一、理解文件

拋一個概念：

文件 = 內容 + 屬性。

1. 那么，空文件有大小嗎？答案是有的。因為空文件指的是文件內容為空，文件屬性也要占據大小啊。

將來對文件操作，無非分為兩類：

1.對文件內容做修改。

2.對文件屬性做修改。

2. 在學習C語言時，我們訪問一個文件，都要先把對應的文件打開，為什么？

因為要訪問文件的內容和屬性，內容和屬性都是數據，所謂的訪問就是對文件進行增刪查改，都是由CPU執行你的代碼進行訪問，根據馮諾依曼體系結構，要對文件進行操作，你的文件必須在物理內存里，所以，我們把文件打開本質上是把文件加載到內存中。

3. 文件有很多啊，被打開的文件在物理內存上，如果一個文件沒有被打開呢？沒有被打開的文件就在磁盤上。

所以，將來學習文件就被分為兩種：被打開的文件和沒有被打開的文件（文件系統）。

4. 誰打開的文件？

CPU在調度這個進程時，執行到 fopen 的時候就打開文件。文件是在磁盤上的，磁盤是硬件，誰能去訪問磁盤呢？是操作系統。所以，是用戶通過bash，啟動進程，進程通過操作系統打開文件的。

那么，這時候就有人說了，我用的是C語言的庫函數啊，沒調用系統調用怎么訪問的操作系統。是因為庫函數底層對系統調用進行了封裝。

5. 一個進程可以打開多個文件嗎？答案是可以的。那如果有多個進程呢？

所以,OS內一定同時存在大量被打開的文件，OS要不要對這些文件進行管理呢？肯定是要的。怎么管理？先描述在組織。

所以，OS一定存在一種數據結構體，描述被打開的文件，如同PCB一樣。

6. 進程有 task_struct ，未來進程也有打開的文件，我們平時研究打開文件，是在研究什么？

本質是研究：進程與文件的關系。

二、回顧C文件接口

1. 回顧C接口

//pathname (路徑)+文件名
//mode 打開模式
//成功返回文件指針，失敗返回NULL
FILE* fopen(const char* pathname, const char* mode);//打開文件
//關閉文件，成功返回0，失敗返回EOF
int fclose(FILE* stream);

mode:
r：以讀的方式打開文件，定位在文件的開始
r+：以讀寫的方式打開文件，定位在文件的開始
w：以寫的方式打開文件，文件不存在就創建文件，或者清空文件，定位在文件開始
w+：以讀寫的方式打開文件，文件不存在就創建文件，反之清空文件，文件指針定位在文件開始
a：以追加（寫）的方式打開文件，文件不存在就創建文件，定位在文件末尾
a+：以讀寫的方式打開文件，文件不存在就創建文件，寫入時，在文件末尾，讀取時，文件開始。

. 以 w 模式打開文件

. 以 a 模式打開文件

剩下的就不再枚舉了，大家可以自己驗證一下。

2. 文件讀取是有讀取位置的，那么怎么理解這個呢？

所謂的文件我們可以把它看做成一個“一維數組”，文件的位置不就是數組下標嗎。

這時候就有人不理解了，文件是怎么被看做是一個一維數組的？

我們可以把文件里的內容看做是一個長字符串，只不過這個長字符串里面有許多換行符而已。這樣應該理解了吧。

接下來看下面的現象，又是怎么回事呢？

這是怎么回事呢？當我們向文件里寫入內容時，肯定要先打開文件，當識別到 > 符號時，就會以 w 的方式打開文件，所以就可以進行寫入或者清空文件了。

相同的道理，>> 符號就會以 a 的方式打開文件，在文件末尾進行追加數據。

補充：

向顯示器寫入12345，是寫入了一個int 12345 還是向顯示器寫入了 ‘1’，‘2’，‘3’，‘4’，‘5’？

通過鍵盤輸入12345，輸入了一個 ‘1’，‘2’，‘3’，‘4’，‘5’，還是輸入了 int 12345？

答案是輸入了一個個字符。所以顯示器和鍵盤也叫字符設備。

int x = 100 , printf(“%d”,x); ，int 占4個字節，%d表明是一個整數，所以 printf 在向顯示器打印的時候會將數據拆分成一個個字符，輸出到顯示器上，所以 printf 也叫格式化輸出。同理，scanf 函數從字符設備上一個個讀取字符，所以也叫做格式化輸入。

那么，顯示器和鍵盤是文件嗎？當然是文件。它和我們在軟件層上創建的文件獲取數據和輸出數據是類似的，它就是一個文本文件。

那么什么是二進制文件呢？

以二進制形式存儲數據的文件。

我們在C語言中學習的stdin，stdout，strerr是文件嗎？當然也是了。

它們都是FILE* 的文件指針。我們常說進程在啟動的時候會默認打開這三個文件流（其實是打開三個文件），這是為什么呢？

大部分進程是需要使用CPU資源進行計算的，而計算就需要數據，計算結果有時候也是需要輸出的，也有可能計算錯誤。所以為了方便起見，進程會默認打開對應的文件。

看下面的幾個函數。

這說明了什么呢？本質向顯示器打印，就是向stdout中寫入，就如同向文件寫入，因為stdout也是FILE*。

文件是在磁盤上的，而打開文件就需要將文件加載到內存里，只有操作系統才可以，訪問操作系統就必須經過系統調用。所以接下來，我們就來看看打開文件的系統調用。

3. 系統調用

//pathname 文件路徑+文件名
//flags 打開文件的方式
int open(const char* pathname, int flags);
//mode 文件的權限
int open(const char* pathname, int flags, mode_t mode);

open可以打開文件，如果文件不存在，是否會創建，取決于標志位(flags)。

flags（標志位）有很多，我們列舉幾個最常用的。

. O_APPEND 追加，文件不存在也會創建

. O_CREAT 創建文件

. O_RDONLY 只讀方式打開文件

. O_WRONLY 只寫方式打開文件

. O_RDWR 讀寫方式打開文件

. O_TRUNC 清空文件

可以看到，O_WRONLY是不會創建文件的。

O_CREAT會創建文件。

但是，創建的文件權限怎么是亂碼的呢？這是需要你自己手動設置的。

但是，文件的權限怎么是644呢？還記得umask嗎？就是因為它。每個系統的umask可能不一樣。

我們也可以調用系統調用來設置umask，并且不會影響系統的umask。按就近原則執行umask。

剩下的選項就不再做詳細介紹了。現在，就來聊聊 open 系統調用的返回值吧。

4. 理解文件描述符

可以看到，open 的返回值：文件描述符是一個個整數，它是什么呢？

一個進程是可以打開多個文件的，OS內一定有大量的文件被打開，這些文件也是要被管理的。

在OS內，如何描述被打開的文件呢？struct file，這個結構體內一定直接或間接的包含被打開文件的內容和屬性，以雙鏈表的形式進行管理。

自此以后，對文件進行管理就轉變為對鏈表的增刪查改。

而文件是由進程通過OS打開的，所以文件與進程之間也是有著密不可分的聯系。

一個進程可以打開多個文件，多個進程也可以打開多個文件，那么，被打開的文件是屬于哪個進程呢？

在進程PCB里有一個結構體指針struct file_struct* files，它指向一個struct file-struct（文件描述符表）的結構體，這個結構體內有一個成員struct file* fd_array[]，這是一個指針數組，指向struct file。打開文件時，OS分配 struct file 結構體，鏈入到struct file的鏈表中，將新申請的struct file結構體的地址填入到fd_array數組中，給用戶返回數組下標。

總結：文件描述符的本質就是數組下標。

也就是說，在OS角度，識別打開的文件，只認：int fd 文件描述符。

那么，數組下標 0，1，2去哪里了呢？我們說進程默認打開了三個文件流：stdin, stdout, stderr，這不剛好三個嗎？沒錯，0，1，2就是分別給它們三個文件流了。

那這時候有人就有疑問了，在學習C語言的時候，我們使用文件接口并沒有用到文件描述符 fd 呀，不是說OS只認 fd 嗎？C語言的文件接口返回類型是FILE*呀。

那么，FILE是什么呢？它其實就是C語言標準庫定義的一個結構體。

所以，推測，FILE 結構體里面，一定要封裝一個整數，這個整數就是 fd 。

現在看來，封裝，不僅僅是對于系統調用接口的封裝，連數據類型也做了封裝。

打開文件時，OS只給我們做了上述的工作嗎？當然不是了。它還要把磁盤上的文件加載到內存里。

文件 = 屬性 + 內容。OS會給文件屬性開辟一段空間，給文件內容開辟一段空間（文件緩沖區）。而struct file 結構體里會間接的找到它們。

我們在使用 write(3, "hello world") 系統調用的時候，是在干什么呢？

進程會找到文件描述符表，拿著3號文件描述符找到對應的文件，將數據拷貝到文件內核緩沖區里。

所以：write的本質根本就不是寫入到文件里，write的本質是拷貝函數，把數據從用戶空間拷貝到對應文件的內核緩沖區中。

那如果讀取文件呢？只能從文件緩沖區里面讀取。

修改文件呢？從內核緩沖區里拷貝數據到用戶緩沖區，進行修改，再拷貝到內核緩沖區，刷新到磁盤上。

所以，我們對任何文件內容進行增刪查改，都必須把文件的內容提前預加載到該文件的內核緩沖區中。

5. 文件描述符的分配規則

我們關閉了文件描述符 0 所指向的文件，所以OS給我們分配了 0，那么如果關閉2號文件呢？我們來驗證一下。

由此可見，文件描述符的分配規則是：給新打開的文件分配 fd ,從文件描述符表數組中尋找，最小的，沒有被使用的數組下標，作為該文件的 fd 。

那么，有沒有人疑惑呢？為什么跳過了 1 號描述符呢？

我們來試一下。

沒有打印，這是為什么呢？因為1號文件描述符指向的文件是 stdout ，我們把它關閉了，然后創建了 log.txt 文件，1號文件描述符就被分配給了 log.txt文件，所以就無法向顯示器打印了。那么，既然 1 號文件描述符分配給了 log.txt，數據是不是在 log.txt 里呢？

可以看到，是沒有的，那是怎么回事呢？我們對代碼做出些許改動，看看結果。

現在，我們換一種方式檢驗結果。

我們用了兩種方式，表達的都是同一個問題。這是為什么呢？

這與緩沖區有關。我們需要等到后面才能解釋。

一般，我們不采用這種關閉某個文件，打開另一個文件的做法。所以，接下來，我們需要先了解一個系統調用。

//用于復制文件描述符
//oldfd文件描述符復制到newfd文件描述符上
//如果newfd已經打開，dup2會先關閉它，然后再進行復制。
//成功，返回新的文件描述符newfd
//失敗，返回-1，并設置errno
int dup2(int oldfd, int newfd);

利用這個系統調用，我們可以寫一個輸出重定向的代碼。

有眼尖的伙伴就發現了，它打印的順序怎么和我們代碼所寫的順序不一樣呢？這也是因為緩沖區的緣故。

6. 如果我們創建子進程，子進程是如何看待父進程打開的文件的？

父進程創建子進程，OS會給子進程分配PCB，虛擬地址空間，頁表...，當然了，也包括今天的文件描述符表（struct file_struct）。

PCB，，虛擬地址空間，頁表是以父進程為模板的，文件描述符表當然也沒有例外，也就是說，父進程打開的文件，子進程也會打開，那么，OS會重新再加載一份文件嗎？當然不會了。我們是創建了一個新的進程，又不是打開了新的文件。

那么，子進程以父進程為模板，文件描述符表中的struct file* fd_array[]就是淺拷貝，也就意味著子進程和父進程指向的是同一個文件。

不知道大家看到這里有沒有問題呢？

既然子進程和父進程指向的是同一個文件，那如果子進程關閉了某些文件，是不是父進程也無法使用呢？

當然不會了。進程是具有獨立性的。父子進程指向同一個文件，為了保證進程的獨立性，OS采用了引用計數的方法，子進程關閉了某個文件，OS就對計數做 - - 操作。直到計數為0，就會關閉該文件。

我們常說進程默認會打開 stdin, stdout, stderr 這三個文件流，我們在命令行上啟動的進程，我們是沒有打開這幾個文件流的。因此，進程都是通過父進程繼承來的。

我們可以驗證一下。

7. 如果程序替換，不會創建新進程，會影響我們歷史打開的文件嗎？

答案是不會。

程序替換，加載的是新的代碼和數據，跟文件有什么關系。所以，程序替換不會影響文件。

今天的文章分享到此結束，覺得不錯的給個一鍵三連吧。