Java基础---＞IO流（2）【常见IO模型】

计算机角度IO

根据冯.诺依曼结构，计算机结构分为 5 大部分：运算器、控制器、存储器、输入设备、输出设备。

从计算机结构的视角来看的话， I/O 描述了计算机系统与外部设备之间通信的过程。

IO (Input/Output) 通常是指计算机与外部设备之间的数据交换过程。输入设备（如键盘、鼠标、摄像头等）把数据输入到计算机中，输出设备（如显示器、打印机、扬声器等）把数据从计算机中输出。

输入设备向计算机输入数据，输出设备接收计算机输出的数据。

我们再先从应用程序的角度来解读一下 I/O。

为了保证操作系统的稳定性和安全性，一个进程的地址空间划分为 用户空间（User space） 和 内核空间（Kernel space ） 。

像我们平常运行的应用程序都是运行在用户空间，只有内核空间才能进行系统态级别的资源有关的操作，比如文件管理、进程通信、内存管理等等。也就是说，我们想要进行 IO 操作，一定是要依赖内核空间的能力。

并且，用户空间的程序不能直接访问内核空间。

当想要执行 IO 操作时，由于没有执行这些操作的权限，只能发起系统调用请求操作系统帮忙完成。

因此，用户进程想要执行 IO 操作的话，必须通过 系统调用 来间接访问内核空间

操作系统IO

从操作系统角度来看，IO是指操作系统通过设备驱动程序与硬件设备进行数据交换的过程。操作系统通过系统调用、中断等机制控制IO操作，进而实现数据的输入和输出。操作系统通过各种设备驱动程序来管理硬件设备，使得应用程序可以方便地对设备进行访问，并获得所需的输入输出数据。

在计算机中，IO是所有操作中最耗时的一部分，因为设备的存储和处理速度比主存储器和CPU低得多。所以，为了缩短IO的响应时间，操作系统通常会使用缓存技术，将提前读取或写出的数据缓存到内存里，加快后续访问的速度。此外，操作系统还会针对不同类型的设备使用不同的IO调度算法，以提高整体IO效率，例如 FCFS（先来先服务）、SJF（最短作业优先）、CFQ（完全公平调度算法）等。

操作系统负责计算机的资源管理和进程的调度，我们电脑上跑着的应用程序，其实是需要经过操作系统，才能做一些特殊操作，如磁盘文件读写、内存的读写等。真正的 IO 是在操作系统执行的。即应用程序的 IO 操作分为两种动作：IO 调用 和 IO 执行。IO 调用是由进程（应用程序的运行态）发起，而 IO 执行是操作系统内核的工作。

应用程序发起的一次 IO 操作包含两个阶段：

IO 调用：应用程序进程向操作系统内核发起调用。

IO 执行：操作系统内核完成 IO 操作。

​ 真正的IO都是操作系统执行的，应用程序IO一般两种：IO调用和IO执行

​ 看似Java在读，实际是操作系统在读

常见的IO模型

UNIX 系统下， IO 模型一共有 5 种：同步阻塞 I/O、同步非阻塞 I/O、I/O 多路复用、信号驱动 I/O 和异步 I/O。

Java 中 3 种常见 IO 模型

BIO（BlockingI/O）【同步阻塞IO】

阻塞IO模型也称为同步IO模型，在这种模型中，一个线程需要在所有IO操作完成之后才能继续执行后续的代码，因此也被称为“同步”模型。在阻塞IO模型中，当一个线程调用了read()或write()等IO操作时，线程会一直等待，直到操作系统完成IO操作并返回结果，才会继续执行后续的代码。

同步阻塞 IO 模型中，应用程序发起 read 调用后，会一直阻塞，直到内核把数据拷贝到用户空间。

假设应用程序的进程发起 IO 调用，但是如果内核的数据还没准备好的话，那应用程序进程就一直在阻塞等待，一直等到内核数据准备好了，从内核拷贝到用户空间，才返回成功提示，此次 IO 操作，称之为阻塞 IO。

Java之前所学的IO都是阻塞式IO。

阻塞 IO 的缺点就是：如果内核数据一直没准备好，那用户进程将一直阻塞，浪费性能，可以使用非阻塞IO 优化。

NIO（Non-blocking/New I/O）【非阻塞IO】

非阻塞IO模型也称为异步IO模型，在这种模型中，一个线程可以发起IO请求后立即返回，而不需要等待IO操作的结果，因此也被称为“异步”模型。在非阻塞IO模型中，当一个线程调用了read()或write()等IO操作时，线程不会等待操作系统返回结果，而是继续执行后续的代码。当操作系统完成IO操作后，它会通知应用程序，告知IO操作的结果。

如果内核数据还没准备好，可以先返回错误信息给用户进程，让它不需要等待，而是通过轮询的方式再来请求。这就是非阻塞 IO

同步非阻塞 IO 模型中，应用程序会一直发起 read 调用，等待数据从内核空间拷贝到用户空间的这段时间里，线程依然是阻塞的，直到在内核把数据拷贝到用户空间。

相比于同步阻塞 IO 模型，同步非阻塞 IO 模型确实有了很大改进。通过轮询操作，避免了一直阻塞。

但是，这种 IO 模型同样存在问题：应用程序不断进行 I/O 系统调用轮询数据是否已经准备好的过程是十分消耗 CPU 资源的。

这个时候，I/O 多路复用模型 就出现了

IO多路复用

IO 多路复用模型中，线程首先发起 select 调用，询问内核数据是否准备就绪，等内核把数据准备好了，用户线程再发起 read 调用。read 调用的过程（数据从内核空间 -> 用户空间）还是阻塞的。发起请求数据时，操作系统立即返回一个结果（不是数据），等数据完全准备好了，向用户进程进行响应。

IO 多路复用模型，通过减少无效的系统调用，减少了对 CPU 资源的消耗。

既然 NIO 无效的轮询会导致 CPU 资源消耗，我们等到内核数据准备好了，主动通知应用进程再去进行系统调用。

IO 复用模型核心思路：系统给我们提供一类函数（如 select、poll、epoll），它们可以同时监控多个 fd 的操作，任何一个返回内核数据就绪，应用进程再发起 recvfrom 系统调用。

文件描述符 fd(File Descriptor),它是计算机科学中的一个术语，形式上是一个非负整数。当程序打开一个现有文件或者创建一个新文件时，内核向进程返回一个文件描述符。

select：应用进程通过调用 select 函数，可以同时监控多个 fd，在 select 函数监控的 fd中，只要有任何一个数据状态准备就绪了，select 函数就会返回可读状态，这时应用进程再发起 recvfrom()请求去读取数据。

非阻塞 IO 模型（NIO）中，需要 N（N>=1）次轮询系统调用，然而借助select 的 IO 多路复用模型，只需要发起一次询问就够了，大大优化了性能。

缺点：监听的 IO 最大连接数有限，在 Linux 系统上一般为 1024。select 函数返回后，是通过遍历 fdset，找到就绪的描述符 fd。（仅知道有 I/O 事件发生，却不知是哪几个流，所以遍历所有流）. 因为存在连接数限制，所以后来又提出了poll。与 select 相比，poll 解决了连接数限制问题。但是，select 和 poll 一样，还是需要通过遍历文件描述符来获取已经就绪的 socket。如果同时连接的大量客户端，在一时刻可能只有极少处于就绪状态，伴随着监视的描述符数量的增长，效率也会线性下降。

因此出现了epoll

epoll： 为了解决 select/poll 存在的问题，多路复用模型 epoll 诞生，它采用事件驱动来实现。epoll 先通过 epoll_ctl()来注册一个 fd（文件描述符），一旦基于某个 fd 就绪时，内核会采用回调机制，迅速激活这个 fd，当进程调用 epoll_wait()时便得到通知。这里去掉了遍历文件描述符的坑爹操作，而是采用监听事件回调的机制。这就是 epoll 的亮点。

epoll 明显优化了 IO 的执行效率，但在进程调用 epoll_wait()时，仍然可能被阻塞。能不能不用我老是去问你数据是否准备就绪，等我发出请求后，你数据准备好了通知我就行了，这就诞生了信号驱动 IO 模型。

IO 模型之信号驱动模型

信号驱动不再用主动询问的方式去确认数据是否就绪，而是向内核发送一个信号，然后应用用户进程可以去做别的事，不用阻塞。当内核数据准备好后，再通 过信号通知应用进程，数据准备好后的可读状态。应用用户进程收到信号之后，立即调用 recvfrom，去读取数据。

信号驱动 IO 模型，在应用进程发出信号后，是立即返回的，不会阻塞进程。它已经有异步操作的感觉了。但是上面的流程图，发现数据复制到应用缓冲的时候，应用进程还是阻塞的。回过头来看下，不管是 BIO，还是 NIO，还是信号驱动，在数据从内核复制到应用缓冲的时候，都是阻塞的。

AIO（Asynchronous I/O）【异步IO】

前面讲的 BIO，NIO 和信号驱动，在数据从内核复制到应用缓冲的时候，都是阻塞的，因此都不算是真正的异步。AIO 实现了 IO 全流程的非阻塞，就是 应用进程发出系统调用后，是立即返回的，但是立即返回的不是处理结果，而是表示提交成功类似的意思。等内核数据准备好，将数据拷贝到用户进程缓冲区，发送信号通知用户进程 IO 操作执行完毕。

大概总结一下是这样