管道数据流＂实时性＂ 和使用小提示

相信很多在linux平台工作的童鞋, 都很熟悉管道符 '|', 通过它, 我们能够很灵活的将几种不同的命令协同起来完成一件任务

不过这次咱们不来说这些用法, 而是来探讨一些更加有意思的, 那就是 管道两边的数据流"实时性" 和 管道使用的小提示.

其实我们在利用管道的时候, 可能会不经意的去想, 我前一个命令的输出, 是全部处理完再通过管道传给第二个命令, 还是一边处理一边输出呢? 可能在大家是试验中或者工作经验中, 应该是左边的命令全部处理完再一次性交给右边的命令进行处理, 不光是大家, 我在最初接触管道时, 也曾有这么一个误会, 因为我们通过现象看到的就是这样.

但其实只要有简单了解过管道这工具, 应该都不难得出解释:

管道是两边是同时进行, 也就是说, 左边的命令输出到管道, 管道的右边将马上进行处理.

管道的定义

管道是由内核管理的一个缓冲区，相当于我们放入内存中的一个纸条。管道的一端连接一个进程的输出。这个进程会向管道中放入信息。管道的另一端连接一个进程的输入，这个进程取出被放入管道的信息。一个缓冲区不需要很大，它被设计成为环形的数据结构，以便管道可以被循环利用。当管道中没有信息的话，从管道中读取的进程会等待，直到另一端的进程放入信息。当管道被放满信息的时候，尝试放入信息的进程会堵塞，直到另一端的进程取出信息。当两个进程都终结的时候，管道也自动消失。

管道工作流程图

通过上面的解释可以看到, 假设 COMMAND1 | COMMAND2, 那么COMMAND1的标准输出, 将会被绑定到管道的写端, 而COMMAND2的标准输入将会绑定到管道的读端,  所以当COMMAND1一有输出, 将会马上通过管道传给COMMAND2, 我们先来做个实验验证下:

# 1.pyimport timeimport syswhile 1:    print '1111'    time.sleep(3)    print '2222'    time.sleep(3)

[root@iZ23pynfq19Z ~]# python 1 | cat 

 

在上面的命令, 我们可以猜测下输出结果: 究竟是 睡眠6秒之后, 输出"1111222", 还是输出 "1111" 睡眠3秒, 再输出 "2222", 然后再睡眠3秒, 再输出"1111" 呢? 答案就是: 都不是! what! 这不可能, 大家可以尝试下, 我们会看到终端没反应了,  为什么呢? 这就要涉及到文件IO的缓冲方式了,关于文件IO, 可以参考我的另一篇文章: 浅谈文件描述符1和2, 在最下面的地方提到文件IO的三种缓冲方式:

全缓冲: 直到缓冲区被填满，才调用系统I/O函数, (一般是针对文件)

行缓冲: 遇到换行符就输出(标准输出)

无缓冲: 没有缓冲区，数据会立即读入或者输出到外存文件和设备上(标准错误

因为python是默认采用带缓冲的fputs(参考py27源码: fileobject.c: PyFile_WriteString函数), 又因为标准输出被改写到管道, 所以将会采取全缓冲的方式(shell 命令具体要看实现, 因为有些是用不带缓冲write实现,如果不带缓冲区,会直接写入管道), 所以将会采取全缓冲的方式, 也就是说, 直到缓冲区被填满, 或者手动显示调用flush刷入,才能看到输出.那我们可以将代码改写成下面两种方式吧

# 方式1: 填满缓冲区, 我这边大小是4096字节, 你们也可以试下这个值, 估计都一样import timeimport syswhile 1:    print '1111' * 4096    time.sleep(3)    print '2222' * 4096    time.sleep(3)# 方式2: 手动刷入写队列import timeimport syswhile 1:    print '1111'    sys.stdout.flush()    // 因为是标准输出, 所以直接通过sys的接口去flush    time.sleep(3)    print '2222'     sys.stdout.flush()    time.sleep(3) 

 

输出结果:

# 第一种方式:[root@iZ23pynfq19Z ~]# python 1 | cat 1111.....(超多1, 刷屏了..)睡眠3秒..2222.....(超多2, 刷屏了..)# 第二种方式:[root@iZ23pynfq19Z ~]# python 1 | cat 1111睡眠3秒..2222睡眠3秒..1111....

 

在这里我们已经能够得出结果, 如果像我们以前所想的那样, 要等到COMMAND1全部执行完才一次性输出给COMMAND2, 那么结果应该是无限堵塞..因为我的程序一直没有执行完..这样应该是不符合老前辈们设计初衷的, 因为这样可能会导致管道越来越大..然而管道也是有大小的~ 具体可以去看posix标准, 所以我们得出结论是: 只要COMMAND1的输出写入管道的写端(不管是缓冲区满还是手动flush), COMMAND2都将立刻得到数据并且马上处理.

那么 管道两边的数据流"实时性" 讨论到就先暂告一段落, 接下来将在这个基础上继续讨论: 管道使用的小提示.

在开始讨论前, 我想先引入一个专业术语, 也是我们偶尔会遇到的, 那就是: SIGPIPE 或者是一个更加具体的描述: broken pipe (管道破裂)

上面的专业术语都是跟管道读写规则息息相关的, 那咱们来看下 管道的读写规则吧:

当没有数据可读时

O_NONBLOCK (未设置)：read调用阻塞，即进程暂停执行，一直等到有数据来到为止。

O_NONBLOCK  ( 设置 ) ：read调用返回-1，errno值为EAGAIN。

当管道满的时候

O_NONBLOCK (未设置)：write调用阻塞，直到有进程读走数据

O_NONBLOCK ( 设置 )：调用返回-1，errno值为EAGAIN

如果所有管道写端对应的文件描述符被关闭，则read返回0

如果所有管道读端对应的文件描述符被关闭，则write操作会产生信号SIGPIPE

当要写入的数据量不大于PIPE_BUF时，linux将保证写入的原子性。

当要写入的数据量大于PIPE_BUF时，linux将不再保证写入的原子性。

在上面我们可以看到, 如果我们收到SIGPIPE信号, 那么一般情况就是读端被关闭, 但是写端却依旧尝试写入

咱们来重现下 SIGPIPE

#!/usr/bin/pythonimport timeimport syswhile 1:    time.sleep(10)   # 手速不够快的童鞋可以将睡眠时间设置长点    print '1111'    sys.stdout.flush()

 

这次执行命令需要考验手速了, 因为我们要赶在py醒过来之前, 将读端进程杀掉

 python 1 | cat ------------------------# 另一个终端[root@iZ23pynfq19Z ~]# ps -fe | grep -P 'cat|python'root     10775  4074  0 00:05 pts/2    00:00:00 python 1root     10776  4074  0 00:05 pts/2    00:00:00 cat        # 读端进程root     10833 32581  0 00:06 pts/0    00:00:00 grep -P cat|python[root@iZ23pynfq19Z ~]# kill 10776  

 

输出结果

[root@iZ23pynfq19Z ~]# python 1 | cat Traceback (most recent call last):  File "1", line 6, in     sys.stdout.flush()IOError: [Errno 32] Broken pipeTerminated

 

从上图我们可以验证两个点: 

当我们杀掉读端时, 写端会收到SIGPIPE而默认退出, 管道结束

当我们杀掉读端时, 写端的程序并不会马上收到SIGPIPE, 相反的, 只有真正写入管道写端时才会触发这个错误

如果写入一个 读端已经关闭的管道, 将会收到一个 SIGPIPE, 那读一个写端已经关闭的管道又会这样呢?

import timeimport sys# 这次我们不需要死循环, 因为我们想要写端快点关闭退出time.sleep(5)   print '1111'sys.stdout.flush()

# 因为我们想要 读端 等到足够长的时间, 让写端关闭, 所以我们需要利用awk先睡眠10秒[root@iZ23pynfq19Z ~]# python 1.py | awk '{system("sleep 10");print 123}' ------------------------[root@iZ23pynfq19Z ~]# ps -fe | grep -P 'awk|python'root     11717  4074  0 00:20 pts/2    00:00:00 python 1.pyroot     11718  4074  0 00:20 pts/2    00:00:00 awk {system("sleep 10");print 123}root     11721 32581  0 00:20 pts/0    00:00:00 grep -P awk|python# 5秒过后[root@iZ23pynfq19Z ~]# ps -fe | grep -P 'awk|python'root     11685  4074  0 00:20 pts/2    00:00:00 awk {system("sleep 10");print 123}root     11698 32581  0 00:20 pts/0    00:00:00 grep -P awk|python# 10秒过后[root@iZ23pynfq19Z ~]# python 1 | awk '{system("sleep 10");print 123}' 123

 

在上面也已经证明了上文提到的读写规则: 如果所有管道写端对应的文件描述符被关闭,将产生EOF结束标志，read返回0, 程序退出。

总结

通过上面的理论和实验, 我们知道在使用管道时, 两边命令的数据传输过程, 以及对管道读写规则有了初步的认识, 希望我们以后在工作时, 再接触管道时, 能够更加有把握的去利用这一强大的工具。