目录
前言
哈喽，小伙伴们大家好。相信大家在学习语言时都接触过文件操作，但仅仅站在语言层面上是无法真正理解文件的，那么今天我就带大家从系统角度重新学习文件。
一、引入
1、几个基本概念
如果小伙伴们学习过c语言文件的I/O操作， 应该对fopen， fclose， fread， fwrite等函数有一定了解，它们都是C标准库当中的函数。但单单从语言的角度很难真正理解这些操作，今天我想从系统的角度带大家重新认识一下I/O。
首先我们应该清楚几个概念：
- 文件的操作如果没有指名路径，默认都是在当前路径。当前路径并不是指的可执行程序所在的路径，而是进程运行时所处的路径。
- 打开文件，一定是在进程运行中打开的。读写，关闭，都是进程完成的。
- 在linux下，一切接文件，键盘显示屏同样是文件。
2、系统调用和库函数
上面提到的fopen， fclose， fread， fwrite的函数都是c标准库中的函数，我们称之为库函数。而库函数是对系统调用接口的封装。我们来回顾一下这张图。
在下面的内容中，我将对系统调用接口进行一定讲解，当然，不同的操作系统的系统调用接口是不同的，我主要以linux系统下的为例。这也体现了库函数对系统调用接口封装的必要性，用户在不同的操作系统下可以使用同一套库函数进行操作，实现了平台间的可移植性。
二、系统文件I/O
1、接口介绍
open，write，read，close，lseek等接口是系统提供的，下面重点介绍一下open接口，其它的对照man手册，类比C文件相关接口即可。
open函数：
int open(const char *pathname, int flags);
int open(const char *pathname, int flags, mode_t mode);参数：
pathname：要打开或创建的目标文件
flags：打开文件时，可以传入多个参数多个参数选项，多个参数进行或运算，构成flags。
（1）O_RDONLY: 只读打开
（2）O_WRONLY: 只写打开
（3）O_RDWR : 读，写打开
这三个常量，必须指定一个且只能指定一个
（4）O_CREAT : 若文件不存在，则创建它。
（5）O_APPEND: 追加写
上面的这些都是定义出来的宏，每个宏都是一个某一位为1其余位为0的整数，整数的每一位都代表一种操作选项。对不同的参数选项进行或运算就能形成对应操作位为1的flags，这时候只需要检测哪几位为1然后执行对应的操作即可。假设O_WRONLY对应的是0x01，O_CREAT对应的数是0x02，或到一起后形成flags为0x03，后两位为1，则执行写操作和创建操作。这样非常巧妙的用一个参数就表示了所有选项。
mode：如果文件是被新创建出来的，需要用mode来指明新文件的访问权限。如果文件原来参在，则使用两个参数的open函数即可。
返回值：
成功：新打开的文件描述符，用来代表文件
失败：-1
int main()
{
umask(0); //先把umask设为0，否则会影响权限的设置
int fd = open("log.txt", O_WRONLY|O_CREAT, 0666);
if(fd < 0)
{
return 1;
}
close(fd);
return 0;
}2、文件描述符
通过对open函数的学习，我们知道了文件描述符实际上就是一个整数。
看下面这个代码：
int main()
{
int fd1 = open("log.txt", O_WRONLY|O_CREAT, 0666);
printf("fd1: %d\n", fd1);
int fd2 = open("log.txt", O_WRONLY|O_CREAT, 0666);
printf("fd2: %d\n", fd2);
int fd3 = open("log.txt", O_WRONLY|O_CREAT, 0666);
printf("fd3: %d\n", fd3);
int fd4 = open("log.txt", O_WRONLY|O_CREAT, 0666);
printf("fd4: %d\n", fd4);
int fd5 = open("log.txt", O_WRONLY|O_CREAT, 0666);
printf("fd5: %d\n", fd5);
return 0;
}运行结果如下：
可以发现文件描述符是默认从3开始的，那么之前的数呢？
在c语言中我们学过，有三个输入输出流是默认打开的，分别是标准输入，标准输出，标准错误。而这是c语言的概念，从底层系统角度来看，它们三个分别对应这0，1，2三个文件描述符，已经被打开了。
文件描述符分配规则：在files_struct数组当中，找到当前没有被使用的最小的一个下标，作为新的文件描述符。如果把1关闭，再打开新文件，那么新文件的文件描述符就是1。
三、内存中的文件管理
1、系统层面
一个进程是可以打开多个文件的，在实际情况中往往是很多进程一起运行，每个进程都会打开多个文件。也就是说在系统中任意时刻都可能存在大量被打开的文件，这个时候就要对打开的文件进行管理。说到管理，大家就应该立刻想到管理的流程“先描述，再组织”。
文件分为内存文件和磁盘文件。文件一开始是是存在磁盘中的，磁盘文件分为两部分，分别是内容和属性 。当打开文件时，文件加载到内存中就形成了内存文件，一开始往往加载的是文件的属性，再延后式的慢慢加载内容。操作系统会根据文件的属性进行描述，生成结构体，每个文件都对应一个结构体。
我们知道每个进程都有一个task_struct，其中task_struct中保存着一个指针，指向名为files_struct的结构体，这个结构体中有一个文件结构体指针数组，用来保存不同文件形成的结构体的地址。我们上面提到过，每个文件都会对应一个文件描述符，这个文件描述符其实是数组下标。操作系统会根据文件结构体地址在数组中的位置，分配对应的下标作为文件描述符。
2、语言层面
刚刚我们学习了系统层面文件管理主要是通过文件描述符fd代表相应的文件，而在c语言定位文件主要靠FILE*指针。我们知道c语言是对系统接口的封装，一定会与系统接口产生关联。c语言中中定义了一个结构体FILE用来保存文件相关信息，文件操作的函数都会返回一个FILE*类型的指针，这个指针指向结构体FILE，而在FILE结构体中就封装了文件描述符fd，所以c语言文件操作的本质还是通过文件描述符fd。
fopen函数做了什么？
（1）给调用的用户申请struct FILE结构体变量，并返回地址（FILE*）。
（2）在底层通过open函数打开文件，并返回fd，再把fd填充到FILE结构体变量中。
四、重定向
1、重定向原理
在关闭标准输入1后再打开新文件myfile，运行该程序，发现本应该打印到显示屏上的内容打印到了文件myfile中。这种现象叫做输出重定向。
原因是标准输出关闭后，makefile分配到的文件描述符为1。printf函数只会根据文件描述符为1来找相应的文件，所以实现了输出重定向。
2、重定向与缓冲区
我们先来看一个奇怪的现象，我们调用了两个语言函数，一个系统接口。运行的时候发现在显示器上打印会打印三行信息，但如果重定向到文件中就会打印五行信息，似乎c语言的代码部分被执行了两次。但这很奇怪不是吗？按理来说子进程是不会执行前面的代码的，那究竟为什么c语言的部分打印了两次呢？
运行结果如下：
我们需要先明确一个概念：重定向会改变进程的缓冲方式。
缓冲方式分为无缓冲，行缓冲，全缓冲。全缓冲可以提高数据写入的效率，就好比你买了五十个快递，如果快递员一个一个送需要送五十次，而如果等快递全到了再一起送过来只需要送一次。默认对文件写入是全缓冲，对显示器写入是行缓冲。
下面来分析上面代码的运行过程：在对文件写入时，由于是全缓冲，数据都存在缓冲区中没有刷新，此刻数据是属于父进程的，在fork之后，缓冲区的数据归父子进程共用，进程即将结束前父子进程会分别刷新缓冲区，而进程间具有独立性，某一个进程是不能影响另一个进程的数据的，无论父子进程谁先刷新，都会发生写时拷贝，所以c语言部分被打印了两次。
那么为什么系统部分只打印了一次呢？很简单，我们通常所说的缓冲区是用户缓冲区，是由c语言提供的，由struct FILE去维护，所以系统调用不会受到影响。由于计算机的层状结构，语言是无法直接与硬件进行交互的，所以用户缓冲区刷新要经过操作系统。操作系统中也有缓冲区的概念，但这不是我们要关心的，由操作系统自己进行维护即可。
3、dup2 系统调用
上面我们讲重定向原理的时候是手动对标准输入进行开关，但在实际中一般是很少这样的，系统提供了特定的接口供我们来完成重定向。
函数原型如下：
#include <unistd.h>
int dup2(int oldfd, int newfd);
从函数描述中可以看出，dup2使用的方法不是把默认打开的文件关闭，而是直接进行拷贝，oldfd 处的内容直接替换到拷贝到newfd中，oldfd处的内容会有两份。
通过dup2完成重定向，代码如下：
运行结果如下：
五、文件系统
1、磁盘文件与磁盘
1.1 磁盘文件
文件分为内存文件和磁盘文件。上面我们讲解了内存文件的管理方法，下面我们来看一下磁盘文件。磁盘文件包括两部分，分别是文件属性和文件内容，这两部分都是直接在磁盘中存储的。linux把文件属性和内容分离存储。文件属性保存在inode中，inode是某一个文件的属性集合，linux中几乎每个文件都有一个inode，为了区分inode，我们使用inode编号。而文件内容存在磁盘的block中。（究竟什么是inode和block下面会提到）
下面显示出来的为文件属性：
下面显示出来的为文件内容：
1.2 磁盘
磁盘是计算机中几乎唯一的一个机械设备，效率比较低，目前所有的普通文件都是在磁盘中存储的。磁盘是永久性介质，与之相比的是内存为掉电易失介质。
磁盘的具体结构这里不做解释，我们只需要知道磁盘以扇区为单位存储数据，并且每个磁道是一个圈，所以磁盘上的数据是一圈一圈存储的。磁盘这种介质称为圆形存储介质，而圆形存储介质可以看作线性存储介质（可以理解成把每一圈数据都打开连成一条直线）。
2、磁盘中的文件管理
2.1文件系统介绍
操作系统中负责管理和存储文件信息的部分称为文件系统。
磁盘为了方便管理，被分成了几个区，在windows系统中就相当于分成了C、D、E盘。磁盘的格式化操作实际就是在给磁盘输入管理信息，管理信息是什么是由文件系统决定的，不同操作系统下是不同的。而一个区还是太大了，为了进一步管理又被分成了几个组。
Linux ext2文件系统，上图为磁盘文件系统图。在一个区中，Boot Block为启动块，包含计算机的一些启动信息。剩下部分ext2文件系统会根据分区的大小划分为数个Block Group。而每个Block Group都有着相同的结构组成。下面对一个Block group的构成进行分析：
- 超级块（super block）和GDT：主要存放文件系统本身的结构信息和块组属性信息，例如inode被使用了多少，data blocks被使用了多少。这里不做详细解释，我们重点了解后四个部分。
- 数据区（data blocks）：文件的内容主要放在这里，磁盘是块设备，数据会被分割开来记录到一个个block中。
- 信息区（inode tabile）：文件的属性主要存放在这里，每个文件都对应着一个inode。可以把inode理解成一个结构体，里面保存了inode号，用来区分inode。同时里面还保存了一个数组，和数据区的数据块形成映射，通过一个文件的inode，就可以通过映射关系找到它的数据。
数据区和信息区存放着很多inode和block，我们需要知道哪些被文件占用，哪些处在空闲，便于后续分配。
- 块位图（block bitmap）：里面保存着一个二进制序列，根据0和1的分布描述data blocks中哪个数据块被占用，哪个数据块没有被占用。0代表空闲，1代表占用。
- inode位图（inode bitmap）：和快位图一样，里面保存着一个二进制序列，用来描述inode table中的inode的空闲情况。
2.2目录的管理存储
通过上面的介绍，相信大家已经对普通文件的管理和存储有了一定认识，那么目录呢？
目录同样是文件，分为属性和内容两部分。和文件不同的是，目录的内容中保存的是当前目录下的文件名以及每个文件对应的inode号。由此得出一个结论，文件的名称并不属于文件属性，没有保存在inode中，而是保存在所处目录的内容中（包括目录本身）。
建立一个新文件的过程：
- 根据inode位图找到一个空闲的inode，把文件属性存到inode中并把位图相应的位置置成1。
- 根据块位图找到空闲的block，把文件内容存到block中，并把块位图相应位置置成1。
- 建议inode与block的对应关系。
- 把文件名和它的inode号添加到当前目录的数据块中。
ls -l命令运行的过程：
根据当前目录的路径找到当前目录的inode，再根据对应关系找到目录的数据块。目录数据块中保存了当前目录下的文件名和inode号，把文件名打印出来，在根据inode号找到相应文件的inode，把里面保存的文件属性打印出来。
3、软硬链接
3.1硬链接
听过上面的学习，我们知道了系统找文件并不是通过文件名，而是通过inode。可以令多个文件对应一个inode。
通过ln命令使abc与def建立链接，两个文件inode号相同，称为硬链接。可以把def理解成abc的一个别名。通过ls命令查看文件信息，在权限后面的数字代表文件的硬链接数，可以看到abc和def的链接数为2。
我们新建一个目录test，并在test中再建两个新目录，这时候查看test信息，我们发现test的链接数居然是4。这是因为test和test目录中的 . 形成了硬链接，并与test1和test2中的 .. 形成了硬链接，这就是为什么我们可以通过.和..访问当前目录和上级目录。由此我们可以得出一个结论，一个目录下的目录数等于该目录的链接数减2，注意普通文件是不存在..的。
我们在删除文件时干了两件事情：1.在目录中将对应的文件名记录删除，2.将硬连接数-1，如果为0，则将对应的磁盘释放。
3.2软链接
用ln -s命令建立软连接，可以发现abc与abc1的inode号是不同的。
将ls.lnk与ls命令建立软连接，发现可以通过ls.lnk直接调用ls命令。我们可以把软链接理解成创建了一个快捷方式，可以通过软链接找到相应路径下的文件。
4、acm时间
最后拓展一些格外内容。使用stat可以查看文件的一些格外信息。
这里记录了文件的三个时间：
- access：文件最后访问时间
- modify：文件内容最后修改时间
- change：文件属性最后修改时间
总结
以上就是本文要讲的全部内容。本文主要从系统角度分析了一些文件的操作以及原理，希望能给小伙伴们带来帮助，感谢大家的阅读。山高路远，来日方长，我们下次见。