你真的理解IO流吗

IO常用在外设读写，比如磁盘文件、网络等等，是程序与设备数据交换的唯一方式。文章以文件IO为例，简要介绍IO原理，如何选择合适的IO操作。

IO流是什么

IO流是指面向字节流的IO，个人理解其实就是指带有缓冲的IO，也称标准IO，不带缓冲的IO称为系统IO。当使用不带缓冲的IO操作时，通常需要用户定义byte[]用于直接读写数据到设备中，每次读写的大小由用户定义；而使用带缓冲的IO操作或方法时，程序定义的byte[]则会先读写到IO库方法中实现的缓冲区，然后再读写到文件或磁盘中，其中经历了程序byte[] -> 标准库byte[] -> 内核cache(文件)，看似多了一层数据（从标准缓冲区到程序缓冲）复制，但在实际使用过程中，标准IO有着独到的优势，基本大多数语言IO操作的实现都是通过调用标准IO或带有缓冲的IO库。

为什么要使用缓冲

无论是用户程序自定义byte[]系统调用读写，还是用户程序直接调用标准IO函数，所有的IO操作最终都需要通过OS内核完成。标准IO库函数中的操作也是通过系统调用把IO操作从用户空间传给内核，然后内核做相应IO操作。
那为什么需要使用byte[]字节缓冲呢？我们知道OS系统调用时需要陷入到内核态去完成，完成后再返回再继续执行用户态程序，这个操作过程的开销其实是非常昂贵的。用户程序中调用系统函数不像在用户态中那种入栈出栈调用(在同一块堆栈中完成)，而是在内核中建立堆栈，这个堆栈与用户态并不是一个堆栈，不能通过传递内存地址相互访问，往往是通过数据复制或地址空间映射来完成访问，另外由于内核态的特权级和安全性，还需要涉及到传参的检验等等，所以在开发过程中尽量减小系统调用，减少开销。

那么使用缓冲的优点就是在系统调用时尽可能一次传递更多的数据，减小系统调用的次数。当然缓冲区的大小也不是越大越好，使用过程中也要考虑到硬件层面比如内存大小等，如果由用户程序自定义缓冲区，则需要综合平衡硬件、效率等各方面因素。而如果采用标准IO库函数，则减小了这方面的开发工作量，调用也方便，移植性较强，也不用关心各平台差异性。

下图可以用来说明标准IO与系统IO间的关系，其中stdio表示C标准IO库，图片来源于《Linux系统编程手册》。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-jKViWXuC-1596017903355)(…/image/cs/io_cache_01.jpg)]

IO性能对比

这里通过一段代码来比较两种IO在读操作上面的性能，有兴趣的同学也可以尝试比较写操作的性能，只是可能相对麻烦点，但在整个性能比较结果与以下demo不会有太多差异。

通过4个函数test_read_standard_io、test_read_standard_io、test_read_standard_io_8k、test_read_standard_io_line比较系统IO与标准IO、标准IO缓存大小选择、标准IO读取行函数使用等来比较两种IO的性能。代码清单如下：

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

// 读操作用的数组大小
#define READ_SIZE 4096

char C_BUF[8 * 1024];

// 系统IO读，用4096数组接收读数据
double test_read_system_io(char *filename);
// 标准IO读，用4096数组接收读数据
double test_read_standard_io(char *filename);
// 标准IO读，设置标准IO的缓冲大小为8K，用4096数组接收读数据
double test_read_standard_io_8k(char *filename);
// 标准IO读，按行读数据，标准IO缓冲大小为8K，用4096数组接收读数据
double test_read_standard_io_line(char *filename);

int main(int argc, char *argv[])