深入理解Linux管道实现
曾经的一个误解
日常工作中，要将数据从一个库迁移到另一个，可以使用“mysqldump xxx | mysql xxx”这个命令，这个命令先从源导出数据，然后经管道通过mysql命令导入目标数据库，正是通过这个命令的一些担心，加深了我对管道的认识。当时的担心是这样的：该命令不停的从源数据库取数据，然后写到目标数据库，那么在写入的时候，会不会创建多个MySQL链接，导致性能问题呢？查看后发现目标MySQL只有一个数据库连接，这是怎么回事呢？
误解的澄清
先放上结论：其实bash在执行管道的时候，是同时创建左右两个进程，而且只会创建一次，并不是左边进程有输出再去创建右边进程处理。我们日常使用管道，多是左边进程很快结束的那种，对于左边进程是持续输出的情况（比如tail -f,tcpdump），以为是左边每输出一次内容就会去新建一个右边的进程来处理，其实管道右边的进程只会创建一次，他会持续的从管道读取数据并进行处理，所以能接在管道右边的程序，都是有一定要求的，它必须要能持续的从标准输入取数据处理。我的误解有点类似于cgi的工作方式，即每请求一次，就会创建一个进程，而管道的实际工作方式，更像是fastcgi的方式，处理进程只创建一次，在进程内部去不停的取数。
管道是怎么实现的？
bash脚本其实都是由/bin/bash这一用户进程执行的，所以管道的实现代码在bash中，它的实现原理如下：
#include
#include
#include
#include
#include
#include
int main(int argc, char** argv) {
int fd[2];
if (pipe(fd) != 0) {
exit(errno);
}
int pid = fork();
if (pid == -1) {
exit(errno);
} else if (pid == 0) {
close(0);
dup(fd[0]);
close(fd[1]);
close(fd[0]);
execlp("wc", "wc", "-c", NULL);
} else {
close(1);
dup(fd[1]);
close(fd[0]);
close(fd[1]);
execlp("cat", "cat" , "/etc/hostname" , NULL);
}
} 上面的命令模拟了“cat /etc/hostname | wc -c”的执行过程，也就是打印出/etc/hostname这个文件中的字符数。程序先fork了一个子进程，来执行管道操作右边的命令wc，然后在父进程中执行左边的命令cat（实现上应该也是启动一个子进程），由此可以看出，左右两边的命令是同时执行的。
在子进程中（pid==0分支），先close(0)来关闭标准输入（注意这里的标准输入其实是父进程的标准输入，也就是当前控制台，因为子进程会继承父进程的文件描述符，而且还共享偏移），随后利用dup(fd[0])来从管道的读端口复制一个文件描述符，而复制文件描述符也会产生一个新的文件描述符，而新描述符产生的规则是：当前没有使用的最小的文件描述符，所以正好是刚才关闭的0，随后使用execlp加载wc执行，这样一番操作，也就将管道的读端设置为了wc命令的标准输入，而wc命令内部是从标准输入读取的，也就会从管道读取了。
而在主进程中类似，先close再dup，将标准输出设置为管道的的写端，然后启动cat，这样cat的输出最终就到达了wc命令中。
为什么标准输入、输出、错误输出要硬编码为0、1、2？
unix的哲学是：一个程序只做一件事，但这些独立的程序，始终是要连接起来完成更复杂的操作的，所以必须得要有一个连接点，而且得要独立于编程语言，也就是不管用C、Java、Python写的程序，都要能支持连接，所以只能选择依赖于操作系统的一个标识，也就是文件描述符。我们开始学习编程的时候就知道：每个程序开始运行就默认有三个文件描述符0、1、2，分别代表标准输入、标准输出、错误输出。正是因为这样0、1、2是硬编码的，所以才能实现跨语言通用。
为什么新描述符要使用最小的未被使用的？
还有一个让人费解的设计是：新分配的描述符总是当前进程的最小的未被使用的描述符，其实这是为了能精确控制新生成的文件描述符的具体数值，看下面的命令：
if (fork() == 0) {
close(0);
open("input.txt", O_RDONLY);
exec("cat", argv);
}上面的代码将0号描述符关闭，然后马上打开一个文件，那么这个文件的描述符就是0，而0被约定为程序的标准输入，那么接下来创建的cat命令进程，当从标准输入取数据的时候，会从input.txt这个文件中取，这也就是shell中输入重定向的实现原理。
为什么现在编码较少使用文件描述符了？
现代的程序多是跨主机的通信，而不简单的是同一主机内部的通信了，进程间的连接点变成了ip和端口了，也就是通过网络协议，而不再通过父子进程间共享的文件描述符了。