[操作系统] Linux IO模式（缓存IO、直接IO）

参考博客：

https://sccarterrans.github.io/IO%E6%A8%A1%E5%9E%8B-%E7%BC%93%E5%AD%98IO%E4%B8%8E%E7%9B%B4%E6%8E%A5IO/

https://cloud.tencent.com/developer/news/406991

https://www.cnblogs.com/orange-CC/p/13572789.html

1.IO设备与内存间数据传输方式

PIO（Programming Input/Output） 由CPU执行IO指令，控制整个数据传输过程。是早期数据传输方式，CPU占有率高（但利用率其实不高），不适合传输大量数据。

PIO还可以分为轮询和中断两种方式，轮询：CPU从一开就循环询问IO是否可用（尝试抢占IO）；中断：CPU向IO设备发出请求，当设备就绪后向CPU发出中断信号，CPU再返回执行IO操作。

DMA（Direct Memory Access） 不经过CPU直接进行内存访问。具体来讲，CPU仅负责向DMA控制器写入指令，之后DMA负责处理数据传送，传送完毕后再向CPU返回信息。

2.缓存与直接IO

缓存IO：数据通过DMA拷贝到内核高速缓存页（注：内存缓存，由RAM中的物理页组成，每一页对应磁盘中多个块，这样组织可以达到更高的访问速率），再从高速缓存页拷贝到用户空间应用缓存

直接IO：数据通过DMA直接拷贝到用户空间应用缓存

Q：DMA已经不需要大量占用CPU，为什么还要搞一个缓存IO，多拷贝一次数据岂不是多此一举？

A：在很多情境下程序会返回请求同一块数据，如果是直接IO，则会反复进行磁盘读取而造成长时间等待，若有系统高速缓存页则可以命中大部分读取请求，减少磁盘访问。

Q：高速缓存页本质上也是物理内存，其优势是什么，为什么缓存不交给程序自行管理？

A：高速缓存页有对应磁盘块的信息表，可以快速查找是否命中。程序的确可以自行管理缓存，高速缓存是系统提供的一个“基础服务”，必要时可以自行采用其他内存管理手段。

3.缓存IO

绝大数系统的默认模式（也是绝大数服务组件的默认模式）。

3.1 读操作

检查内核高速缓存页是否能命中读取目标，命中直接返回，否则先读取后再返回。

3.2 写操作

用户进程调用systemCall以DMA方式将用户空间的缓存数据拷贝到内核空间高速页缓存中，随后再拷贝到用户空间缓存。写操作缓存刷新策略有“写透缓存”和“回写”两种。

写透缓存：写操作更新完内核缓存后立即更新磁盘文件，可以保证缓存一致性。

回写：写操作更新完内核缓存后并不立即更新磁盘文件，而是先标记被写入页面为脏页面，将其加入脏链表中。系统中的守护进程“回写进程”会再随后将脏页刷新进磁盘中。

Q：回写进程会在什么时候刷新脏页？

A：a.每隔一段时间回写进程会进行刷新操作，b.当缓存满或空闲内存不足时回写进程会被启动进行写操作（随后会进行缓存回收）c.用户进程调用sync或fsync等操作（注意fflush是刷新用户缓存到系统缓存） d.脏页存在时间超过阈值。

3.3 缓存回收

其作用是清除缓存中的数据，为更重要的数据提供空闲页以及减小内存占用。

一般情况下系统会选择干净页进行回收，除非缓存被写满（此时会强制启动回写操作释放干净页）。

回收策略：LRU（最近最少使用）。

双链策略：改进的LRU，维护两张链表：活跃链表和非活跃链表。回收非活跃链表中的数据。

3.4 优缺点

优点：减少磁盘访问，提升读写性能（注：根据Redis作者的观点，主要提升的是读性能）。

缺点：某些情况下，因为需要多次数据拷贝操作，反而会更加占用CPU和浪费内存空间（比如确定只需要读入一次的数据）。

4. 直接IO

绕过内核缓存区，由DMA直接读取磁盘数据到用户空间。一般是因为需要自行管理缓冲区或有特殊原因。

linux ddf命令、fio压测工具、腾讯云的cosfs（基于s3fs）中都有 --directio 参数可供选择，另外linux系统的open函数由O_DIRECT选项，以达到使用直接IO的目的。

优点：减少拷贝次数，降低开销。

缺点：若管理不当则会导致效率降低。