标准输入输出 stdio 流缓冲 buffering in standard streams

**From : http://www.pixelbeat.org/programming/stdio_buffering/ **
**译者：李秋豪**

我发现找出标准流用的是什么缓冲是一件困难的事。

例如下面这个使用unix shell 管道的例子：

$ command1 | command2

下图显示了shell fork了两个进程并通过一个管道将他们联系起来。在这个连接中移动使用了三个缓冲.

内核中的缓冲区室友pipe系统函数生成的，它的大小取决于操作系统的页大小。我们无法也没必要控制这个缓冲区的大小，因为它会立即转送数据（至少在linux上是这样）。[更新：这个pipe buffer 已经变化为 circular buffers (16 x 4KiB)并且有一个新的 proposed patch 使得它的大小是动态的]

另外两个缓冲是关于流的，为了提高效率，仅仅在第一次使用流的时候申请缓冲区空间。三个标准流(stdin, stdout, stderr)会在几乎所有的unix GNU C程序开始执行自动被创建，新的流也可以被创建用来连接文件、套接字、管道等等。你可以通过控制缓冲策略（无缓冲，行缓冲，满缓冲）来控制数据的读写方法。我使用这个程序来确定标准流的默认缓冲区的特性：

/* Output info about the default buffering parameters
 * applied by libc to stdin, stdout and stderr.
 * Note the info is sent to stderr, as redirecting it
 * makes no difference to its buffering parameters.
 * Note gnulib has fbufmode() to make this portable.
 */
#include <stdio_ext.h>
#include <unistd.h>
#include <stdlib.h>

FILE* fileno2FILE(int fileno){
    switch(fileno) {
        case 0:  return stdin;
        case 1:  return stdout;
        case 2:  return stderr;
        default: return NULL;
    }
}

const char* fileno2name(int fileno){
    switch(fileno) {
        case 0:  return "stdin";
        case 1:  return "stdout";
        case 2:  return "stderr";
        default: return NULL;
    }
}

int main(void)
{
    if (isatty(0)) {
        fprintf(stderr,"Hit Ctrl-d to initialise stdin\n");
    } else {
        fprintf(stderr,"Initialising stdin\n");
    }
    char data[4096];
    fread(data,sizeof(data),1,stdin);
    if (isatty(1)) {
        fprintf(stdout,"Initialising stdout\n");
    } else {
        fprintf(stdout,"Initialising stdout\n");
        fprintf(stderr,"Initialising stdout\n");
    }
    fprintf(stderr,"Initialising stderr\n"); //redundant

    int i;
    for (i=0; i<3; i++) {
        fprintf(stderr,"%6s: tty=%d, lb=%d, size=%d\n",
                fileno2name(i),
                isatty(i),
                __flbf(fileno2FILE(i))?1:0,
                __fbufsize(fileno2FILE(i)));
    }
    return EXIT_SUCCESS;
}

默认缓冲策略：

• stdin总是缓冲的
• stderr总是无缓冲的
• 如果stdout是终端的话缓冲是行缓冲的，否则是满缓冲的。（补充一下，GNU里面定义的可交互设备，显然终端是可交互设备）

默认缓冲大小：

• 缓冲大小只会直接影响缓冲策略
• 内核的pipe buffer 已经变化为 circular buffers (16 x 4KiB)并且有一个新的 proposed patch 使得它的大小是动态的
• 如果stdin/stdout 连接的是交互设备那么默认大小是1024，否则是4096

stdio 输出缓冲的问题

现在来考虑一个问题：数据源的信息是间隔发送的，并且接受者希望立即收到新产生的数据。

例如，一个人想要过滤 tcpdump -l 或者 tail -f 的输出等等（注意有一些过滤器比如sort要求一次缓存所有数据到内部，所以这里不能使用）。

考虑下面这个操作，从动态网络日志终端数据中过滤出不一样的IP地址：

$ tail -f access.log | cut -d' ' -f1 | uniq

问题在于，如果按照上面这个命令，我们将不能实时的看到增加的主机IP，示例图如下：

高亮的缓冲区导致了问题的发生。由于该缓存区连接了一个管道缓冲区，他会等到数据达到4096字节后再作为一个块传送给uniq。注意到tail的标准输出也有这个问题，但是tail -f调用会自动清除缓冲区当有新的数据输入时，所以这里不会产生影响( tcpdump -l, grep --line-buffered sed --unbuffered 也是这样)。另外，由于uniq标准输出连接的是一个可交互设备，所以当有新的一行数据到达时也会自动清除缓冲区，不会产生影响。

stdio 输入缓冲问题

正如向stdout一样，stdin也使用缓冲区以增加效率。

如果一个一个字节的读入显然会有更多控制的空间，但是这样是不实际的。

考虑以下命令：

$ printf "one\ntwo\nthree\n" | ( sed 1q ; sed 1q ; sed 1q )
one

（译者注：这里的q是sed流编辑器的退出命令，1q表示当输出到达第一行结束时退出。参考The q or quit command）

正如你所见到的，第一个sed进程读取了所有数据，导致后面的sed没办法读入数据。注意仅仅将stdin缓冲区设置为行缓冲是没有用的，因为只有当输出缓冲区被清除的时候才会产生控制效果（译者注，如果没有输出的话，第一个sed还是会”一行一行的把输入数据读完）。以上的sed标准输入都是行缓冲Reading lines from stdin.通常你只能控制一个进程能否从stdin读入数据，或者读入特定规模的数据然后禁止读入。以下是这样的一个例子：

$ printf "one\ntwo\nthree\n" | ( ssh localhost printf 'zero\\n' ; cat )
zero

（译者注：后面的cat命令用于从stdin中读取数据输出到屏幕，防止printf的输出存储在缓冲区中。）

这个远程printf命令并不会从stdin读取数据（译者注：'zero\n'是参数），但是ssh client并不知道这个，所以他会读取前面printf传入的数据即stdin中读取数据。为了告诉ssh远程命令不需要读入数据，可以加上-n这个参数：

$ printf "one\ntwo\nthree\n" | ( ssh -n localhost printf 'zero\n' ; cat )
zero
one
two
three

常见的经历是你想要吧ssh放在后台当你知道远程命令不会读取数据的时候（利于常见的图像化程序），设置ssh client阻止读入数据可以防止远程应用程序停滞。你可以通过-f参数告诉ssh忽略stdin并且fork到后台。例如：ssh -fY localhost xterm(译者注：-Y Enables trusted X11 forwarding)。

stdio 缓冲控制

省略...（关键词：stdbuf, BUF_X_=Y where X = 0 (stdin), 1 (stdout), 2 (stderr) ）