Unix网络编程 3.9 readline函数

其实看APUE时就想试着写些简单的stdio函数了，但是一直没实践，看到这里时发现书上写得不完整，便敲代码试了下。

第1个readline速度非常慢原因在于每次读取字符都执行了系统调用read()，而系统调用意味着内核态和用户态之间的切换，系统调用数量太多会导致切换过程非常费时。因此为了快速的进行I/O，往往会定义一个缓冲区，即第2个readline中的char read_buf[MAXLINE];以及记录读取数量的int read_cnt;和记录当前读取指针的char *read_ptr;这三个静态变量都是static类型，也就是当前文件可用，外部文件无法访问static变量。

static ssize_t my_read(int fd, char* ptr)
{
    if (read_cnt <= 0) {
        again:
        if ((read_cnt = read(fd, read_buf, sizeof(read_buf))) < 0) {
            if (errno == EINTR)
                goto again;
            return -1;
        } else if (read_cnt == 0)
            return 0;
    }
    read_cnt--;
    *ptr = *read_ptr++;
    return 1;
}

关键在于用my_read来替换read。my_read是从缓冲区中（而不是从文件中）逐个读取数据。

由于一开始缓冲中什么都没有，对应的状态即read_cnt=0（读取数量为0），read_ptr指向read_buf首部。所以最开始需要填满缓冲区，读取MAXLINE（行缓冲区大小），将文件的数据读到缓冲区中。然后read_cnt初始化为read函数实际读取的数量。

比如我这里MAXLINE是4096，但是若文件实际总大小没有这么多，返回的read_cnt就小于MAXLINE。

然后read_cnt大于0就意味着缓冲区有未读的数据，于是每次调用my_read只需要从read_buf中读取1个字符，然后移动指针read_ptr到下个字符，并减少read_cnt。

由于read_cnt记录的是read函数实际读取的数量，所以归0时代表缓冲区元素已经读完了，需要再次调用read函数读取最多MAXLINE个字符。

这里采用了goto，原因就像书上所说的，在字节流套接字上调用read/write输入或输出的字节数可能比请求的数量少，此时并不一定是出错，而是因为内核中用于套接字的缓冲区已经到达了极限，需要再次（反复）调用read/write函数来输入或输出剩下的字节。

而errno被设置为EINTR的原因如下

EINTR  The call was interrupted by a signal before any data was read;

被信号打断，此时需要反复读取至成功为止。

原理说完了，测试代码如下

#define MAXLINE 4096

static int read_cnt = 0;
static char read_buf[MAXLINE];
static char* read_ptr = read_buf;
// ...
// UNPv3 P74-75的readline.c代码
// ...
int main(void)
{
    char buf[MAXLINE];
    for (int i = 0; i < 5; i++) {
        ssize_t n = readline(STDIN_FILENO, buf, MAXLINE);
        write(STDOUT_FILENO, buf, n);
    }
    return 0;
}

测试代码如上，从输入流中读取了5行并打印出来

用strace查看系统调用如下

可以发现只调用了1次read（不包含进入main前的部分），然后write了5次。

如果把if ((rc = my_read(fd, &c)) == 1) 改成if ((rc = read(fd, &c, 1)) == 1) 再调用strace

可见系统调用数量之多