Linux的进程、线程、⽂件描述符是什么

说到进程，恐怕⾯试中最常⻅的问题就是线程和进程的关系了，那么先说⼀ 下答案：在Linux系统中，进程和线程⼏乎没有区别。

Linux中的进程就是⼀个数据结构，看明⽩就可以理解⽂件描述符、重定向、管道命令的底层⼯作原理，最后我们从操作系统的⾓度看看为什么说线程和进程基本没有区别。

进程是什么

⾸先，抽象地来说，我们的计算机就是这个东⻄：

这个⼤的矩形表⽰计算机的内存空间，其中的⼩矩形代表进程，左下⾓的圆 形表⽰磁盘，右下⾓的图形表⽰⼀些输⼊输出设备，⽐如⿏标键盘显⽰器等等。另外，注意到内存空间被划分为了两块，上半部分表⽰⽤户空间，下半部分表⽰内核空间。

⽤户空间装着⽤户进程需要使⽤的资源，⽐如你在程序代码⾥开⼀个数组，这个数组肯定存在⽤户空间；内核空间存放内核进程需要加载的系统资源，这些资源⼀般是不允许⽤户访问的。但是注意有的⽤户进程会共享⼀些内核空间的资源，⽐如⼀些动态链接库等等。

我们⽤C语⾔写⼀个Hello World程序，编译后得到⼀个可执⾏⽂件，在命令⾏运⾏就可以打印出⼀句hello world，然后程序退出。在操作系统层⾯，就是新建了⼀个进程，这个进程将我们编译出来的可执⾏⽂件读⼊内存空间，然后执⾏，最后退出。 你编译好的那个可执⾏程序只是⼀个⽂件，不是进程，可执⾏⽂件必须要载入内存，包装成⼀个进程才能真正跑起来。进程是要依靠操作系统创建的，每个进程都有它的固有属性，⽐如进程号（PID）、进程状态、打开的⽂件等等，进程创建好之后，读⼊你的程序，你的程序才被系统执行。

那么，操作系统是如何创建进程的呢？对于操作系统，进程就是⼀个数据结构，我们直接来看Linux的源码：

struct task_struct { 
	// 进程状态 
	long state; 
	// 虚拟内存结构体 
	struct mm_struct *mm; 
	// 进程号 
	pid_t pid; 
	// 指向⽗进程的指针 
	struct task_struct __rcu *parent; 
	// ⼦进程列表 
	struct list_head children; 
	// 存放⽂件系统信息的指针 
	struct fs_struct *fs; 
	// ⼀个数组，包含该进程打开的⽂件指针 
	struct files_struct *files; 
};

task_struct就是Linux内核对于⼀个进程的描述，也可以称为「进程描述符」。源码⽐较复杂，我这⾥就截取了⼀⼩部分⽐较常⻅的。

其中⽐较有意思的是mm指针和files指针。mm指向的是进程的虚拟内存，也就是载⼊资源和可执⾏⽂件的地⽅； files指针指向⼀个数组，这个数组⾥装着所有该进程打开的⽂件的指针。

什么是文件描述符

先说files，它是⼀个⽂件指针数组。⼀般来说，⼀个进程会从files[0]读取输⼊，将输出写⼊files[1]，将错误信息写⼊files[2]。

举个例⼦，以我们的⾓度C语⾔的printf函数是向命令⾏打印字符，但是从进程的⾓度来看，就是向files[1]写⼊数据；同理，scanf函数就是进程试图从files[0]这个⽂件中读取数据。 每个进程被创建时，files的前三位被填⼊默认值，分别指向标准输⼊流、标准输出流、标准错误流。

我们常说的「⽂件描述符」就是指这个⽂件指针数组的索引，所以程序的⽂件描述符默认情况下0是输⼊，1是输出，2是错误。我们可以重新画⼀幅图。

对于⼀般的计算机，输⼊流是键盘，输出流是显⽰器，错误流也是显⽰器， 所以现在这个进程和内核连了三根线。因为硬件都是由内核管理的，我们的进程需要通过「系统调⽤」让内核进程访问硬件资源。

PS：不要忘了，Linux 中⼀切都被抽象成⽂件，设备也是⽂件，可以进⾏读和写。

如果我们写的程序需要其他资源，⽐如打开⼀个⽂件进⾏读写，这也很简单，进⾏系统调⽤，让内核把⽂件打开，这个⽂件就会被放到files的第4个位置：

明⽩了这个原理，输⼊重定向就很好理解了，程序想读取数据的时候就会去files[0]读取，所以我们只要把files[0]指向⼀个⽂件，那么程序就会从这个⽂件中读取数据，⽽不是从键盘：

同理，输出重定向就是把files[1]指向⼀个⽂件，那么程序的输出就不会 写⼊到显⽰器，⽽是写⼊到这个⽂件中。错误重定向也是⼀样的，就不再赘述。

管道符其实也是异曲同⼯，把⼀个进程的输出流和另⼀个进程的输⼊流接起 ⼀条「管道」，数据就在其中传递，不得不说这种设计思想真的很优美。

到这⾥，你可能也看出「Linux 中⼀切皆⽂件」设计思路的⾼明了，不管是设备、另⼀个进程、socket套接字还是真正的⽂件，全部都可以读写，统⼀装进⼀个简单的files数组，进程通过简单的⽂件描述符访问相应资源，具体细节交于操作系统，有效解耦，优美⾼效。

线程是什么

⾸先要明确的是，多进程和多线程都是并发，都可以提⾼处理器的利⽤效率，所以现在的关键是，多线程和多进程有啥区别。

为什么说Linux中线程和进程基本没有区别呢，因为从 Linux内核的⾓度来看，并没有把线程和进程区别对待。

我们知道系统调⽤fork()可以新建⼀个⼦进程，函数pthread()可以新建 ⼀个线程。但⽆论线程还是进程，都是⽤task_struct结构表⽰的，唯⼀的区别就是共享的数据区域不同。

换句话说，线程看起来跟进程没有区别，只是线程的某些数据区域和其⽗进 程是共享的，⽽⼦进程是拷⻉副本，⽽不是共享。就⽐如说， mm结构和files结构在线程中都是共享的，我画两张图你就明⽩了：

所以说，我们的多线程程序要利⽤锁机制，避免多个线程同时往同⼀区域写⼊数据，否则可能造成数据错乱。 那么你可能问，既然进程和线程差不多，⽽且多进程数据不共享，即不存在数据错乱的问题，为什么多线程的使⽤⽐多进程普遍得多呢？

因为现实中数据共享的并发更普遍呀，⽐如⼗个⼈同时从⼀个账户取⼗元， 我们希望的是这个共享账户的余额正确减少⼀百元，⽽不是希望每⼈获得⼀个账户的拷⻉，每个拷⻉账户减少⼗元。 当然，必须要说明的是，只有Linux系统将线程看做共享数据的进程，不对其做特殊看待，其他的很多操作系统是对线程和进程区别对待的，线程有其特有的数据结构，我个⼈认为不如Linux的这种设计简洁，增加了系统的复杂度。

在Linux中新建线程和进程的效率都是很⾼的，对于新建进程时内存区域拷⻉的问题，Linux采⽤了copy-on-write的策略优化，也就是并不一开始就真正地去复制一份⽗进程的内存空间，⽽是等到需要写内存的操作时才去复制。所以Linux中新建进程和新建线程都是很迅速的。

声明：以上全文摘抄自《labuladong的算法小抄》