Linux重定向原理，由重定向原理贯穿讲解 进程、文件描述符及缓冲区
个人主页：Lei宝啊
愿所有美好如期而遇
目录
一、输出重定向
二、输入重定向
三、追加重定向
背景知识
1.进程
2.文件描述符
2.1、struct file
2.2、FILE*与系统调用
理解原理，实现重定向
原理及实现
缓冲区
什么是缓冲区
为什么要有缓冲区
缓冲区刷新策略
关于缓冲区的认识
缓冲区在哪里
回答遗留问题
一、输出重定向
我们使用echo来进行演示，echo后面加上内容会将内容输出到显示器上，我们再加上 ">" 符号指定方向，代表重定向，将内容输出到符号后的文件里，也就是说将内容输出重定向。
二、输入重定向
"<" 代表输入重定向，我们平时都是从键盘上读取数据，输入重定向就是说我们输入数据时可以不从键盘上读取，而是从文件里读取。
显得有点挫，没关系，我们使用代码模拟的时候就能真正理解输入重定向是怎么用的。
三、追加重定向
">>"表示追加重定向，echo "内容" > 向文件中写入时，每一次都会先清空文件，然后再写入数据，所以我们的追加重定向就是为了解决这个问题。
背景知识
上面我们粗略的了解了三个重定向是如何使用的，接下来我们就要理解他们是怎么做到的，原理是什么，但是我们要真正理解他们，不可避免的要先理解一些背景知识。
1.进程
首先，我们要理解进程，进程 = 内核数据结构 + 程序的数据和代码，在可执行程序运行起来时，先在内存中创建task_struct内核数据结构，将可执行程序的数据和代码加载进内存变成进程，同时我们也知道，task_struct结构体里有很多类型的变量，他们可以是指针，也可以是结构体类型，也可以是int等等。
看图深刻理解：
2.文件描述符
第二个就是文件描述符--fd，什么是文件描述符？本质上fd就是数组的下标，为什么这么说？
2.1、struct file
我们上面说到进程的内核数据结构，task_struct里有一个struct files_struct *file这样的结构体指针，他指向一个结构体，指向的这个结构体里有一个struct file* fd_array[]数组，这个数组的每个元素都是struct file*类型的指针，指向struct file类型的结构体，而这个结构体里包含着我们从磁盘打开的文件的几乎所有内容，不仅仅是属性，我们称之为内存文件，通过这个结构体，我们可以实现对磁盘文件的一系列操作。
看图深刻理解：
2.2、FILE*与系统调用
同时你真的了解FILE*吗？你真的了解C语言标准库支持的文件类函数吗？你真的了解Linux下文件类函数封装的系统调用吗？
- 我们使用Linux下的系统调用，例如fopen封装了open，open返回值是fd，这能说明什么呢？
- fwrite，fprintf等函数传的参数包含FILE*类型，而他们封装的系统调用write的参数是int fd，系统调用只认识fd，不认识什么FILE*。
既然你说系统调用不认识FILE*，那我们库函数传的参数FILE*你怎么解释？为什么库函数底层封装的系统调用却可以使用呢？？
很简单，FILE结构体里封装了fd！给系统调用传参时传递FILE*->fd，也就是说，我们使用fopen函数，他底层的open函数打开一个文件，在内存中创建了struct file，将这个结构体的地址填入fd_array[]，然后将填入位置的下标返回，也就是返回了fd，于是FILE*里封装的fd得到了返回的fd的值，FILE* pf = fopen(参数)，pf指向的FILE结构体里就有了fd，fwrite参数传入FILE*，他封装的write得到参数pf->fileno(就是我们说的fd),这个系统调用由操作系统执行，操作系统会找到调用这个系统调用的进程，找到该进程，找到*file，由fd_array[fd]找到struct file，由struct file里的函数指针，找到对应硬件的驱动方法，对硬件进行读写！
所以我们最终得到结论：fd本质就是数组下标！
我们看个图来更深刻的理解一下：
理解原理，实现重定向
原理及实现
我们上面解释了背景知识，现在可以提及重定向的原理了
现在，我们使用系统调用open让一个进程同时创建打开多个文件，同时输出这些文件的fd，我们来观察现象并可以得到一个结论。
O_WRONLY，O_CREAT，O_TRUNC，O_APPEND都是宏，是open系统调用要传的参数，有兴趣可以深入理解，我们这里只简单介绍
- O_WRONLY--只读
- O_CREAT--若文件不存在则创建
- O_TRUNC--打开一个文件时先清空文件内容
- O_APPEND--追加
好像有点不对劲，0,1,2呢？为什么fd会从3开始呢？
这就要提到我们的stdin(标准输入)，stdout(标准输出)，stderr(标准错误)，三者都是FILE*类型，也许你已经猜到了，是的，他们指向的FILE里的fd的值分别为0,1,2，而且这三个文件在进程运行时会被默认打开，占据了0,1,2，所以新打开的文件的fd也就是3，那么我们现在又有一个问题，fd的分配是按照先后顺序是吗？假如前面的文件关闭了，后面新打开文件，他的fd是从最后打开文件的fd的下一个开始，还是说fd的值是前面关闭的文件的fd？
这下我们就很疑惑，为什么什么也不输出，而且文件里什么也没有？这里涉及到缓冲区，我们先谈完原理，然后谈缓冲区，最后返回来解决这里的问题，我们先解决，不说原因。
我们可以知道，fd的分配规则就是分配到最小的未被占据的位置。
那么还有一个问题啊，printf不是应该输出到显示器上吗，怎么输出到文件中了？为了使现象更明显，我们使用fprintf函数再来看现象。
是谁的问题呢？stdout里封装的fd的值好像是1啊，但是我们也看到新打开的文件的fd的值也是1啊，stdout作为标准输出，应该将内容输出到显示器上，怎么输出到文件里了呢？
close的参数是fd，他的作用是清空fd_array[]数组fd位置的内容，也就是说，本来指向显示器内存文件struct file的指针被清空成NULL了，然后新文件打开，新文件struct file的地址填到了fd为1的位置，但是stdout里的fd还是1，我们再去使用封装了stdout的函数printf等去输出时，根据fd位置的指针找到的也就不是显式器内存文件了，而是磁盘内存文件，根据磁盘内存文件struct file里的函数指针去找的驱动方法自然也就是磁盘的读写方法，当然也就输出不到显示器上了，而是输出到了我们新打开的文件里。
这莫非就是传说中的输出重定向原理？那输入重定向，追加重定向也是这样喽？！
是的，我们无非就是先关闭fd为0的内存文件，然后打开一个新文件，使用fread，或者fsancf等传stdin参数从新文件里读取数据，这就是输入重定向原理
追加重定向也就是关闭fd为1的内存文件，然后打开一个新文件，再使用fwrite进行写入，当然，传参要传stdout了，我们来实现一下追加重定向，当然，同shell的用法不一样，但是，我们这里主要目的是更好地理解重定向原理。
说到这里其实我们就理解了重定向的原理，并且我们也模拟实现了 ，但是这种做法可能有一点挫，我们能不能不关闭文件实现重定向呢？
可以，使用系统调用dup2，我们看简介
那么dup2怎么用呢？(叫你好好学英语你不学，现在好了，介绍都看不懂)
这段英文的意思是newfd将作为oldfd的拷贝，如果必要的话，先关闭newfd。
哦，所以最终newfd和oldfd是一样的喽，并且newfd位置的内容不需要我们操心，操作系统会在必要时做处理，那什么是newfd，什么是oldfd？
我们想想刚才重定向时，我们清空了1号位置的内容，换上了我们新文件struct file的地址，最终1号位置的内容和新文件的地址相同了，也就是说，他是oldfd喽？是的，我们来使用看现象。
这样就显得优雅多了~
即使到这里，我们先前仍然有一个问题没有解决，就是为什么要加fflush(stdout)，还有涉及到缓冲区，我们再来往下理解。
缓冲区
什么是缓冲区
缓冲区就是一段内存空间，由用户(char buffer[])，语言，或者操作系统提供。
为什么要有缓冲区
由冯诺依曼体系我们知道，一个文件要被读取，首先要从磁盘加载进内存，然后被CPU计算解读后返回到内存，再由内存输出到输出设备上，但是内存和磁盘交互的效率并不高，相比于内存和内存交互速度差了近千倍，如果说CPU计算解读后返回的数据内存立刻就输出到外设中，那么IO次数必然会增多，效率必然会下降。
所以我们在内存中加了缓冲区，这样CPU返回的数据写到内存的缓冲区中，缓冲区内的数据并不会立即输出到输出设备中，而是根据输出设备对应的缓冲区刷新策略将数据刷新到输出设备中，这样，就大大减少了IO次数，也就提高了整机效率。
但是我们主要的目的还是提高用户的响应速度，如果没有缓冲区，那么用户想要向一个文件写入数据，首先文件从磁盘加载进内存，CPU计算解读后返回给内存，解读一点，内存就给输出设备刷新一点，这样做的效率是很低的，而且直到文件被完全解读完，被全部给输出设备刷新后才会返回给用户，用户才知道，哦，我的操作成功了。
但是有了缓冲区，CPU返回的数据全部写进缓冲区后是否成功的结果直接就返回给用户，由于省去了和外设交互的过程，响应速度会快很多，这种方式叫做写回模式(WB)，而没有缓冲区那种方式叫做(WT)写透模式，这种方式的时间成本比较高，很慢。
缓冲区刷新策略
一般而言
- 立即刷新
- 行刷新(行缓冲)，即刚开始遇到换行符\n时将\n前的内容全部刷新，下次会将两个换行符间的内容刷新。
- 满刷新(全缓冲)，缓冲区满了将内容一次性全部刷新。
特殊情况
- 人为强制刷新(fflush(stdout))
- 进程退出时刷新缓冲区内容
关于缓冲区的认识
上面我们特别用蓝色标注了一句话，根据输出设备对应的缓冲区刷新策略将数据刷新到输出设备中
一般而言
- 行缓冲的设备文件---显示器
- 全缓冲的设备文件---磁盘文件
但是，我们要知道的是所有设备都是倾向于全缓冲的，原因就是IO次数，全缓冲是缓冲区满了才刷新，IO次数少，也就意味着更少的外设访问，也就意味着更少的时间耗费，效率当然是比行缓冲高的，但是为什么显示器是行缓冲？你不是说所有设备都倾向于全缓冲吗？
这是显示器结合具体情况做的妥协，因为显示器是给我们人看的，如果说采用全缓冲，那么数据要么不显示，要么就一下出来一大堆，这显然不符合我们人的阅读习惯，我们人是习惯于一行一行阅读的，所以显式器结合效率和用户的体验最终选择了行缓冲。
而对于磁盘而言，用户并不需要立即看到输出数据的结果，并不需要考虑用户的体验，只需要出于效率而言考虑，选择了全缓冲。
缓冲区在哪里
我们先看一段代码：
fputs，fprintf，printf都输出了两次，而write只输出了一次，这是我们直观可以看到的现象，其次，我们调用了fork函数，并且知道的是，调用fork函数时，前面的代码都已经执行完了！
fork是做什么的？创建子进程！创建的子进程又会怎样呢？创建自己的进程地址空间和页表，同时进程地址空间继承大部分父进程的数据，与父进程共享fork后的代码，拷贝父进程的页表。
看图深刻理解：
但是，为什么我们直接运行可执行程序，不会重复输出，而重定向以后，C标准库提供的函数却重复输出了呢？
我们说过行缓冲，全缓冲，直接运行我们的可执行程序，是向显示器输出，显示器对应的刷新策略是行缓冲，所以在fork之前，数据已经刷新出去了，再fork，子进程得到的也只是空的缓冲区。
而我们重定向以后，变成了向磁盘文件输出，刷新策略也就隐性的变成了全缓冲，此时缓冲区里的数据是可以被子进程拿到的，父子进程不管谁先退出去刷新缓冲区，另一个一定会写时拷贝，再去刷新，这样也就将数据刷新了两次。
并且，我们说fork之后父进程和子进程代码和数据共享，我们还说过，进程退出后，缓冲区全部刷新，而从缓冲区刷新到stdout文件里也是一种写入，你父进程如果将数据刷新了，我子进程不就被影响了吗？这当然不行，那我就写时拷贝，进程退出时，你父进程刷新你的数据，我子进程刷新自己的数据，所以我们可以看到C提供的函数输出了两次。
那我的系统调用没有被影响啊！所以我们说到的"缓冲区"是谁维护的呢？首先一定不是用户，再者，不是操作系统，如果是操作系统的话，我们看到的现象应该是都输出两遍，所以我们只剩下了一个答案，就是语言，我们这里用C语言写的代码，理所应当就由C标准库来维护这个缓冲区！
接下来我们看一个图来更深刻的理解：
正是因为这个原因，write系统调用并不会输出两次，因为他直接将数据写进了struct file的缓冲区内，并不在C库的缓冲区，当子进程或父进程写时拷贝，你去拷贝C库缓冲区内的数据，我操作系统内部缓冲区的数据关你进程的写时拷贝什么事。
回答遗留问题
我们之前遗留了一个问题：
首先我们关闭了fd_array中下标为1的文件，然后打开的新文件fd就为1，也就是说，我们的输出由显示器重定向到了磁盘，缓冲区刷新策略由行缓冲变成了全缓冲，那么我们printf即使加了\n也不会刷新出去，后面我们关闭了fd，也就是说。关闭了struct file，即使进程退出，C库缓冲区里的数据也刷新不到struct file的缓冲区里了，自然无法写到磁盘里，所以我们显示器看不到，文件里也没有。
到这里，我们关于重定向，进程，文件描述符，以及缓冲区已经可以全部串起来理解了，如果觉得博主写的还可以，点个关注，我们下期再见。