Go 存储基础 — 文件 IO 的姿势
共 7426字,需浏览 15分钟
·
2021-04-06 19:40
大纲
两大 IO 分类
我们都知道计算的体系架构,CPU,内存,网络,IO。那么 IO 是啥呢?一般理解成 Input、Output 的缩写,通俗话就是输入输出的意思。
IO 分为网络和存储 IO 两种类型(其实网络 IO 和磁盘 IO 在 Go 里面有着根本性区别,以后会就此深入分析)。网络 IO 对应的是网络数据传输过程,网络是分布式系统的基石,通过网络把离散的物理节点连接起来,形成一个有机的系统。
存储 IO 对应的就是数据存储到物理介质的过程,通常我们物理介质对应的是磁盘,磁盘上一般会分个区,然后在上面格式化个文件系统出来,所以我们普通程序员最常看见的是文件 IO 的形式。
在 Golang 里可以归类出两种读写文件的方式:
标准库封装:操作对象 File
;系统调用 :操作对象 fd
;
读写数据要素
首先我们回忆下,文件的读写最核心的要素是什么?
通俗来讲:读文件,就是把磁盘上的文件的特定位置的数据读到内存的 buffer 。写文件,就是把内存 buffer 的数据写到磁盘的文件的特定位置。
这里注意到两个关键词:
特定位置; 内存 buffer;
特定位置怎么理解?怎么指定所谓的特定位置
?
很简单,用 [ offset, length ]
这两个参数就能标识一段位置。
也就是 IO 偏移和长度,Offset 和 Length。
内存 buffer 怎么理解?
归根结底,文件的数据和谁直接打交道?内存,写的时候是从内存写到磁盘文件的,读的时候是从磁盘文件读到内存的。
本质上,下面的 IO 函数都离不开 Offset,Length,buffer 这三个要素。
标准库封装
Go 对文件进行读写非常简单,因为 Go 已经帮我们封装了一个非常便捷的使用接口,位于标准库 os 中。Go 标准库对文件 IO 的封装也就是 Go 推荐我们对文件进行 IO 时使用的姿势。
打开文件(Open)
func OpenFile(name string, flag int, perm FileMode) (*File, error)
Open 文件之后,获取到一个句柄,也就是 File
结构,之后对文件的读写都是基于 File
结构之上进行的。
type File struct {
*file // os specific
}
普通程序员如果不关系里面的实现,那么只需要知道,之后的文件读写只需要针对这个句柄结构体做操作即可。
另外有一点隐藏起来的知识点必须要提一下:偏移。也就是我们最开始强调的读写 3 要素之一的 Offset 。打开(Open
)文件的时候,文件当前偏移量默认设置为 0,也就是说 IO 的起始位置就是文件的最开头。举个例子,如果这个时候,你写 4K 的数据到文件,那么就是写 [0, 4K] 这个位置的数据,如果之前这上面已经有数据了,那么就会是覆盖写。
除非你 Open
文件的时候指定 O_APPEND
选项,偏移量会设置为文件末尾,那么 IO 都是从文件末尾开始。
文件写操作(Write)
文件 File
句柄对象有两个写方法:
第一种:写一个 buffer 到文件 ,使用文件当前偏移
func (f *File) Write(b []byte) (n int, err error)
注意:该写操作会导致文件偏移量的增加。
第二种:从指定文件偏移,写入 buffer 到文件
func (f *File) WriteAt(b []byte, off int64) (n int, err error)
注意:该写操作不会更新文件偏移量
文件读操作(Read)
和写对应,文件 File
句柄对象有两个读方法:
第一种:从文件当前偏移读一个 buffer 的数据上来
func (f *File) Read(b []byte) (n int, err error)
注意:该读操作会导致文件偏移量的增加。
第二种:从指定文件偏移,读一个 buffer 大小的数据上来
func (f *File) ReadAt(b []byte, off int64) (n int, err error)
注意:该读操作不会更新文件偏移量
指定偏移量(Seek)
func (f *File) Seek(offset int64, whence int) (ret int64, err error)
这个句柄方法允许用户指定文件的偏移位置。这个很容易理解,举个例子,文件刚开始是 0 字节,写 1M 的数据下去,大小变成 1M,Offset 往后挪 1M ,默认就是往后挪。
现在 Seek 方法允许你把写的偏移定位到任意位置,可以你就可以从任意地方覆盖写入数据。
所以在 Go 里面,文件 IO 非常简单,先 Open 一个文件,拿到 File
句柄,然后就可以使用这个句柄 Write ,Read,Seek 就能进行 IO 了。
底层的原理
Go 的标准库 os
给我们的极其方便的封装,但是,你不好奇这个 os
的封装底层的原理吗?我们深入最原始的本质,你会发现最核心的东西:系统调用。
Go 标准库的文件存储 IO 就是基于系统调用之上的。可以稍微跟一下 os.OpenFile
的调用:
os 库的 OpenFile
函数:
func OpenFile(name string, flag int, perm FileMode) (*File, error) {
f, err := openFileNolog(name, flag, perm)
if err != nil {
return nil, err
}
f.appendMode = flag&O_APPEND != 0
return f, nil
}
稍微看下 openFileNolog
函数:
func openFileNolog(name string, flag int, perm FileMode) (*File, error) {
var r int
for {
var e error
r, e = syscall.Open(name, flag|syscall.O_CLOEXEC, syscallMode(perm))
if e == nil {
break
}
if runtime.GOOS == "darwin" && e == syscall.EINTR {
continue
}
return nil, &PathError{"open", name, e}
}
return newFile(uintptr(r), name, kindOpenFile), nil
}
我们看到 syscall.Open
,这个函数获取到一个整数,也就是我们在在 c 语言里最常见的 fd 句柄,而 File
结构体则仅仅是基于这个的一层封装而已。
思考下,为什么会有标准库封装这一层存在?
划重点:为了屏蔽操作系统的区别,使用这个标准库的所有操作都是跨平台的。换句话说,如果是特殊操作系统才有的特性,那么你在 os 库里就找不到对应封装的 IO 操作。
那么怎么使用系统调用?
直接使用 syscall 库,也就是系统调用。从名字也能看出来,系统调用是和操作系统强相关的,因为是操作系统提供给你的调用接口,所以系统调用会因为操作系统不同而导致不同的特性,不同的接口。
所以,如果你直接使用 syscall 库来使用系统调用,那么需要你自己来承受系统带来的兼容性问题。
系统调用
系统调用在 syscall 里有一层最薄的封装:
文件 Open
func Open(path string, mode int, perm uint32) (fd int, err error)
文件 Read
func Read(fd int, p []byte) (n int, err error)
func Pread(fd int, p []byte, offset int64) (n int, err error)
func Pread(fd int, p []byte, offset int64) (n int, err error)
文件读有两个接口,一个 Read
是从当前默认偏移读一个 buffer 数据,Pread
接口则是从指定位置读数据的接口。
思考一个问题:Pread
从效果上来讲等于 Seek
和 Read
组合起来使用,那么是否可以认为 Pread
就可以被 Seek
+ Read
替代呢?
不行!根本原因在于 Seek
+ Read
是在用户层就是两步操作,而 Pread
虽然是 Seek
+ Read
的效果,但是操作系统给到用户的语义是:Pread
是一个原子操作。还有一个重要区别,Pread
不会改变当前文件的偏移量(普通的 Read
调用会更新偏移量)。
所以,我们总结下,Pread
和顺序调用 Seek
后调用 Read
有两点重要区别:
Pread
对用户提供的语义是原子操作,在调用Pread
时,无法中断Seek
和Read
操作;Pread
调用不会更新当前文件偏移量;
文件 Write
func Write(fd int, p []byte) (n int, err error)
func Pwrite(fd int, p []byte, offset int64) (n int, err error)
func Pwrite(fd int, p []byte, offset int64) (n int, err error)
文件写对应也是有两种接口,Wrtie
和 Pwrite
分别是对应 Read
和 Pread
。同样的,Pwrite
作用上也是相当于先调用 Seek
再调用 Write
,但是同样的也有两点不同:
Pwrite
完成Seek
和Write
对外是原子操作的语义;Pwrite
调用不会更新当前文件偏移量;
文件 Seek
func Seek(fd int, offset int64, whence int) (off int64, err error)
这个函数调用允许用户指定偏移(这个会影响到 Read
和 Write
读写的位置)。一般来说,每个打开文件都有一个相关联的“当前文件偏移量”( current file offset )。读(Read
)、写(Write
)操作都是从当前文件偏移量处开始,并且 Read
和 Write
会导致偏移量增加,增加量就是所读写的字节数。
小结一下:我们看了核心的 Open,Read,Write,Seek 几个系统调用,你会发现一个明显不同与标准 IO 库的区别:系统调用操作对象是一个整数句柄。Open
文件得到一个整数 fd,之后的所有 IO 都是针对这个 fd 来操作的。这个明显和标准库不同,os 标准库 OpenFile 得到的是一个 File
结构体,所有的 IO 也是针对这个结构体的。
层次架构
那么究竟封装的层次一般是什么样的呢?我还记得 Unix 编程里面开篇就有一张如下图:
这张图就非常形象的讲明白了整个 Unix 体系结构。
内核是最核心的实现,包括了和 IO 设备,硬件交互等功能。与内核紧密的一层是内核提供给外部调用的系统调用,系统调用提供了用户态到内核态调用的一个通道;
对于系统调用,各个语言的标准库会有一些封装,比如 C 语言的 libc 库,Go 语言的 os ,syscall 库都是类似的地位,这个就是所谓的公共库。这层封装的作用最主要是简化普通程序员使用效率,并且屏蔽系统细节,为跨平台提供基础(同样的,为了跨平台的特性,可能会阉割很多不兼容的功能,所以才会有直接调用系统掉调用的需求);
当然,我们右上角还看到一个缺口,应用程序除了可以使用公共函数库,其实是可以直接调用系统调用的,但是由此带来的复杂性又应用自己承担。这种需求也是很常见的,标准库封装了通用的东西,同样割舍了很多系统调用的功能,这种情况下,只能通过系统调用来获取;
总结
IO 大类分为网络 IO 和磁盘 IO,IO 对文件来说就是读写操作,写的时候数据从内存到磁盘,读的时候数据从磁盘到内存; Go 文件 IO 最常用的是 os 库,使用 Go 封装的标准库, os.OpenFile
打开,File.Write
,File.Read
进行读写,操作对象都是File
结构体;Go 标准库对 IO 的封装是为了屏蔽复杂的系统调用,提供跨平台的使用姿势。然后单独提供 syscall
库,让程序员自我决策使用要使用更丰富的系统调用功能,当然后果自负;Go 标准库 IO 操作对象是 File
,系统调用 IO 操作对象是 fd(非负整数),而这个 fd 则大有来头,我们后面专门分析;Open
文件默认当前偏移量是 0 (文件最开始),加上O_APPEND
参数之后偏移量会是文件末尾。通过 Seek 调用可以任意指定文件偏移,从而影响文件 IO 的位置;Read
,Write
函数只有 buffer (buffer 有长度),偏移则使用当前文件偏移量;Pread
,Pwrite
的系统调用效果等同于Seek
偏移量然后Read
,Write
,但是又大有不同。对外语义是原子操作,并且不更新当前文件偏移量;
后记
今天讨论的是 Go 的存储基础(通用的存储知识),涉及到一些 IO 基础,今天梳理了 Go 的两种 IO 的姿势,分别是 os 标准库封装和 syscall 系统调用。后面会就文件句柄 fd,系统调用等知识深入思考,形成一个存储系列的文章,带你逐步揭秘 Go 存储技术基础,敬请期待。
推荐阅读