Java IO 学习（三）缓冲IO / 直接IO / 内存映射

缓冲IO

在介绍缓冲IO之前需要先了解一下常用的机械硬盘的原理与特点

一个机械硬盘中装有多个盘片

每个盘片上有多个同心圆（磁道）

每个同心圆又由多个弧（扇区）组成，每个弧上都记录了等量的数据（比方说512byte）

如果发起一个随机读写请求，磁头需要先找到对应的磁道，然后等待对应的扇区旋转到磁头正下方才能开始读取数据（民用机械硬盘的转速一般在5400或者7200RPM，工业界倒是经常使用10000RPM的机械硬盘。但是它们的寻道时间大概都在几ms到十几ms左右）

机械硬盘的顺序读写很快（一般在100-200MB/s），但是随机读写很慢（寻道时间在十几ms，导致随机读写的iops只有几十）

假定我们不做任何额外的优化处理，在用户发起读数据请求的时候，直接调用硬盘驱动读取磁盘数据并返回

设想一个场景：循环调用read方法读取文件，但是每次只读取较少的数据（比方说每次只读一个byte）。那么每次read请求都对应于一次对磁盘的随机读写（两次读请求之前需要重新寻道），也就是说read操作的tps只有几十。

也就是说此时磁盘占用率为100%，但是只能提供不到100byte/s的数据读取率，这显然是不可接受的。

Linux对此有个很简单的优化，就是在内核中维护一块缓冲区（buffer cache），在用户第一次调用read读取数据的时候，无论用户想要读取的数据有多小，都会一次性从磁盘中加载一段数据放到缓冲区中，这样用户下一次调用read方法的时候可以直接从缓冲区中返回数据，不用再次访问磁盘了。

write方法也是同理，用户写入的数据不是直接落盘，而是先写到kernel中的缓冲区里，按照一定的策略批量刷盘。当然也可以调用flush方法强制将缓存区的数据落盘。

这个优化极大的提高了顺序读写的效率。由于直接读写的是kernel中的缓冲区而不是磁盘，这种IO被称为缓冲IO。

直接IO

一般来说，上面介绍的缓冲IO已经足够应付日常需求了。但是像数据库这种极度依赖IO的应用程序，为了追求极致的性能，往往更加愿意自己直接操作磁盘。

直接IO可以直接将数据从磁盘复制到用户空间，或者将数据从用户空间写到磁盘，减少了kernel中的缓冲区这一环节，这是直接IO可以提高性能的原理。

但是如果用得不好就悲剧了，所以直接IO只在少数场景下使用。

内存映射

先给出mmap的官方文档

mmap方法会返回一个void *类型的指针ptr，它指向进程逻辑空间中的一个地址。

后续如果想要读写文件，无需调用read/write方法，而是直接操作这个ptr指针即可。

用户试图向ptr指针指向的空间读写数据时，由于MMU无法在物理内存中找到对应的地址，会触发一次缺页中断，OS会去硬盘中找到对应的数据并复制到内存中，然后用户就能正常完成读写操作了。这个过程是由操作系统自动完成的。

为什么说内存映射效率比缓冲IO要高？

我们回忆一下缓冲IO的工作流程：

1. 用户调用read方法

2. 调用系统调用，触发中断，进程从用户态进入内核态

3. 从硬盘中读取数据并复制到kernel缓冲区

4. 将数据从kernel缓存区复制到用户提供的byte数组中

5. 进程从内核态返回到用户态

完成

从上面的流程中我们可以看到，调用一次read方法，最多可能会引起两次用户态与内核态之间的切换，以及两次数据复制

而内存映射呢？

1. 用户试图访问ptr指向的数据

2. MMU解析失败，触发缺页中断，程序从用户态进入到内核态

3. 从硬盘中读取数据并复制到进程空间中ptr指向的逻辑空间里

4. 进程从内核态返回到用户态

完成

可以看出，试图访问内存映射文件，最多可能会引起两次用户态与内核态之间的切换，以及一次数据复制

也就是说，内存映射与缓冲IO相比，可以节省数据复制带来的开销，因此效率较高。

参考资料

Linux 中直接 I/O 机制的介绍

内存映射文件原理探索