【JAVA】普通IO数据拷贝次数的问题探讨

最近看到网上有些文章在讨论JAVA中普通文件IO读/写的时候经过了几次数据拷贝，如果从系统调用开始分析，以读取文件为例，数据的读取过程如下（以缓存I/O为例）：

应用程序调用read函数发起系统调用，此时由用户空间切换到内核空间;
内核通过DMA从磁盘拷贝数据到内核缓冲区;
将内核缓冲区的数据拷贝到用户空间的缓冲区，回到用户空间;

整个读取过程发生了两次数据拷贝，一次是DMA将磁盘上的文件数据拷贝到内核缓冲区，一次是将内核缓冲区的数据拷贝到用户缓冲区。

在JAVA中，JVM划分了堆内存，平时创建的对象基本都在堆中，不过也可以通过NIO包下的ByteBuffer申请堆外内存DirectByteBuffer:

ByteBuffer.allocateDirect(size);

无论是普通IO或者是NIO，在进行文件读写的时候一般都会创建一个buffer作为数据的缓冲区，读写相关方法底层是通过调用native函数（JNI调用）来实现的，在进行读写时将buffer传递给JNI。
JNI一般使用C/C++代码实现，JNI底层调用C函数库时，要求buffer所在内存地址上的内容不能失效，但是JVM在进行垃圾回收的时候有可能对对象进行移动，导致地址发生变化，所以通过NIO进行文件读取的时候，从源码中可以明显看到对buffer的对象类型进行了判断，如果buffer是DirectByteBuffer类型，使用的是堆外内存，直接使用即可，反之则认为使用的是堆内内存，此时需要先申请一块堆外内存作为堆外内存buffer，然后进行系统调用，进行数据读取，读取完毕后将堆外内存buffer的内容再拷回JVM堆内内存buffer中，这里一般是没有疑问的。

比较有疑问的点是在普通IO中，读写文件传入的是字节数组byte[]，一种说法是数组一般分配的是连续的内存空间，即使内存地址发生了变化，根据数组的首地址依旧可以找到整个数组的内存，所以使用普通IO进行文件读写的时候，不需要重新分配堆外内存，直接使用堆内的字节数组即可，为了探究普通IO到底有没有重新申请堆外内存，接下来我们去看下源码。

普通IO

首先来看一下使用普通IO进行文件读取的例子，创建一个文件输入流和字节数组，通过输入流读取文件到字节数组中，这里的字节数组占用的是JVM的堆内内存：

   // 创建输入流
    try (InputStream is = new FileInputStream("/document/123.txt")) {
        // 创建字节数组（堆内内存）
        byte[] bytes = new byte[1024];
        int len = 0;
        // 通过read方法读取数据到bytes数组
        while ((len = is.read(bytes)) != -1){
            String content = new String(bytes, 0, len);
            System.out.print(content);
        }
        is.read(bytes);
    } catch (Exception e) {
        e.printStackTrace();
    }

由于输入流使用的FileInputStream，所以读取文件会进入到FileInputStream中的read方法，可以看到里面又调用了readBytes方法，readBytes是一个native方法，里面传入了三个参数，分别为存放数据的字节数组、读取文件的起始位置和读取数据的长度：

public class FileInputStream extends InputStream {
    /**
     * 读取数据
     */
    public int read(byte b[]) throws IOException {
        return readBytes(b, 0, b.length);
    }

    /**
     * 读取字节数据
     * @param b 数据读取后放入的字节数组
     * @param off 读取起始位置
     * @param len 读取数据的长度
     * @exception IOException If an I/O error has occurred.
     */
    private native int readBytes(byte b[], int off, int len) throws IOException;
}

接下来就需要去readBytes中看下到底有没有使用传入的堆内内存进行数据拷贝，由于readBytes是native方法，所以需要借助openjdk源码来查看具体的实现过程。

openjdk源码下载地址：http://hg.openjdk.java.net/

这里以openjdk1.8为例，看一下readBytes的实现过程。

readBytes方法在源码解压后的src\share\native\java\io\io_util.h文件中，它的处理逻辑如下：

创建一个字符数组stackBuf（堆外内存），大小为BUF_SIZE，从BUF_SIZE的定义中可以看出大小为8192字节
对读取数据长度进行判断，如果大于8192，则根据长度重新分配一块内存（堆外内存）作为数据缓冲区赋给buf变量，如果小于就使用预先分配的字符数组stackBuf赋给buf变量
调用IO_Read函数读取数据到buf变量中，IO_Read函数中进行了系统调用，通过DMA从磁盘读取数据到内核缓冲区
调用SetByteArrayRegion将buf数据拷贝到bytes数组中

从readBytes的处理逻辑来看，并没有直接使用传入的字节数组（堆内内存）进行数据拷贝，而是重新分配了内存，这里分配的是堆外内存，然后进行系统调用从磁盘读取数据到内核缓冲区，再将内核缓冲区的数据拷贝到这里分配的堆外内存中，最后调用SetByteArrayRegion将堆外内存的数据拷贝到堆内内存字节数组中。

/* 最大buffer大小
 */
#define BUF_SIZE 8192

// bytes对应传入的字节数组（堆内内存），off对应起始位置，len对应读取数据的长度
jint
readBytes(JNIEnv *env, jobject this, jbyteArray bytes,
          jint off, jint len, jfieldreadBytesID fid)
{
    jint nread;
    // 创建一个字符数组，大小为BUF_SIZE，这里分配的是堆外内存
    char stackBuf[BUF_SIZE];
    // 数据缓冲区
    char *buf = NULL;
    FD fd;
    // 校验bytes是否为空
    if (IS_NULL(bytes)) {
        JNU_ThrowNullPointerException(env, NULL);
        return -1;
    }
    // 校验是否越界
    if (outOfBounds(env, off, len, bytes)) {
        JNU_ThrowByName(env, "java/lang/IndexOutOfBoundsException", NULL);
        return -1;
    }
    if (len == 0) { // 如果读取数据长度为0直接返回
        return 0;
    } else if (len > BUF_SIZE) { // 如果读取长度大于BUF_SIZE
        buf = malloc(len); // 分配内存（堆外内存）
        if (buf == NULL) {
            JNU_ThrowOutOfMemoryError(env, NULL);
            return 0;
        }
    } else {
        // 使用预先分配的数组
        buf = stackBuf;
    }

    fd = GET_FD(this, fid);
    if (fd == -1) {
        JNU_ThrowIOException(env, "Stream Closed");
        nread = -1;
    } else {
        // 数据读取
        nread = IO_Read(fd, buf, len);
        if (nread > 0) {
            // 将数据拷贝到堆内内存bytes中
            (*env)->SetByteArrayRegion(env, bytes, off, nread, (jbyte *)buf);
        } else if (nread == -1) {
            JNU_ThrowIOExceptionWithLastError(env, "Read error");
        } else { /* EOF */
            nread = -1;
        }
    }

    if (buf != stackBuf) {
        free(buf);
    }
    return nread;
}

由于操作系统不同，系统调用的方法也不同，这里以UNIX为例，看下IO_Read函数的具体实现。

IO_Read函数的定义在解压后的src\solaris\native\java\io\io_util_md.h文件中，可以看到IO_Read指向的是handleRead方法：

#define IO_Read handleRead

在handleRead在src\solaris\native\java\io\io_util_md.c中实现，可以看到里面进行了系统调用，通过read函数读取数据：

ssize_t
handleRead(FD fd, void *buf, jint len)
{
    ssize_t result;
    // 进行系统调用，通过read函数读取数据
    RESTARTABLE(read(fd, buf, len), result);
    return result;
}

普通IO数据读取流程总结

发起JNI调用，创建堆外缓冲区；
JNI中发起read系统调用，此时需要由用户空间切换到内核空间；
进入到内核空间，DMA读取文件数据到内核缓冲区；
将内核缓冲区的数据拷贝到用户缓冲区，切换回用户空间；
将堆外缓冲区的数据拷贝到JVM堆内缓冲区中；

普通IO文件读取过程中并没有因为使用字节数组而减少一次拷贝，读取过程中数据发生了三次拷贝，分别是从DMA读取数据到内核缓冲区、从内核缓冲区拷贝到用户空间的堆外缓冲区和从堆外缓冲区拷贝到JVM堆内缓冲区。

文件写入的逻辑与读取类似，具体可以通过源码查看。

NIO

接下来再来看下NIO读取文件的过程。
使用NIO的FileChannel读取文件的例子：

		try (FileInputStream fileInputStream = new FileInputStream("/document/123.txt")) {
			// 获取文件对应的channel
			FileChannel channel = fileInputStream.getChannel();
                       // 分配buffer
			ByteBuffer buffer = ByteBuffer.allocate(1024);
			// 将数据读取到buffer
			channel.read(buffer);
		} catch (Exception e) {
			e.printStackTrace();
		}

接下来进入到FileChannelImpl的read方法中，由于jdk中没有sun包下面的源码，IDEA只能通过反编译查看源码，有些参数会是var1、var2...这样的变量名，不便于阅读，所以还可以借助openjdk中的源码来查看实现，当然也可以从网上下载sun包的源码，放入jdk的源码包中。

FileChannelImpl在src/share/classes/sun/nio/ch/FileChannelImpl.java中，里面又是通过IOUtil的read方法读取数据放入buffer中的：

public class FileChannelImpl extends FileChannel {
   public int read(ByteBuffer dst) throws IOException {
        ensureOpen();
        if (!readable)
            throw new NonReadableChannelException();
        synchronized (positionLock) {
            int n = 0;
            int ti = -1;
            try {
                begin();
                ti = threads.add();
                if (!isOpen())
                    return 0;
                do {
                    // 通过IOUtil的read方法读取数据，fd为文件描述符，dst为传入的buffer
                    n = IOUtil.read(fd, dst, -1, nd);
                } while ((n == IOStatus.INTERRUPTED) && isOpen());
                return IOStatus.normalize(n);
            } finally {
                threads.remove(ti);
                end(n > 0);
                assert IOStatus.check(n);
            }
        }
    }
}

IOUtil在src/share/classes/sun/nio/ch/IOUtil.java中，可以看到首先对传入的buffer类型进行了判断：

如果是DirectBuffer，直接调用readIntoNativeBuffer读取数据即可;
如果不是DirectBuffer，表示占用的堆内内存，此时需要Util的getTemporaryDirectBuffer申请一块堆外内存，然后调用readIntoNativeBuffer读取数据;

public class IOUtil {
    static int read(FileDescriptor fd, ByteBuffer dst, long position,
                    NativeDispatcher nd)
        throws IOException
    {
        if (dst.isReadOnly())
            throw new IllegalArgumentException("Read-only buffer");
        // 如果目标buffer是DirectBuffer
        if (dst instanceof DirectBuffer)
            return readIntoNativeBuffer(fd, dst, position, nd); // 直接读取数据

        // 重新分配一块native buffer,也就是堆外内存
        ByteBuffer bb = Util.getTemporaryDirectBuffer(dst.remaining());
        try {
            // 读取数据
            int n = readIntoNativeBuffer(fd, bb, position, nd);
            bb.flip();
            if (n > 0)
                dst.put(bb);
            return n;
        } finally {
            Util.offerFirstTemporaryDirectBuffer(bb);
        }
    }
}

Util在src/share/classes/sun/nio/ch/Util.java中。
在Util中，使用了ThreadLocal缓存了每个线程申请的内存buffer,在调用
getTemporaryDirectBuffer方法获取内存时，首先会根据大小从ThreadLocal中获取是否有满足条件的buffer，如果有直接返回即可，如果大小不够则重新申请，可以看到申请的是堆外内存：

public class Util {
    // Per-thread cache of temporary direct buffers
    private static ThreadLocal<BufferCache> bufferCache =
        new ThreadLocal<BufferCache>()
    {
        @Override
        protected BufferCache initialValue() {
            // 初始化，创建一个BufferCache
            return new BufferCache();
        }
    };
    
     /**
     * Returns a temporary buffer of at least the given size
     */
    public static ByteBuffer getTemporaryDirectBuffer(int size) {
        // 先从缓存中获取
        BufferCache cache = bufferCache.get();
        ByteBuffer buf = cache.get(size);
        // 如果获取不为空
        if (buf != null) {
            return buf;
        } else {
            // 如果没有合适的buffer则重新申请
            if (!cache.isEmpty()) {
                buf = cache.removeFirst();
                free(buf);
            }
            // 申请堆外内存
            return ByteBuffer.allocateDirect(size);
        }
    }
}

ByteBuffer的allocateDirect方法返回的是DirectByteBuffer：

public abstract class ByteBuffer extends Buffer implements Comparable<ByteBuffer>

    public static ByteBuffer allocateDirect(int capacity) {
        // 创建DirectByteBuffer
        return new DirectByteBuffer(capacity);
    }
}

参考

Java NIO direct buffer的优势在哪儿？

JAVA IO专题一：java InputStream和OutputStream读取文件并通过socket发送，到底涉及几次拷贝

posted @ 2022-09-25 18:19 shanml 阅读(979) 评论(0) 编辑收藏举报

刷新页面返回顶部

SHAN_CODE_NOTE

【JAVA】普通IO数据拷贝次数的问题探讨

普通IO

NIO

公告