细说Java IO相关

细说Java IO相关

概述

　　在大部分的行业系统或者功能性需求中，对于程序员来说，接触到io的机会还是比较少的，其中大多也是简单的上传下载、读写文件等简单运用。最近工作中都是网络通信相关的应用，接触io、nio等比较多，所以尝试着深入学习并且描述下来。

　　io往往是我们忽略但是却又非常重要的部分，在这个讲究人机交互体验的年代，io问题渐渐成了核心问题。Java传统的io是基于流的io，从jdk1.4开始提供基于块的io，即nio，会在后面的文章介绍。

流

　　流的概念可能比较抽象，可以想象一下水流的样子。

　　io在本质上是单个字节的移动，而流可以说是字节移动的载体和方式，它不停的向目标处移动数据，我们要做的就是根据流的方向从流中读取数据或者向流中写入数据。

　　想象下倒水的场景：倒一杯水，水是连成一片往地上流动，而不是等杯中的水全部倒出悬浮在空中，然后一起掉落地面。最简单的Java流的例子就是下载电影，肯定不是等电影全部下载在内存中再保存到磁盘上，本质上是下载一个字节就保存一个字节。

　　一个流，必有源和目标，它们可以是计算机内存的某些区域，也可以是磁盘文件，甚至可以是Internet上的某个URL。流的方向是重要的，根据流的方向，流可分为两类：输入流和输出流。我们从输入流读取数据，向输出流写入数据。

io分类

　　Java对io的支持主要集中在io包下，显然可以分为下面两类：

1. 基于字节操作的io接口：InputStream 和 OutputStream
2. 基于字符操作的io接口：Writer 和 Reader

　　不管磁盘还是网络传输，最小的存储单位都是字节。但是程序中操作的数据大多都是字符形式的，所以Java也提供了字符型的流。io包下的类主要提供了io流本身的支持：流的形态，流里装的是什么。但是流并不等于io，还有很重要的一点：数据的传输方式，也就是数据写到哪里的问题，主要是以下两种：

1. 基于磁盘操作的io接口：File
2. 基于网络操作的io接口：Socket

　　对此Java的其他一些类库提供了支持。

字节流、字符流的io接口说明

　　字节流包括输入流InputStream和输出流OutputStream。字符流包括输入流Reader，

    InputStream相关类图如下，只列举了一级子类：

    

    InputStream提供了一些read方法供子类继承，用来读取字节。

    OutputStream相关类图如下：

    

    OutputStream提供了一些write方法供子类继承，用来写入字节。

    Reader相关类图如下：

    

    Reader提供了一些read方法供子类继承，用来读取字符。

    Writer相关类图如下：

    

    Writer提供了一些write方法供子类继承，用来写入字符。

    每个字符流子类几乎都会有一个相对应的字节流子类，两者功能一样，差别只是在于操作的是字节还是字符。例如CharArrayReader和 ByteArrayInputStream，两者都是在内存中建立数组缓冲区作为输入流，不同的只是前者数组用来存放字符，每次从数组中读取一个字符；后 者则是针对字节。

ByteArrayInputStream、CharArrayReader	为多线程的通信提供缓冲区操作功能。常用于读取网络中的定长数据包
ByteArrayOutputStream、CharArrayWriter	为多线程的通信提供缓冲区操作功能。常用于接收足够长度的数据后进行一次性写入
FileInputStream、FileReader	把文件写入内存作为输入流，实现对文件的读取操作
FileOutputStream、FileWriter	把内存中的数据作为输出流写入文件，实现对文件的写操作
StringReader	读取String的内容作为输入流
StringWriter	将数据写入一个String
SequenceInputStream	将多个输入流中的数据合并为一个数据流
PipedInputStream、PipedReader、PipedOutputStream、PipedWriter	管道流，主要用于2个线程之间传递数据
ObjectInputStream	读取对象数据作为输入流，对象中的 transient 和 static 类型的成员变量不会被读取或写入
ObjectOutputStream	将数据写入对象
FilterInputStream、FilterOutputStream、FilterReader、FilterWriter	过滤流通常源和目标是其他的输入输出流，大家可以看到有众多的子类，各有用途，就不一一介绍了

字节流和字符流转换

　　任何数据的持久化和网络传输都是以字节形式进行的，所以字节流和字符流之间必然存在转换问题。字符转字节是编码过程，字节转字符是解码过程。io包中提供了InputStreamReader和OutputStreamWriter用于字符和字节的转换。

　　来看一个小例子：

char[] charArr = new char[1];
StringBuffer sb = new StringBuffer();
FileReader fr = new FileReader("test.txt");
while(fr.read(charArr) != -1)
{
    sb.append(charArr);
}
System.out.println("编码:" + fr.getEncoding());
System.out.println("文件内容:" + sb.toString());

 　　FileReader类其实就是简单的包装一下FileInputStream，但是它继承InputStreamReader类，当调用read方法时其实调用的是StreamDecoder类的read方法，这个StreamDecoder正是完成字节到字符的解码的实现类。如下图：

　　

　　InputStream 到 Reader 的过程要指定编码字符集，否则将采用操作系统默认字符集，很可能会出现乱码问题。上例代码输出如下：

编码:UTF8
文件内容:hello�����Dz����ļ�!

　　再来看一个例子，换一个字符集：

char[] charArr = new char[1];
StringBuffer sb = new StringBuffer();
//设置编码
InputStreamReader isr = new InputStreamReader(
                                          new FileInputStream("D:/test.txt")
                                          , "GBK");
while(isr.read(charArr) != -1)
{
    sb.append(charArr);
}
System.out.println("编码:" + isr.getEncoding());
System.out.println("文件内容:" + sb.toString());        

　　输出正常：

编码:GBK
文件内容:hello！我是测试文件!

 　　编码过程也是类似的，就不再说了。

io包与设计模式

　　对于io包，下面的用法是经常看到的：

InputStream in = new BufferedInputStream(new ObjectInputStream(new FileInputStream(new File("xxx"))));

　　很自然的想到了Decorator(装饰器)模式，Java的io包属于Decorator模式的经典案例。GOF对于Decorator的适用性是这么描述的：

• 在不影响其他对象的情况下，以动态、透明的方式给单个对象添加职责。
• 处理那些可以撤销的职责。
• 当不能采用生成子类的方法进行扩充时。一种情况是，可能有大量独立的扩展，为支持每一种组合将产生大量的子类，使得子类数据呈爆炸性增长。另一种情况可能是因为类定义被隐藏，或类定义被隐藏，或类定义不能生成子类。

　　以InputStream为例。假设这么一种情况：现在只有InputStream类，需要根据需求设计它的子类。

　　需求1：读取某个文件到内存中的一个缓冲区的流

　　需求2：读取某个文件并提供行计数器的流

　　需求3：读取某个文件并反序列化为对象的流

　　理所应当，我们建立3个子类：FileBufferedInputStream、FileLineNumberInputStream、FileObjectInputStream。但是如果再来N个这样的需求，那么类图将会变为下图这样：

　　

　　出现了“类爆炸”的情况，java显然没有这样做，以InputStream为例，实际情况如下图：

　　

　　对应Decorator模式的类图，InputStream的角色是Component，它主要定义了read抽象方法；FileInputStream、ByteArrayInputStream、ObjectInputStream、PipedInputStream、 SequenceInputStream的角色是ConcreteComponent，它们都是具有某种功能的流。其中前四者，它们的源是byte数组、或者String对象、或者文件等，可以看作是真正的数据来源，被称作原始流。

　　FilterInputStream类即是Decorator模式中的Decorator角色，装饰器，部分代码如下：

protected volatile InputStream in;

protected FilterInputStream(InputStream in) {
　　this.in = in;
}

　　它派生出的多个子类即是ConcreteDecorator，用来给输入流加上不同的功能。它们的源通常都是其他的输入流，所以也叫它们链接流。

　　那么java为什么要这么设计呢？前面说的“类爆炸”是一个原因；另外通过子类来扩展基类功能是静态的，而装饰器模式是动态的添加组合功能，使用中非常灵活，并且减少了大量的功能重复。

　　另一种在io包中普遍存在的设计模式是Adapter(适配器)模式，以InputStream子类FileInputStream为例，部分代码如下：

/* File Descriptor - handle to the open file */
private FileDescriptor fd;

public FileInputStream(File file) throws FileNotFoundException {
   ...
   fd = new FileDescriptor();
   ...
}

　　在FileInputStream继承了InputStrem类型，同时持有一个对FileDiscriptor的引用。这是将一个FileDiscriptor对象适配成InputStrem类型的对象形式的适配器模式。如下图：

 　　

　　其他例子就不多说了。

磁盘IO工作机制

　　io中数据写到何处也是重要的一点，其中最主要的就是将数据持久化到磁盘。数据在磁盘上最小的描述就是文件，上层应用对磁盘的读和写都是针对文件而言的。在java中，以File类来表示文件，如：

File file = new File("D:/test.txt");

　　但是严格来说，File并不表示一个真实的存在于磁盘上的文件。就像上面代码的文件其实并不存在，File做的只是根据你所提供的文件描述符，返回某一路径的虚拟对象，它并不关心文件或路径是否存在，可能存在，也可能是捏造的。就好象一张名片，名片的背后代表的是人。为什么要这么设计？在我看来还是要提高访问磁盘的效率，有点延迟加载的意思。大部分情况下，我们最关心的并不是文件存不存在，而是文件要如何操作。比如你手里有很多名片，你可能更关心的是有没有某某局长的名片，而只有在需要联系时，才发现名片是假的。也就是关心名片本身要强过名片的真伪。

　　以FileInputStream读取文件为例，过程是这样的：当传入一个文件路径时，会根据这个路径创建File对象，作为这个文件的一个“名片”。当我们试图通过FileInputStream对象去操作文件的时候，将会真正创建一个关联真实存在的磁盘文件的文件描述符FileDescriptor，通过FileInputStream构造方法可以看出：

fd = new FileDescriptor();

　　如果说File是文件的名片，那么FileDescriptor就是真正指向了一个打开的文件，可以操作磁盘文件。例如FileDescriptor.sync()方法可以将缓存中的数据强制刷新到磁盘文件中。如果我们需要读取的是字符，还需要通过StreamDecoder类将字节解码成字符。至于如何从物理磁盘上读取数据，那就是操作系统做的事情了。过程如图（图摘自网上）：

　　

Socket工作机制

　　Socket要说起来并不那么形象，它的中文翻译是“插座”，至于“套接字”这个翻译我实在不知道从何而来。可以这样理解插座的概念，由于本身有电网的存在，如果我们买了一台新电器，我们只要插上插座连接到电网上就能够使用。Socket就像一个插座，计算机通过Socket就能和网络或者其他计算机上进行通讯；当有数据通讯的需求时，只需要建立一个Socket“插座”，通过网卡与其他计算机相连获取数据。

　　Socket位于传输层和应用层之间，向应用层统一提供编程接口，应用层不必知道传输层的协议细节。Java中对Socket的支持主要是以下两种：

　　(1)基于TCP的Socket:提供给应用层可靠的流式数据服务，使用TCP的Socket应用程序协议：BGP，HTTP，FTP，TELNET等。优点：基于数据传输的可靠性。

　　(2)基于UDP的Socket：适用于数据传输可靠性要求不高的场合。基于UDP的Socket应用程序协议：RIP，SNMP，L2TP等。

　　大部分情况下我们使用的都是基于TCP/IP协议的流Socket，因为它是一种稳定的通信协议。以此为例：

　　一台计算机要和另一台计算机进行通讯，获取其上应用程序的数据，必须通过Socket建立连接，要知道对方的IP和端口号。建立一个Socket连接需要通过底层TCP/IP协议来建立TCP连接，而建立TCP连接必须通过底层IP协议根据给定的IP在网络中找到目标主机。目标计算机上可能跑着多个应用，所以我们必须要根据端口号来制定目标应用程序，这样就可以通过一个 Socket 实例唯一代表一个主机上的一个应用程序的通信链路了。

　　那么Socket是如何建立通讯链路的呢？

　　假设有一台计算机作为客户端，另一台作为服务端。当客户端需要向服务端通信，客户端首先要创建一个Socket实例：

Socket socket = new Socket("127.0.0.1",1234);

　　若没有指定端口号，操作系统将为这个Socket实例分配一个没有被使用的本地端口号。此外创建了一个包含本地和远程地址和端口号的套接字数据结构，这个数据结构将一直保存在系统中直到这个连接关闭，代码如下：

public Socket(String host, int port)
    throws UnknownHostException, IOException
{
    this(host != null ? new InetSocketAddress(host, port) :
         new InetSocketAddress(InetAddress.getByName(null), port),
         (SocketAddress) null, true);
}

　　客户端试图和服务端建立TCP连接，此时会进行三次握手。

　　第一次握手：建立连接时，客户端发送syn包(syn=j)到服务器，并进入SYN_SEND状态，等待服务器确认；

　　第二次握手：服务器收到syn包，必须确认客户的SYN（ack=j+1），同时自己也发送一个SYN包（syn=k），即SYN+ACK包，此时服务器进入SYN_RECV状态；

　　第三次握手：客户端收到服务器的SYN＋ACK包，向服务器发送确认包ACK(ack=k+1)，此包发送完毕，客户端和服务器进入ESTABLISHED状态，完成三次握手。

　　

　　完成三次握手后Socket的构造函数成功返回，Socket实例创建完毕。

　　互联网是一种尽力而为（best－effort）的网络，客户端的起始消息或服务器端的回复消息都可能在传输过程中丢失。出于这个原因，TCP 协议实现将以递增的时间间隔重复发送几次握手消息。如果TCP客户端在一段时间后还没有收到服务器的返回消息，则发生超时并放弃连接。这种情况下，构造函数将抛出IOException 异常。

　　而服务端也需要创建与之对应的ServerSocket，ServerSocket的创建比较简单，只需要指定端口号：

ServerSocket serverSocket = new ServerSocket(10001);

　　同时操作系统也会为ServerSocket实例创建一个底层数据结构：

bind(new InetSocketAddress(bindAddr, port), backlog);　　//见构造方法

　　这个数据结构中包含指定监听的端口号和包含监听地址的通配符，通常情况下是监听所有地址，下面是比较典型的ServerSocket代码：

public void testSocket() throws Exception
{
    ServerSocket serverSocket = new ServerSocket(10002);
    Socket socket = null;
    try
    {
        while (true)
        {
            socket = serverSocket.accept();
            System.out.println("socket连接：" + socket.getRemoteSocketAddress().toString());
            BufferedReader in = new BufferedReader(new InputStreamReader(socket.getInputStream()));
            while(true)
            {
                String readLine = in.readLine();
                System.out.println("收到消息" + readLine);
                if("end".equals(readLine))
                {
                    break;
                }
                //客户端断开连接
                socket.sendUrgentData(0xFF);
            }
        }
    }
    catch (SocketException se)
    {
        System.out.println("客户端断开连接");
    }
    catch (IOException e)
    {
        e.printStackTrace();
    }
    finally
    {
        System.out.println("socket关闭：" + socket.getRemoteSocketAddress().toString());
        socket.close();
    }
}   

 　　当调用accept()方法时，服务端将进入阻塞状态，等待客户端的请求。当有客户端请求到来时，将为这个链接创建一个套接字数据结构，包括请求客户端的地址和端口号。该数据结构将被关联到ServerSocket实例的一个未连接列表里。此时连接并没有成功建立，处于三次握手阶段，Socket构造函数并未成功返回。当三次握手成功后，会将Socket实例对应的数据结构从未完成列表移到完成列表中。所以 ServerSocket 所关联的列表中每个数据结构，都代表与一个客户端的建立的 TCP 连接。

　　当连接成功创建后，我们要做的就是传输数据，这才是主要目的。如上例代码，在客户端和服务端都有一个Socket实例，而每个Socket实例都会拥有一个InputStream和OutputStream，我们正是通过它们传输数据。当Socket对象创建时，操作系统将会为InputStream和OutputStream分别分配一定大小的缓冲区，数据的写入和读取都是通过缓存区完成的。发送端的缓冲区称之为SendQ，是一个FIFO的队列，接收端的缓冲区称之为RecvQ，同样也是FIFO队列。

　　数据传输时，发送端将数据写入到OutputStream对应的SendQ队列中，以字节为单位发送到接收端InputStream的RecvQ队列中。当SendQ队列填满时，发送端的write方法将会阻塞住；而当RecvQ队列中没有数据时，接收端的read方法也将被阻塞。

　　一些情况下，客户端和服务端之间可能会产生死锁问题，例如：

• 如果在连接建立后，客户端和服务器端都立即尝试接收数据，显然将导致死锁。
• 客户端和服务端都尝试向对方write数据，并且数据长度大于两端缓冲区的和。此时会导致不管客户端还是服务端RecvQ和SendQ都满了，剩下的数据无法发送，两个write操作都不能完成，两个程序都将永远保持阻塞状态，产生死锁。

　　死锁的问题是要注意的，需要对数据的写入和读取做一个协调，解决死锁的方式可以使用多线程，也可以使用非阻塞的io，这里就不再深究了。

　　关于Java中IO的内容大概就说这么多了，后面会写写NIO的内容。