缓冲区的深刻理解

代码&&现象

先来看一份代码

#include <stdio.h>
#include <string.h>
#include <unistd.h>
int main()
{
    //C Library
    printf("hello printf\n");
    fprintf(stdout, "hello fprintf\n");
    const char *s1 = "hello fwrite\n";
    fwrite(s1, strlen(s1), 1, stdout);

    //system call
    const char *s2 = "hello write\n";
    write(1, s2, strlen(s2));
    return 0;
}

#include <stdio.h>
#include <string.h>
#include <unistd.h>
int main()
{
    //C Library
    printf("hello printf\n");
    fprintf(stdout, "hello fprintf\n");
    const char *s1 = "hello fwrite\n";
    fwrite(s1, strlen(s1), 1, stdout);

    //system call
    const char *s2 = "hello write\n";
    write(1, s2, strlen(s2));
    
    fork();
    return 0;
}

第二份代码多了一个fork，导致重定向的时候，tag.txt里C库函数的输出进行了两次。

为什么要存在缓冲区？

我们无论往显示器里读写、文件里读写、网卡里读写等等，都是在访问外设，而一旦访问外设速度就很慢。假设不存在缓冲区的话当前进程在进行IO时只能够当前进程去等待，就会导致当前进程的效率降低；而此时如果当前进程不自己等待，而是将需要IO的数据拷贝到缓冲区里，由缓冲区决定IO的时间、次数等，这样就会提高当前进程的效率。

缓冲区的刷新策略

缓冲区的刷新策略分为：

• 立即刷新——无缓冲
• 行刷新——行缓冲
• 缓冲区满刷新——全缓冲

但有两个特例：

• 用户强制刷新——调用fflush函数
• 进程退出的时候自动刷新

立即刷新策略一般很少用，毕竟这样就跟没有缓冲区一样，想立即刷新的时候我们可以调用fflush函数。

行刷新是对于显示器（人）来说的，因为人的阅读习惯是一行一行读，所以会专门设定一个行刷新策略。

缓冲区满刷新是效率最高的，因为这样IO的次数最少，也是除了显示器外最常用的策略。

C缓冲区&&OS缓冲区

上面说的缓冲区是以C库函数为背景来说的，但其实OS也有一层缓冲区，我们在调用printf等函数时，会将内容拷贝到C库函数的缓冲区里，然后等该缓冲区里的内容刷新的时候其实是拷贝到了OS的缓冲区里，最终由OS的缓冲区决定IO。

C库函数的缓冲区在FILE结构体里，没错，就是我们用fopen打开文件时返回回来的FILE指针对应的结构体里，该结构体还封装了文件描述符fd等等很多东西。

OS的缓冲区我们无法观察到，因为这个极其复杂，OS需要根据整个机器的内存空间等因素综合考虑再决定IO。

原理

这里其实是有一个缓冲区的存在，而根据上面的现象，其实可以锁定缓冲区一定在C库函数的包装中，而不在系统调用函数中，因为C库函数都是调用系统调用函数的。

在未进行重定向时，C库函数和OS函数都往显示器里打印，而显示器采用的是行刷新策略，而我们的代码也添加了\n，所以当每次执行输出代码的时候总会立即刷新到显示器里，最终fork的时候C库缓冲区已经是空的了，而OS函数根本没有往C库缓冲区里拷贝，而是拷贝到了OS缓冲区里。

当进行重定向的时候，是往文件里写入，采用的刷新策略为缓冲区满刷新，所以即使我们的代码里有\n，也不会立即写入到文件里，所以fork的时候，C库缓冲区里是有我们的内容的，子进程会拷贝父进程的PCB，父子进程指向同一份数据代码，当有任意一个进程退出时，这时该进程就会刷新缓冲区，而这时就会发生写时拷贝，刷新的内容会拷贝一份再进行刷新，所以最终会刷新两次，但是OS函数没有往C库缓冲区里拷贝，所以也就不参与上面的过程，所以只刷新一次。