Linux 进程、线程、文件描述符的底层原理

说到进程，恐怕面试中最多见的问题就是线程和进程的关系了，那么先说一下答案：在 Linux 系统中，进程和线程几乎没有区别。

Linux 中的进程就是一个数据结构，看明白就能够理解文件描述符、重定向、管道命令的底层工做原理，最后咱们从操做系统的角度看看为何说线程和进程基本没有区别。

PS：我认真写了 100 多篇原创，手把手刷 200 道力扣题目，所有发布在 labuladong的算法小抄，持续更新。建议收藏，按照个人文章顺序刷题，掌握各类算法套路后投再入题海就如鱼得水了。

1、进程是什么

首先，抽象地来讲，咱们的计算机就是这个东西：

这个大的矩形表示计算机的内存空间，其中的小矩形表明进程，左下角的圆形表示磁盘，右下角的图形表示一些输入输出设备，好比鼠标键盘显示器等等。另外，注意到内存空间被划分为了两块，上半部分表示用户空间，下半部分表示内核空间。

用户空间装着用户进程须要使用的资源，好比你在程序代码里开一个数组，这个数组确定存在用户空间；内核空间存放内核进程须要加载的系统资源，这一些资源通常是不容许用户访问的。可是注意有的用户进程会共享一些内核空间的资源，好比一些动态连接库等等。

咱们用 C 语言写一个 hello 程序，编译后获得一个可执行文件，在命令行运行就能够打印出一句 hello world，而后程序退出。在操做系统层面，就是新建了一个进程，这个进程将咱们编译出来的可执行文件读入内存空间，而后执行，最后退出。

你编译好的那个可执行程序只是一个文件，不是进程，可执行文件必需要载入内存，包装成一个进程才能真正跑起来。进程是要依靠操做系统建立的，每一个进程都有它的固有属性，好比进程号（PID）、进程状态、打开的文件等等，进程建立好以后，读入你的程序，你的程序才被系统执行。

那么，操做系统是如何建立进程的呢？对于操做系统，进程就是一个数据结构，咱们直接来看 Linux 的源码：

struct task_struct {
    // 进程状态
    long              state;
    // 虚拟内存结构体
    struct mm_struct  *mm;
    // 进程号
    pid_t             pid;
    // 指向父进程的指针
    struct task_struct __rcu  *parent;
    // 子进程列表
    struct list_head        children;
    // 存放文件系统信息的指针
    struct fs_struct        *fs;
    // 一个数组，包含该进程打开的文件指针
    struct files_struct     *files;
};

task_struct就是 Linux 内核对于一个进程的描述，也能够称为「进程描述符」。源码比较复杂，我这里就截取了一小部分比较常见的。

其中比较有意思的是mm指针和files指针。mm指向的是进程的虚拟内存，也就是载入资源和可执行文件的地方；files指针指向一个数组，这个数组里装着全部该进程打开的文件的指针。

PS：我认真写了 100 多篇原创，手把手刷 200 道力扣题目，所有发布在 labuladong的算法小抄，持续更新。建议收藏，按照个人文章顺序刷题，掌握各类算法套路后投再入题海就如鱼得水了。

2、文件描述符是什么

先说files，它是一个文件指针数组。通常来讲，一个进程会从files[0]读取输入，将输出写入files[1]，将错误信息写入files[2]。

举个例子，以咱们的角度 C 语言的printf函数是向命令行打印字符，可是从进程的角度来看，就是向files[1]写入数据；同理，scanf函数就是进程试图从files[0]这个文件中读取数据。

每一个进程被建立时，files的前三位被填入默认值，分别指向标准输入流、标准输出流、标准错误流。咱们常说的「文件描述符」就是指这个文件指针数组的索引，因此程序的文件描述符默认状况下 0 是输入，1 是输出，2 是错误。

咱们能够从新画一幅图：

对于通常的计算机，输入流是键盘，输出流是显示器，错误流也是显示器，因此如今这个进程和内核连了三根线。由于硬件都是由内核管理的，咱们的进程须要经过「系统调用」让内核进程访问硬件资源。

PS：不要忘了，Linux 中一切都被抽象成文件，设备也是文件，能够进行读和写。

若是咱们写的程序须要其余资源，好比打开一个文件进行读写，这也很简单，进行系统调用，让内核把文件打开，这个文件就会被放到files的第 4 个位置：

明白了这个原理，输入重定向就很好理解了，程序想读取数据的时候就会去files[0]读取，因此咱们只要把files[0]指向一个文件，那么程序就会从这个文件中读取数据，而不是从键盘：

$ command < file.txt

同理，输出重定向就是把files[1]指向一个文件，那么程序的输出就不会写入到显示器，而是写入到这个文件中：

$ command > file.txt

错误重定向也是同样的，就再也不赘述。

管道符其实也是殊途同归，把一个进程的输出流和另外一个进程的输入流接起一条「管道」，数据就在其中传递，不得不说这种设计思想真的很优美：

$ cmd1 | cmd2 | cmd3

到这里，你可能也看出「Linux 中一切皆文件」设计思路的高明了，不论是设备、另外一个进程、socket 套接字仍是真正的文件，所有均可以读写，统一装进一个简单的files数组，进程经过简单的文件描述符访问相应资源，具体细节交于操做系统，有效解耦，优美高效。

3、线程是什么

首先要明确的是，多进程和多线程都是并发，均可以提升处理器的利用效率，因此如今的关键是，多线程和多进程有啥区别。

为何说 Linux 中线程和进程基本没有区别呢，由于从 Linux 内核的角度来看，并无把线程和进程区别对待。

咱们知道系统调用fork()能够新建一个子进程，函数pthread()能够新建一个线程。但不管线程仍是进程，都是用task_struct结构表示的，惟一的区别就是共享的数据区域不一样。

换句话说，线程看起来跟进程没有区别，只是线程的某些数据区域和其父进程是共享的，而子进程是拷贝副本，而不是共享。就好比说，mm结构和files结构在线程中都是共享的，我画两张图你就明白了：

因此说，咱们的多线程程序要利用锁机制，避免多个线程同时往同一区域写入数据，不然可能形成数据错乱。

那么你可能问，既然进程和线程差很少，并且多进程数据不共享，即不存在数据错乱的问题，为何多线程的使用比多进程广泛得多呢？

由于现实中数据共享的并发更广泛呀，好比十我的同时从一个帐户取十元，咱们但愿的是这个共享帐户的余额正确减小一百元，而不是但愿每人得到一个帐户的拷贝，每一个拷贝帐户减小十元。

固然，必需要说明的是，只有 Linux 系统将线程看作共享数据的进程，不对其作特殊看待，其余的不少操做系统是对线程和进程区别对待的，线程有其特有的数据结构，我我的认为不如 Linux 的这种设计简洁，增长了系统的复杂度。

在 Linux 中新建线程和进程的效率都是很高的，对于新建进程时内存区域拷贝的问题，Linux 采用了 copy-on-write 的策略优化，也就是并不真正复制父进程的内存空间，而是等到须要写操做时才去复制。因此 Linux 中新建进程和新建线程都是很迅速的。