Linux 基础 IO：文件描述符、重定向与缓冲区原理

注意：write 是面向字节的，不区分文本或二进制，具体的格式化由上层库处理。

3. 文件描述符（File Descriptor）

open 返回的整数 fd 是什么？它是当前进程文件描述符表中的索引。

文件描述符表

每个进程都有一个文件描述符表，本质上是一个指向 file 结构体的指针数组。file 结构体包含了文件偏移量、状态标志以及对内核对象（inode）的引用。

• 默认情况下，0、1、2 分别对应 stdin、stdout、stderr。
• 新打开的文件通常从 3 开始分配。
• 关键原则: 如果低序号的 fd 被关闭，新打开的文件会复用该序号。

重定向原理

重定向的本质就是修改文件描述符表中特定下标对应的指针。

手动实现重定向

可以通过关闭原有 fd 再打开新文件来实现，但这比较繁琐。Linux 提供了 dup2 系统调用更高效地完成此任务。

int fd = open("output.log", O_WRONLY | O_CREAT, 0666);
dup2(fd, 1); // 将 stdout (1) 重定向到 output.log
close(fd);   // dup2 后原 fd 可关闭
printf("This goes to file\");

此时，原本打印到屏幕的内容会被写入 output.log。

4. 实战：给 Shell 添加重定向功能

基于上述原理，我们可以扩展一个简单的命令行解释器（myShell），支持 <、>、>> 重定向。

解析指令

首先需要分析用户输入的字符串，识别重定向符号及目标文件。

void RedirCheck(char* cmd) {
    int end = strlen(cmd) - 1;
    while(start < end) {
        if(cmd[end] == '<') {
            redir = INPUT_REDIR;
            filename = cmd + end + 1;
            break;
        } else if(cmd[end] == '>') {
            // 判断是覆盖还是追加
            redir = APPEND_REDIR;
            filename = cmd + end + 1;
            break;
        }
        end--;
    }
}

子进程执行

在 fork() 创建的子进程中，根据解析结果执行重定向，然后调用 execvp 替换进程映像。

if(pid == 0) {
    int fd = -1;
    if(redir == OUTPUT_DEDIR) {
        fd = open(filename.c_str(), O_CREAT | O_WRONLY | O_TRUNC, 0666);
        dup2(fd, 1);
    } else if(redir == APPEND_REDIR) {
        fd = open(filename.c_str(), O_CREAT | O_WRONLY | O_APPEND, 0666);
        dup2(fd, 1);
    }
    // 关闭不再需要的 fd
    if(fd > 2) close(fd);
    execvp(g_argv[0], g_argv);
}

注意: 重定向必须在 execvp 之前完成，因为 exec 会保留当前的文件描述符表状态。

5. 一切皆文件与 VFS

Linux 之所以能统一文件、设备、管道等资源，是因为虚拟文件系统（VFS）的存在。

• file 结构体: 包含一个 file_operations 结构体指针，其中定义了 read、write 等回调函数。
• 多态实现: 无论是普通文件还是字符设备（如 /dev/tty），对应用户来说都调用相同的接口，底层通过不同的回调函数实现具体硬件操作。

这种设计让开发者只需掌握一套 API 即可操作绝大多数系统资源。

6. 缓冲区机制

IO 性能的关键在于缓冲。Linux 中存在两层缓冲区：

1. 用户态缓冲区: 位于 libc 层（如 FILE 结构体中的 buffer）。
2. 内核态缓冲区: 位于操作系统内存中。

刷新策略

数据从用户态刷写到内核态通常满足以下条件之一：

• 缓冲区满（全缓冲）
• 遇到换行符（行缓冲，常用于终端）
• 显式调用 fflush 或 fsync
• 程序正常退出

经典案例：fork 与缓冲区

printf("Hello\n"); // 数据在用户态缓冲区
fork();             // 子进程复制父进程内存，包括缓冲区
write(1, "World", 5); // 直接写入内核缓冲区

如果在 fork 前未刷新缓冲区，子进程也会拥有这份缓存，导致重复输出。而 write 是直接写入内核，不会出现在子进程的拷贝中。这就是为什么有时需要手动 fflush(stdout)。

7. 简易 libc 设计

为了深入理解，我们可以尝试手写一个简易的 IO 库。

头文件定义

#define MAX 1024
typedef struct IO_FILE {
    int fileno;
    char outbuffer[MAX];
    int bufferlen;
} Myfile;

Myfile* MyFopen(const char* path, const char* mode);
size_t MyFwrite(Myfile*, void *str, int len);
void MyFFlush(Myfile*);

核心实现

size_t MyFwrite(Myfile* file, void *str, int len) {
    memcpy(file->outbuffer + file->bufferlen, str, len);
    file->bufferlen += len;
    // 行缓冲策略：遇到换行符自动刷新
    if(file->outbuffer[file->bufferlen - 1] == '\n') {
        MyFFlush(file);
    }
    return len;
}

void MyFFlush(Myfile* file) {
    if(file->bufferlen <= 0) return;
    write(file->fileno, file->outbuffer, file->bufferlen);
    file->bufferlen = 0;
}

通过对比标准库与自定义实现，可以更清晰地看到 write 系统调用与缓冲区管理的协作关系。

本文涵盖了 Linux IO 的核心概念，从文件描述符的管理到重定向的实现，再到缓冲区的底层行为。理解这些机制对于编写高性能、跨平台的系统软件至关重要。