录内各个文件的文件名和指向这些文件的指针。通过访问目录文件，可以浏览和管理目录内的文件。
设备文件：设备文件代表了系统中的硬件设备，如硬盘、打印机、网络接口等。通过对设备文件的读写操作，可以实现对硬件设备的控制。设备文件通常位于/dev目录下。
套接字（Socket）：套接字是一种特殊的文件，用于网络通信。在Linux中，每个套接字都有一个对应的文件描述符，通过读写这个文件描述符可以实现网络通信。
管道（Pipe）：管道也是一种特殊的文件，用于进程间通信。它将一个进程的输出作为另一个进程的输入，实现了进程间的数据传递。

1.3 优势

统一接口：“一切皆文件”使得Linux系统提供了一个统一的接口来访问和管理所有资源。这降低了系统的复杂性，并提高了系统的可扩展性。
简化编程：程序员只需要熟悉文件系统的接口，就可以实现对系统资源的操作和管理。这降低了编程难度，提高了开发效率。
资源抽象：通过将所有资源都抽象为文件的形式，Linux系统实现了对资源的统一管理和访问。这有助于实现资源的共享和保护，提高了系统的安全性和可靠性。

这样做最明显的好处是，开发者仅需要使用一套API和开发工具，即可调取Linux系统中绝大部分的资源。举个简单的例子，Linux中几乎所有读（读文件，读系统状态，读PIPE）的操作都可以用read函数来进行；几乎所有更改（更改文件，更改系统参数，写PIPE）的操作都可以用write函数来进行。

2、缓冲区

2.1 为什么要引入缓冲区？

缓冲区是内存空间的一部分。也就是说，在内存空间中预留了一定的存储空间，这些存储空间用来缓冲输入或输出的数据，这部分预留的空间就叫做缓冲区。缓冲区根据其对应的是输入设备还是输出设备，分为输入缓冲区和输出缓冲区。

引入缓冲区是为了减少磁盘的读写次数，再加上计算机对缓冲区的操作大大快于对磁盘的操作，故应用缓冲区可大大提高计算机的运行速度。
调用系统调用，是有成本的，所以有个用户级缓冲区。
内核级缓冲区何时刷新是由OS自主决定的，如果我们想要自己控制也是有办法的，有系统调用fsync，强制刷新。
当一个进程在退出的时候，会自动刷新自己的缓冲区，fclose关闭文件的时候也会自动刷新。
我们用printf等函数，首先写入到用户级缓冲区中，可以通过fflush刷新到内核级缓冲区。用户级缓冲区的作用是减少系统调用次数，内核级缓冲区的作用是减少IO次数。

2.2 缓冲类型

标准I/O提供了3种类型的缓冲区。

全缓冲区：这种缓冲方式要求填满整个缓冲区后才进行IO系统调用操作。对于磁盘文件的操作通常使用全缓冲的方式访问。
行缓冲区：在行缓冲情况下，当在输入和输出中遇到换行符时，标准I/O库函数将会执行系统调用操作。当所操作的流涉及一个终端时（例如标准输入和标准出），使用行缓冲方式。因为标准I/O库每行的缓冲区长度是固定的，所以只要填满了缓冲区，即使还没有遇到换行符，也会执行I/O系统调用操作，默认行缓冲区的大小为1024。
无缓冲区：无缓冲区是指标准I/O库不对字符进行缓存，直接调用系统调用。标准出错流stderr通常是不带缓冲区的，这使得出错信息能够尽快地显示出来。

除了上述列举的默认刷新方式，下列特殊情况也会引发缓冲区的刷新：

缓冲区满时；
执行flush语句；

通过下面这个例子来理解一下缓冲区的刷新：

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

int main()
{
	//c库函数
	printf("hell printf\n");
	fprintf(stdout, "hello fprintf\n");
	const char *str = "hello fwrite\n";
	fwrite(str, 1, strlen(str), stdout);

	//系统调用
	const char *w = "hello write\n";
	write(1, w, strlen(w));

	return 0;
}

当我们往显示器上写入时是行刷新，打印顺序和我们代码一致，如果将往显示器上写入重定向到往文件中写入，就不是行刷新了，而是缓冲区满了才刷新，所以最后先刷新了系统调用write，最后进程结束的时候再自动刷新的用户级缓冲区。

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

int main()
{
	//c库函数
	printf("hell printf\n");
	fprintf(stdout, "hello fprintf\n");
	const char *str = "hello fwrite\n";
	fwrite(str, 1, strlen(str), stdout);

	//系统调用
	const char *w = "hello write\n";
	write(1, w, strlen(w));

	//子进程
	fork();
	
	return 0;
}

如果我们在最后创建一个子进程，对于往显示器上写入时的行刷新不影响，不过将往显示器上写入重定向到往文件中写入时就和上面不一样了，因为C库函数先将字符串写入到用户级缓冲区中，最后父子进程各自把它们的缓冲区刷新了一遍，所以就有了两份数据，而系统调用write写入到用户级缓冲区后自己就将数据拷贝到内核级缓冲区了，不等到进程结束再刷新。

我们自己封装一个简单的stdio.h，来深刻理解一下数据写入的过程：

#pragma once 

#include <stdio.h>
#include <unistd.h>
#include <string.h>
#include <unistd.h>
#include <sys/types.h>
#include <fcntl.h>
#include <stdlib.h>

#define SIZE 1024

#define FLUSH_NONE 0
#define FLUSH_LINE 1
#define FLUSH_FULL 2

struct IO_FILE
{
	int flag; // 刷新方式
	int fileno; //文件描述符
	char outbuffer[SIZE];
	int size;
	int capacity;
};

typedef struct IO_FILE mFILE;

mFILE *mfopen(const char *filename, const char *mode);
int mfwrite(const void *ptr, int num, mFILE *stream);
void mfflush(mFILE *stream);
void mfclose(mFILE *stream);

#include "mystdio.h"

mFILE *mfopen(const char *filename, const char *mode)
{
    int fd = -1;
	if (strcmp(mode, "r") == 0)
	{
		fd = open(filename, O_RDONLY);
	}
	else if (strcmp(mode, "w") == 0)
	{
		fd = open(filename, O_CREAT | O_WRONLY | O_TRUNC, 0666);
	}
	else if (strcmp(mode, "a") == 0)
	{
		fd = open(filename, O_CREAT | O_WRONLY | O_APPEND, 0666);
	}
	if (fd < 0)
	{
		return NULL;
	}
	mFILE *mf = (mFILE*)malloc(sizeof(mFILE));
	if (mf == NULL)
	{
		close(fd);
		return NULL;
	}

	mf->flag = FLUSH_LINE;
	mf->fileno = fd;
	mf->size = 0;
	mf->capacity = SIZE;

	return mf;
}

void mfflush(mFILE *stream)
{
	if (stream->size > 0)
	{
		//刷新的本质
		write(stream->fileno, stream->outbuffer, stream->size);
		stream->size = 0;
	}
}

int mfwrite(const void *ptr, int num, mFILE *stream)
{
	//1、库函数写方法：将数据拷贝到缓冲区
	memcpy(stream->outbuffer+stream->size, ptr, num);
	stream->size += num;

	//2、检测是否刷新
	if (stream->flag == FLUSH_LINE && stream->size > 0 && stream->outbuffer[stream->size - 1] == '\n')
	{
		mfflush(stream);
	}
	return num;
}

void mfclose(mFILE *stream)
{
	if (stream->size > 0)
	{
		mfflush(stream);
	}
	close(stream->fileno);
}

3、Ext系列文件系统

文件有被打开的文件和未打开的文件，前面我们介绍的都是被打开的文件，其实对于文件来说未打开的文件是占多数的，未打开的文件在磁盘上。文件存在就要被访问，访问文件的前提是要打开文件，打开文件的前提是先要找到这个文件，那么对于未打开的文件我们如何找到它，就是文件管理系统需要做的工作。不管是内存中已打开的文件还是磁盘中未打开的文件，都要被文件系统管理起来。整个过程可以类比快递的管理系统。

我们需要讨论下面两个问题：

文件系统是怎么管理磁盘中未打开的文件的？
如何理解文件的路径？

扇区是磁盘存储数据的基本单位，通常是512KB，所以磁盘也叫块设备。磁盘就是一个元素为扇区的一维数组，数组的下标就是每一个扇区的LBA地址，OS使用磁盘，就可以用一个数字访问磁盘扇区。

每个文件都有自己的inode，就像进程都有自己的PCB一样，inode是文件属性数据的集合，是一个结构体，特殊的是文件名属性不在inode中保存。Linux中，文件内容和文件属性是分开存储的。
找一个文件，是通过inode编号找的。删除一个文件，只需要把inode Bitmap和Block Bitmap中对应的比特位由1置0即可，所以删除一个文件后也是可以恢复的。
文件系统以分区为单位，不同的分区可以是不同的文件系统。对于Super Block，一个分区内的多个组中一般只有几个组中存在，且都是一样的，这样做的目的为了备份，防止一整个分区都挂掉。
格式化的本质是：向一个分区中写入文件系统。
为了稳定，一个组里面inode个数，block个数都是固定的。inode以分区为单位，一个分区一套inode。inode分配的时候，只需要确定每个组的起始inode；block也是统一编号的，和inode类似。