Go 存储基础 — 文件 IO 的姿势

发表于 3年以前 | 总阅读数：253 次

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)

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)

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。

~完～