1.从根上理解IO等待—案例篇
2.fsIO调度算法之NOOP
3.redis源码解读（一）：事件驱动的指标io模型，为什么，源码是指标什么，怎么做
4.Autoware.io源码编译安装
5.这是源码一份很全很全的IO基础知识与概念
6.go源码解析之TCP连接（六）——IO多路复用之事件注册

从根上理解IO等待—案例篇

       当系统显示I/O等待指标上升，意味着进程在等待硬件资源响应，指标进入不可中断睡眠状态。源码怎么阅读jar源码在D状态，指标进程无法被任何信号中断，源码即使强制终止也无效。指标使用ps或top命令可见此类进程。源码

       不同状态的指标进程如何识别？top和ps工具帮助我们理解。R状态表示运行，源码D状态是指标Disk Sleep的缩写，表示进程处于不可中断睡眠状态，源码常见于等待磁盘I/O。指标Z状态表示进程终止，是僵尸进程，停留在进程表中直到父进程处理。S状态是可中断的睡眠状态，可被信号中断。I状态则是空闲状态，适用于内核线程。

       D状态进程导致平均负载升高，I状态则不会。理解这些状态有助于评估系统性能和进程行为。

       除了R、D、Z、S、I状态，进程还有T或t状态，表示暂停或跟踪状态，接收到SIGSTOP信号时出现。X状态是Dead状态，表示进程终止且不在top或ps命令输出中。

       案例分析：多进程应用中，大量进程处于D状态，僵尸进程增加，I/O等待高。应用在C语言下开发，通过Docker容器模拟环境。ps命令确认应用启动，显示Ss+和D+状态，s表示领导进程，+为前台进程组。top命令显示平均负载升高至CPU个数，僵尸进程持续增加，CPU使用率不高，java实例1200源码但iowait分别为.5%和.6%，用户CPU使用率0.3%。分析后发现，iowait升高与磁盘读请求大相关，应用进程在进行直接磁盘I/O操作。

       为了解决iowait问题，首先使用dstat命令查看系统I/O情况，确认问题出在磁盘读操作。使用top命令定位到D状态的可疑进程，再通过pidstat命令获取进程详细信息，发现app进程进行大量磁盘读操作，每秒读取MB数据。使用strace命令跟踪进程系统调用，发现app进程通过sys_read系统调用进行磁盘直接读取，绕过了系统缓存。

       为了解决直接读取磁盘的问题，修改应用源代码，删除O_DIRECT选项，避免直接磁盘I/O。运行修改后的代码，iowait降低至0.3%，问题得到解决。但僵尸进程问题依然存在，通过pstree命令找到僵尸进程的父进程，检查其源代码，发现wait函数错误地放在循环外部，导致无法正确回收子进程资源。修复wait函数调用位置，确保每次循环都调用wait函数等待子进程结束。停止应用，重新运行修复后的代码，最终僵尸进程消失，iowait降至0，问题解决。

fsIO调度算法之NOOP

       NOOP，全称为No Operation，即电梯式调度算法。在Linux2.4或更早版本的系统中，它是唯一的I/O调度算法。NOOP实现了一个简单的FIFO队列，其运作原理类似于电梯的工作方式，将新来的I/O请求合并到最近的请求之后，从而保证了请求在同一介质上的连续性。NOOP倾向于优先处理写请求，对读请求较为不利。在闪存设备、RAM和嵌入式系统中，咪嘻吧源码NOOP表现最佳。

       电梯算法导致读请求“饿死”的原因在于，写请求比读请求更容易处理。写请求通过文件系统缓存，无需等待一次写操作完成即可开始下一次写操作。写请求可以通过合并和堆积在I/O队列中。而读请求需要在前面的所有读操作完成后才能进行下一次读操作。在读操作之间存在几毫秒的等待时间，而在此期间，新的写请求到来，导致后续的读请求“饿死”。

       在Linux 3.0版本中，对NOOP调度器进行了优化和改进。

       在I/O调度器NOOP中，请求的处理流程如下：

       1. 向前合并请求：`noop_merged_requests`。

       

参考资料：

       IO调度器NOOP与deadline源码级分析 - hiyachen - ChinaUnix博客

redis源码解读（一）：事件驱动的io模型，为什么，是什么，怎么做

       Redis作为一个高性能的内存数据库，因其出色的读写性能和丰富的数据结构支持，已成为互联网应用不可或缺的中间件之一。阅读其源码，可以了解其内部针对高性能和分布式做的种种设计，包括但不限于reactor模型（单线程处理大量网络连接），定时任务的实现（面试常问），分布式CAP BASE理论的实际应用，高效的数据结构的实现，其次还能够通过大神的代码学习C语言的编码风格和技巧，让自己的代码更加优雅。

       下面进入正题：为什么需要事件驱动的io模型

       我们可以简单地将一个服务端程序拆成三部分，接受请求->处理请求->返回结果，其中接收请求和处理请求便是我们常说的网络io。那么网络io如何实现呢，首先我们介绍最基础的io模型，同步阻塞式io，也是很多同学在学校所学的“网络编程”。

       使用同步阻塞式io的单线程服务端程序处理请求大致有以下几个步骤

       其中3,4步都有可能使线程阻塞（6也会可能阻塞，这里先不讨论）

       在第3步，如果没有客户端请求和服务端建立连接，那么服务端线程将会阻塞。如果redis采用这种io模型，那主线程就无法执行一些定时任务，比如过期key的清理，持久化操作，集群操作等。

       在第4步，如果客户端已经建立连接但是国外图床源码没有发送数据，服务端线程会阻塞。若说第3步所提到的定时任务还可以通过多开两个线程来实现，那么第4步的阻塞就是硬伤了，如果一个客户端建立了连接但是一直不发送数据，服务端便会崩溃，无法处理其他任何请求。所以同步阻塞式io肯定是不能满足互联网领域高并发的需求的。

       下面给出一个阻塞式io的服务端程序示例：

       刚才提到，阻塞式io的主要问题是，调用recv接收客户端请求时会导致线程阻塞，无法处理其他客户端请求。那么我们不难想到，既然调用recv会使线程阻塞，那么我们多开几个几个线程不就好了，让那些没有阻塞的线程去处理其他客户端的请求。

       我们将阻塞式io处理请求的步骤改造下：

       改造后，我们用一个线程去做accept，也就是获取已经建立的连接，我们称这个线程为主线程。然后获取到的每个连接开一个新的线程去处理，这样就能够将阻塞的部分放到新的线程，达到不阻塞主线程的目的，主线程仍然可以继续接收其他客户端的连接并开新的线程去处理。这个方案对高并发服务器来说是一个可行的方案，此外我们还可以使用线程池等手段来继续优化，减少线程建立和销毁的开销。

       将阻塞式io改为多线程io：

       我们刚才提到多线程可以解决并发问题，然而redis6.0之前使用的是单线程来处理，之所以用单线程，官方给的答复是redis的瓶颈不在cpu，既然不在cpu那么用单线程可以降低系统的复杂度，避免线程同步等问题。如何在一个线程中非阻塞地处理多个socket，进而实现多个客户端的并发处理呢，那就要借助io多路复用了。

       io多路复用是操作系统提供的另一种io机制，这种机制可以实现在一个线程中监控多个socket，返回可读或可写的socket，当一个socket可读或可写时再去操作它，这样就避免了对某个socket的阻塞等待。

       将多线程io改为io多路复用：

       什么是事件驱动的io模型（Reactor）

       这里只讨论redis用到的单线程Reactor模型

       事件驱动的io模型并不是一个具体的调用，而是高并发服务器的一种抽象的编程模式。

       在Reactor模型中，有三种事件：

       与这三种事件对应的，有三种handler，负责处理对应的事件。我们在一个主循环中不断判断是视频云源码下载否有事件到来（一般通过io多路复用获取事件），有事件到来就调用对应的handler去处理时间。

       听着玄乎，实际上也就这一张图：

       事件驱动的io模型在redis中的实现

       以下提及的源码版本为 5.0.8

       文字的苍白的，建议参照本文最后的方法下载代码，自己调试下

       整体框架

       redis-server的main方法在 src/server.c 最后，在main方法中，首先进行一系列的初始化操作，最后进入进入Reactor模型的主循环中：

       主循环在aeMain函数中，aeMain函数传入的参数 server.el ，是一个 aeEventLoop 类型的全局变量，保存了主循环的一些状态信息，包括需要处理的读写事件、时间事件列表，epoll相关信息，回调函数等。

       aeMain函数中，我们可以看到当 eventLoop->stop 标志位为0时，while循环中的内容会被重复执行，每次循环首先会调用beforesleep回调函数，然后处理时间。beforesleep函数在main函数中被注册，会进行集群状态更新、AOF落盘等任务。

       之所以叫beforesleep，是因为aeProcessEvents函数中包含了获取事件和处理事件的逻辑，其中获取读写事件时通过epoll_wait实现，会将线程阻塞。

       在aeProcessEvents函数中，处理读写事件和时间事件，参数flags定义了需要处理的事件类型，我们可以暂时忽略这个参数，认为读写时间都需要处理。

       aeProcessEvents函数的逻辑可以分为三个部分，首先获取距离最近的时间事件，这一步的目的是为了确定epoll_wait的超时时间，并不是实际处理时间事件。

       第二个部分为获取读写事件并处理，首先调用epoll_wait，获取需要处理的读写事件，超时时间为第一步确定的时间，也就是说，如果在超时时间内有读写事件到来，那么处理读写时间，如果没有读写时间就阻塞到下一个时间事件到来，去处理时间事件。

       第三个部分为处理时间事件。

       事件注册与获取

       上面我们讲了整体框架，了解了主循环的大致流程。接下来我们来看其中的细节，首先是读写事件的注册与获取。

       redis将读、写、连接事件用结构aeFileEvent表示，因为这些事件都是通过epoll_wait获取的。

       事件的具体类型通过mask标志位来区分。aeFileEvent还保存了事件处理的回调函数指针（rfileProc、wfileProc）和需要读写的数据指针（clientData）。

       既然读写事件是通过epoll io多路复用实现，那么就避不开epoll的三部曲 epoll_create epoll_ctrl epoll_wait，接下来我们看下redis对epoll接口的封装。

       我们之前提到aeMain函数的参数是一个 aeEventLoop 类型的全局变量，aeEventLoop中保存了epoll文件描述符和epoll事件。在aeApiCreate函数（src/ae_epoll.c）中，会调用epoll_create来创建初始化epoll文件描述符和epoll事件，调用关系为 main -> initServer -> aeCreateEventLoop -> aeApiCreate

       调用epoll_create创建epoll后，就可以添加需要监控的文件描述符了，需要监控的情形有三个，一是监控新的客户端连接连接请求，二是监控客户端发送指令，也就是读事件，三是监控客户端写事件，也就是处理完了请求写回结果。

       这三种情形在redis中被抽象为文件事件，文件事件通过函数aeCreateFileEvent（src/ae.c）添加，添加一个文件事件主要包含三个步骤，通过epoll_ctl添加监控的文件描述符，指定回调函数和指定读写缓冲区。

       最后是通过epoll_wait来获取事件，上文我们提到，在每次主循环中，首先根据最近到达的时间事件来计算epoll_wait的超时时间，然后调用epoll_wait获取事件，再处理事件，其中获取事件在函数aeApiPoll（src/ae_epoll.c）中。

       获取到事件后，主循环中会逐个调用事件的回调函数来处理事件。

       读写事件的实现

       写累了，有空补上……

       如何使用vscode调试redis源码

       编译出二进制程序

       这一步有可能报错：

       jemalloc是内存分配的一种更高效的实现，用于代替libc的默认实现。这里报错找不到jemalloc，我们只需要将其替换成libc默认实现就好：

       如果报错：

       我们可以在src目录找到一个脚本名为mkreleasehdr.sh，其中包含创建release.h的逻辑，将报错信息网上翻可以发现有一行：

       看来是这个脚本没有执行权限，导致release.h没有成功创建，我们需要给这个脚本添加执行权限然后重新编译：

       2. 创建调试配置（vscode）

       创建文件 .vscode/launch.json，并填入以下内容：

       然后就可以进入调试页面打断点调试了，main函数在 src/server.c

Autoware.io源码编译安装

       要编译安装Autoware.io，首先请确保已安装ROS1，如Ubuntu .版本的Melodic。以下步骤将指导你完成依赖安装及源码编译过程。

       安装依赖

       1. 对于CUDA的支持（可选但建议），你需要下载CUDA .0，链接位于developer.nvidia.com/cuda。安装时，遇到驱动安装询问时选择n，后续步骤默认安装即可。

       2. 安装cudnn，从developer.nvidia.com/rd...获取并进行安装。在cuda目录下进行软链接配置，并通过验证测试。

       其他依赖安装

       3. 安装eigen3.3.7，接着是opencv3，安装时需先安装依赖库，然后解压、配置和编译。

       源码下载与编译

       4. 创建新的工作区，下载并配置工作区，然后下载Autoware.ai源码。

       5. 使用rosdep安装依赖库，有CUDA版本和无CUDA版本两种编译方式。

       测试与问题解决

       6. 下载并运行demo，可能遇到的问题包括编译错误和链接问题。

       问题1：calibration_publisher报错，需修改CMakeList.txt文件。

       问题2：ndt_gpu编译错误，需替换Eigen3Config.cmake文件中的版本信息。

       问题3：opencv链接问题，需要检查和调整。

       问题4：rosdep更新慢，可通过修改源码和配置文件解决。

       问题5：runtime manager花屏，需安装wxPython 4.和libsdl1.2-dev。

       通过上述步骤，你应该能够成功编译并测试Autoware.io。如有任何疑问，查阅官方文档或社区论坛寻求帮助。

这是一份很全很全的IO基础知识与概念

       在操作系统的核心领域，输入/输出（IO）扮演着至关重要的角色，它主要分为磁盘IO和网络IO两个模块，两者在用户空间和内核空间之间穿梭，确保数据传输的高效与稳定。让我们深入探讨一下这两个关键概念。

       首先，IO操作涉及数据在用户空间和内核空间之间的传输，这种切换往往伴随着数据拷贝。读取操作中，内核会检查缓冲区，可能直接读取数据，或者在数据未就绪时等待。相比之下，写入操作则从用户空间拷贝数据到内核空间，由操作系统决定何时执行磁盘或网络写入。这种内核与用户空间的隔离，是系统稳定性的基石。

       代码示例生动地展示了这种切换：在用户空间执行的赋值操作，一旦涉及到文件写入，就会切换到内核空间。系统调用（如写文件）、异常处理（如缺页）和设备中断是用户态转内核态的常见途径。通过命令行工具top，我们可以实时监控CPU的使用情况，理解任务的运行状态。

       CPU时间分配方面，理想状态是大部分时间处于空闲（idle），而用户空间和内核空间的运行时间则相对较少。例如，7.%的CPU用于用户空间处理，7.0%用于内核空间，其余大部分时间则在等待任务。

       在数据传输方式上，PIO和DMA各有利弊。PIO需要CPU频繁介入，效率相对较低，而DMA则允许CPU在数据传输时处理其他任务，降低了CPU的负担。DMA的工作流程包括用户进程请求、操作系统调度、DMA读取数据至内核缓冲区，最后由CPU将数据复制到用户空间。

       在数据复制的过程中，DMA负责内核缓冲区到磁盘或网络设备的传输，而用户空间与内核空间之间的操作则主要由CPU处理。尽管PIO模式在现代系统中已不太常见，理解这些细节对于优化IO性能至关重要。

       缓冲IO和直接IO是两种常见的数据传输策略。缓冲IO通过在内核和用户空间之间设置缓冲区，提升性能，但会增加CPU和内存消耗。而直接IO则跳过内核缓冲，减少数据拷贝，但可能影响性能，尤其在数据不在缓存时。零拷贝IO技术则试图在两者之间找到平衡，减少不必要的拷贝和进程切换，显著提高效率。

       在实际应用中，Apache和Kafka等工具采用零拷贝技术，如sendfile()接口，通过文件描述符和socket操作，实现高效的数据传输。同时，理解同步/异步和阻塞/非阻塞的概念也对网络编程至关重要。同步操作会阻塞等待结果，而非阻塞则会立即返回，如看病和看手机的场景。异步操作允许任务并行进行，提升系统响应速度。

       总的来说，掌握IO操作、其背后的原理以及同步/异步、阻塞/非阻塞的概念，是构建高效网络服务的基础。深入研究操作系统对IO的优化策略，将有助于我们理解高性能服务器的运作机制。如果你对此领域感兴趣，可以参考以下文章来进一步深化理解：

       

嵌入式开发进阶：腾讯首发Linux内核源码

       

嵌入式转内核开发经验分享

       通过这些资源，你将能够更好地把握IO操作的精髓，为你的编程实践增添更强的实战能力。

go源码解析之TCP连接（六）——IO多路复用之事件注册

       在探讨go源码解析之TCP连接（六）——IO多路复用之事件注册这一主题时，我们首先需要理解IO多路复用的基本概念及其在go语言中的实现方式。通常，我们通过系统函数如select、poll、epoll等来实现多路复用，尤其是在Linux操作系统下运行的网络应用程序中。对于直接使用C或C++进行网络程序编写的场景，这种方法较为常见。在这些场景下，应用程序可能在循环中执行epoll wait以等待可读事件，之后将读取网络数据的任务分配给一组线程完成。

       然而，在go语言中，情况有所不同。go语言有自己的运行时环境，使用的是轻量级的协程而非传统的线程。这意味着在实现TCP服务器时，go语言能够通过将协程与epoll结合起来，有效地实现IO多路复用。这种结合使得go应用程序在处理网络连接时，能够以更高效的方式响应事件，避免阻塞单个协程。

       在实现一个TCP server时，我们通常会为每个连接启动一个协程，这些协程负责循环读取连接中的数据并执行业务逻辑。在go语言中，当使用epoll实现IO多路复用时，其流程包括以下几个关键步骤：

       1. **初始化epoll**：在go应用程序中，首先需要初始化epoll实例，以便于监控和响应各种事件。

       2. **事件注册**：将新连接的socket加入epoll中，这一步骤类似于将文件描述符与epoll实例关联起来，以便在特定事件发生时接收通知。

       3. **事件检测与处理**：在应用程序的主循环中，利用epoll wait检测到可读或可写事件后，根据事件类型执行相应的处理逻辑，如读取数据或写入数据，以及后续的业务逻辑处理。

       4. **协程调度与唤醒**：当网络数据可读时，epoll会将事件通知到相应的协程。在go中，协程通过被挂起等待网络数据的到来，当数据可读时，epoll通过调用协程的等待函数（如fd.pd.waitRead），将协程从挂起状态唤醒，从而继续执行读取操作或其他业务逻辑。

       通过这一系列过程，go语言成功地将协程与epoll结合，实现了高效的IO多路复用。这种方法不仅提高了并发性能，还简化了网络应用程序的实现，使得go语言在构建高性能、高并发的网络服务时具有显著优势。

       总结而言，go语言通过巧妙地将协程与内核级别的IO多路复用技术（如epoll）整合在一起，实现了高效、灵活的网络编程模型。这一设计使得go语言在处理并发网络请求时，能够保持高性能和高响应性，是其在现代网络服务开发中脱颖而出的重要原因之一。