文件的基本概念

文件的基本概念

    文件是具有永久性存储、按特定字节顺序组成的一个有序的，有名称的集合。在linux下，除了常规的文件外，目录、设备、管道也属于文件。

    根据数据的存储方式，可以将文件分为二进制文件和文本文件。如图1所示。

    文本文件：ASCII文件，每个字节存放一个ASCII码字符，文本文件存储量大、速度慢，便于对字符操作。此类文件以EOF（应用程序读取文件时，经常用到）结束。

    二进制文件：数据按其在内存中的存储形式存放，二进制文件存储量小、速度快、便于存放中间结果。

图1 文本文件和二进制文件存储方式

    根据用用程序对文件的访问方式，即是否存在缓冲区，对文件的访问可分为带缓冲区的文件操作和非缓冲区文件操作。

    缓冲文件操作：高级文件操作，将在用户空间中自动为正在使用的文件开辟内存缓冲区。如图2所示。

    非缓冲文件件操作：低级文件操作，如果需要，只能有用户在自己的程序中为每个文件设定缓冲区。如图3所示。

         图2 带缓冲区操作                 图3 非缓冲区操作

    采用非缓冲区的文件访问方式，每次在对该文件进行任何一次读写操作时，都需要使用读写文件系统调用（系统的读写函数）来处理该操作。因此用户需要访问磁盘空间中的某个文件，则每访问一次都需要执行一次系统调用。

    由图4可知，执行一次系统调用将涉及CPU状态的切换，即从用户态切换到内核态，即从用户空间切换到内核空间，实现上下文的切换。缺点：损耗CPU时间，频繁的磁盘访问降低程序执行效率。

图4 库函数调用和系统调用示意图

    ANSI标准的C库函数建立在底层系统调用之上，即C库函数文件访问函数（rend、write等函数）的实现中调用了低级文件I/O系统调用。采用缓冲机制，对文件进行读写操作时，可以一次性从文件中读取大量数据到缓冲区中，以后对这部分数据的访问就不需要在使用系统调用了，即整个读写操作只需要少量的CPU状态切换。输出时，可以将缓冲区内容一次性写入到磁盘文件。大大的增加了程序的运行效率，但会消耗一些内存空间（缓冲区）。

   流，通俗的可以认为，数据的输入与输出就像物质流动一样。在流的实现中，缓冲区是最重要的单元。

   缓冲区的处理方式：全缓冲，行行缓冲和无缓冲。

    全缓冲:全缓冲指的是系统在填满标准IO缓冲区之后才进行实际的IO操作；注意：对于驻留在磁盘上的文件来说通常是由标准IO库实施全缓冲。

    行缓冲:在这种情况下，标准IO在输入和输出中遇到换行符时执行IO操作；注意：当流涉及终端的时候，通常使用的是行缓冲。

    无缓冲:无缓冲指的是标准IO库不对字符进行缓冲存储；注意：标准出错流stderr通常是无缓冲的。

    为什么引入缓冲区？

    缓冲区又称缓存，是内存空间的一部分。它用在输入输出设备和CPU之间，用来缓存数据，使得低速的设备和高速的CPU能够协调工作避免低速的输入输出设备长时间占用CPU，减少系统调用，提高了CPU的工作效率。

标准流

    系统默认为每次进程打开了3个文件，即每个进程默认可以操作3个流。每个进程默认从标准输入流中读取数据，向标准输出流写正确的信息，向标准错误输出流写错误的信息。

表1 标准流

文件描述符

    表格中出现了“文件描述符”一词，何为文件描述符？

    对于内核（简单的说unix系统吧）而言，所有打开的文件（目录、设备和管道等等）都会有一个文件描述符，其他应用程序要对该文件进行操作时，就会通过文件描述符找到该文件，然后完成相关操作。比如：我们的身份证一样，XXX可以通过身份证号找到某人，然后进行YYY。文件描述符还带有唯一性，是一个非负整数。如果不唯一，那不乱套了。

    当打开一个文件或创建一个文件时，内核向进程返回一个文件描述符；使用open或creat函数返回文件的描述符标识该文件，当读或写一个文件时，将文件描述符作为参数传送给rend或write函数。