Unix内核(Linux是类Unix操作系统)不区分文本文件和二进制文件,但仍存在二进制I/O( fwrite()和fread() ),其相较一次一个字符或一次一行的方式,可实现一次读或写一个完整的数据结构。
一、不带缓冲文件I/O
Unix环境高级编程3rd 第3章
术语不带缓冲指的是每次 read 和 write 都调用内核中的一个系统调用。
open(), read(), write(), …… 使用文件描述符
用 20 种不同的缓冲区长度 , 读 516 581 760 字节的文件所得到的结果:( Linux ext4 文件系统, 磁盘块长度为 4 096 字节)
可见buffsize达到磁盘块长度时,系统CPU时间均不再随着buffsize的增大而减小,用户CPU时间类似。
二、带缓冲文件I/O(标准I/O)
Unix环境高级编程3rd 第5章
两次拷贝:在用户程序中的行缓冲区与标准 I/O缓冲区之间,在内核与标准 I/O缓冲区之间。
全缓冲:在填满标准I/O缓冲区后才进行实际I/O操作。
行缓冲:遇到换行符 or 缓冲满。
不带缓冲:不对字符进行缓冲存储。
提示:任何时候,都可使用 fflush() 强制冲洗一个流。如果程序运行过程崩溃,或者程序正常退出前没有fflush(),缓冲里的内容就将被丢失。
fopen(), fclose(), **get**(), **put**(), fwrite(), fread(), ……, printf等格式化I/O。
用一个流与文件相关联
可见,系统 CPU 时间几乎相同,所以用户 CPU 时间的差别以及等待 I/O结束所消耗时间的差别造成了时钟时间的差别。也就是在用户 CPU 时间层级,除了单字节读写,标准I/O相较不带缓冲的read和write函数要慢。
标准I/O增速替代:fio(3) 和 sfio
三、实践——日志
写日志的首要前提是不能阻塞当前调用线程,因此肯定不能直接使用不带缓冲的文件I/O(以防读写磁盘时卡顿甚至卡死)。对此有两种方案:
[1] 单独开辟一个线程
常见工况是多线程环境,即 multi-producer、single-consumer。
该方案唯一难点就是各个producer并发写时,相互阻塞时长的尽可能缩短,且不覆盖或丢失未来得及写的日志信息。因此需要使用具有队列性质的多线程通信方式,常见的有:message queue, nanomsg(pipeline, fair queues messages), …… 但均并非是lock-free的queues,并且message queue是有message number限制的。而lock-free的queues:
1) boost::lockfree::queue
2) github有一个名叫ConcurrentQueue的开源项目,是lock-free的queues,并且message number可以动态分配。
https://github.com/cameron314/concurrentqueue
A Fast General Purpose Lock-Free Queue for C++
[2] 使用存储映射文件 mmap()
仅需在拷贝内存时加互斥锁,时间实测能够达到高效需求,与方案一差距甚微。
该方案唯一缺陷是,实际写长度最终需要用 ftruncate()保持一致,并且要用msync()将已修改页冲洗到被映射的文件中。如果程序运行过程崩溃,显然就不能保证使用 ftruncate()同步文件大小,将导致文件无法使用。
以上不深究具体的内容格式。比如是按文本字符串记录还是二进制,是否使用protobuf封装等,具体结合实际项目需求进行选择。
郑重提示:①本文不允许转载,若认可本文,可点赞收藏关注。
②若有疑问,可在评论区留言相互讨论。