缓冲与页面缓存

复习

目录与路径：用树形名字组织大量文件
文件怎样落到磁盘：数据块、元数据和索引节点的基本关系
文件分配与空闲空间：数据块怎样找到、占用和回收

TL;DR

磁盘很慢，直接读写会让程序等很久
用内存做缓冲，暂存要读写的数据
页面缓存把最近访问的磁盘块留在内存里，再访问就命中
写操作也可以先在内存里攒着，合适时再一次性写回磁盘

正文

　　磁盘比内存慢成千上万倍。如果每次读写都老老实实等磁盘，程序会慢得难以忍受。于是又轮到那个熟悉的词登场：缓存。

缓冲

　　最基本的做法是缓冲（buffering）：在内存里留一小块地方，作为数据的中转站。

读：先把要用的数据从磁盘读进缓冲区，程序从缓冲区取
写：程序先把数据写进缓冲区，再由系统在合适的时候写到磁盘

　　这样一来，程序不必每次都直接面对慢吞吞的磁盘。而且如果发现“接下来可能还要用”，还能一次多读一点。

页面缓存

　　把缓冲的思路放大，就得到了页面缓存（page cache）：内核把最近访问过的磁盘块，按页的形式留在内存里。

读请求来了，先看页面缓存里有没有
命中：直接从内存返回，根本不碰磁盘
缺失：才去磁盘读，读回来顺便存进缓存，供下次使用

　　因为访问有局部性，命中率往往很高，磁盘访问次数因此大幅下降。注意，这和我们前面讲的“页缓存”其实是同一套思路在不同层级的应用：地址转换有 TLB，内存访问有 CPU 缓存，磁盘访问就有页面缓存——哪里慢，就在它前面加一层快缓存。

写也要讲究

　　写操作如果每次都立刻写磁盘，依旧会很慢。于是通常允许延迟写：

数据先写进页面缓存，标记为“脏”（和磁盘不一致）
攒一攒，合并相邻的写，等到合适时机再统一写回磁盘

　　好处是：多次小写可以合并成一次大写，磁盘效率高得多。代价是：数据在写回之前只存在于内存，一旦此时断电，就可能丢失——这正是下一章要面对的问题。

思考题

　　“延迟写”能大幅提升性能，但也带来风险。如果系统在数据还没写回磁盘时断电，会发生什么？这和数据库、编辑器的“保存”有什么相似之处？

小结

知识点

缓冲：内存中转，减少直接面对磁盘
页面缓存：把最近访问的磁盘块留在内存
命中直接返回，缺失才访问磁盘
延迟写：攒着并合并写，提升效率但有丢数据风险

参考资料

Wikipedia(zh)：页面缓存：page cache
Wikipedia(zh)：缓冲区：buffer

思考题答案（仅供参考）

　　数据还没写回磁盘，就只存在于内存里。断电会让内存内容全部丢失，于是这些“以为已经保存”的数据其实没了。这和很多软件的“保存”一样：点了保存，数据往往先进了操作系统的缓存，并不立刻落到磁盘；所以重要文件写完，常需要“安全弹出”或等待写回完成。理解“缓存里的数据还不是真的安全”，能帮我们避免很多数据丢失的坑。

协议

　　本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

封面图

设计师 | 南国微雪