Fișierul este una dintre abstractizările fundamentale în lumea sistemelor de operare; cealaltă abstractizare este procesul. Dacă procesul abstractizează execuția unei anumite sarcini pe procesor, fișierul abstractizează informația persistentă a unui sistem de operare. Un fișier este folosit pentru a stoca informațiile necesare funcționării sistemului de operare și interacțiunii cu utilizatorul.
Un sistem de fișiere este un mod de organizare a fișierelor și prezentare a acestora utilizatorului. Din punct de vedere al utilizatorului un sistem de fișiere are o structură ierarhică de fișiere și directoare, începând cu un director rădăcină. Localizarea unei intrări (fișier sau director) se realizează cu ajutorul unei căi în care sunt prezentate toate intrările de până atunci. Astfel, pentru calea /usr/local/file.txt directorul rădăcină '/' are un subdirector usr urmat de subdirectorul local ce conține un fișier file.txt.
Fiecare fișier are asociat, așadar, un nume cu ajutorul căruia se face identificarea, un set de drepturi de acces și zone conținând informația utilă.
Sistemele de fișiere suportate de sistemele de operare de tip Unix și Windows sunt ierarhice. Sistemele Linux/Unix sunt case-sensitive (Data este diferit de data), iar sistemele Windows sunt case-insensitive.
Ierarhia sistemului de fișiere Unix are un singur director cunoscut sub numele de root și notat '/', prin care se localizează orice fișier (a nu se confunda cu directorul /root, care este home-ul utilizatorului privilegiat, root). Notația Unix pentru căile fișierelor este un șir de nume de directoare despărțite prin '/', urmat de numele fișierului. Există și căi relative la directorul curent '.' sau la directorul părinte '..'.
În Unix nu se face nicio deosebire între fișierele aflate pe partițiile discului local, pe CD sau pe o mașină din rețea. Toate aceste fișiere vor face parte din ierarhia unică a directorului root. Acest lucru se realizează prin montare: sistemele de fișiere vor fi montate într-unul dintre directoarele sistemului de fișiere rădăcină.
În Windows există mai multe ierarhii, câte una pentru fiecare partiție și pentru fiecare loc din rețea. Spre deosebire de Unix, delimitatorul între numele directoarelor dintr-o cale este '\', și pentru căile absolute trebuie specificat numele ierarhiei în forma C:\, E:\ sau \\FILESERVER\myFile (pentru rețea). Ca și Unix, Windows folosește '.' pentru directorul curent și '..' pentru directorul părinte.
În Unix, un descriptor de fișier este un întreg care indexează o tabelă cu pointeri spre structuri care descriu fișierele deschise de un proces. În cazul în care un program rulează într-un shell Unix, procesul părinte (shell-ul) deschide pentru procesul copil (programul respectiv) 3 fișiere standard având descriptori de fișiere cu valori speciale:
standard input (0) - citirea de la intrarea standard (tastatură)
standard output (1) - afișarea la ieşirea standard (consolă)
standard error (2) - afișarea la ieşirea standard de eroare (consolă)
În Windows, noțiunea de bază pentru managementul fișierelor este handle-ul, o valoare din care se obține un pointer spre o structură descriptivă a fișierului. Aceleași 3 fișiere standard sunt deschise de fiecare proces.
În continuare, pentru descrierea comportamentului operațiilor de intrare-ieșire pe Windows, s-a ales ca toate apelurile să facă parte din API-ul Win32, care este cel mai aproape de kernelul Windows. Sistemul oferă ca alternativă apeluri standard (POSIX, de exemplu, compatibile între Windows și Linux), dar acestea se implementează în Windows prin apelurile Win32 și formează un nivel de abstractizare aflat mai departe de kernel.
Un fișier are asociat cursorul de fișier (file pointer) care indică poziția curentă în cadrul fișierului. Cursorul de fișier este un întreg care reprezintă deplasamentul (offset-ul) față de începutul fișierului.
Operațiile specifice pentru lucru cu fișiere:
deschiderea/crearea unui fișier - înseamnă asocierea unui descriptor de fișier sau a unui handle cu un fișier identificat prin numele său 1). ( Linux, Windows )
închiderea unui fișier - înseamnă eliberarea structurilor de fișier asociate procesului și a descriptorului (handle-ului) acelui fișier 2). ( Linux, Windows )
citirea dintr-un fișier - înseamnă copierea unui bloc de date într-un buffer; după ce se realizează citirea se actualizează cursorul de fișier 3). ( Linux, Windows )
scrierea într-un fișier - înseamnă copierea unui bloc de date dintr-un buffer în fișier; efectuarea scrierii înseamnă și actualizarea cursorului de fișier 4). ( Linux, Windows )
poziționarea într-un fișier - înseamnă schimbarea valorii cursorului de fișier; citirile sau scrierile ulterioare vor porni din locul indicat de acest cursor de fișier 5). ( Linux, Windows )
schimbarea atributelor unui fișier - înseamnă stabilirea unor parametri pentru fișier 6). ( Linux)
O greșeală frecventă de programare este neverificarea codului de eroare întors la close, pentru că se poate întâmpla ca o eroare la scriere (EIO) să fie întoarsă utilizatorului abia la close.
Dacă, spre exemplu, dorim să deschidem fișierul in.txt pentru citire și scriere, cu eventuala creare a acestuia, iar fișierul out.txt pentru scriere, cu trunchiere putem folosi următoarea secvență de cod:
#include <sys/types.h> /* open */#include <sys/stat.h> /* open */#include <fcntl.h> /* O_RDWR, O_CREAT, O_TRUNC, O_WRONLY */#include <unistd.h> /* close */#include "utils.h"int main(void){int fd1, fd2;
fd1 = open ("in.txt", O_RDWR | O_CREAT,0644);
DIE(fd1 <0,"open in.txt");/* will fail if out.txt does not exist */
fd2 = open ("out.txt", O_WRONLY | O_TRUNC);
DIE(fd2 <0,"open out.txt");
rc = close(fd1);
DIE(rc <0,"close fd1");
rc = close(fd2);
DIE(rc <0,"close fd2");return0;}
Atenție! O greșeală frecventă este omiterea drepturilor de creare a fișierului (0644 în exemplul de mai sus) când se apelează open cu flag-ul O_CREAT setat.
Funcția read e folosită pentru citirea din fișier a maxim count octeți:
ssize_t read(int fd,void*buf, size_t count);
Funcția read întoarce numărul de octeți efectiv citiți, cel mult count. Valoarea minimă este de 1 octet, iar când se ajunge la sfârșitul de fișier se va întoarce 0.
Valoarea întoarsă este numărul de octeți ce au fost efectiv scriși, cel mult count. În mod implicit nu se garantează că la revenirea din write scrierea în fișier s-a terminat. Pentru a forța actualizarea se poate folosi fsync sau fișierul se poate deschide folosind flagul O_FSYNC, caz în care se garanteaza că după fiecare write fișierul a fost actualizat.
Observație: Pentru read/write există versiunile pread/pwrite, care permit specificarea unui offset în fișier de la care să se efectueaze operația de citire/scriere. (De asemenea, există și versiunile pread64/pwrite64 care folosesc offset-uri de 64 de biți - pentru a putea specifica offset-uri mai mari decât 4GB).
Funcția lseek permite mutarea cursorului unui fișier la o poziție absolută sau relativă.
off_t lseek(int fd, off_t offset,int whence)
Parametrul whence reprezintă poziția relativă de la care se face deplasarea:
SEEK_SET - față de poziția de început
SEEK_CUR - față de poziția curentă
SEEK_END - față de poziția de sfârșit
Observațielseek permite și poziționări după sfârșitul fișierului. Scrierile care se fac în astfel de zone nu se pierd, ceea ce se obține fiind un fișier cu goluri, o zonă care este sărită - nu este alocată pe disc.
Pentru această funcție există și o versiune lseek64 la care offset-ul este pe 64 de biți.
Pe lângă trunchierea la 0 care se poate face prin apelul open cu flag-ul O_TRUNC, se poate specifica trunchierea unui fișier la o dimensiune specificată, prin apelurile de sistem ftruncate și truncate:
int ftruncate(int fd, off_t length);int truncate(constchar*path, off_t length);
În cazul ftruncate, parametrul fd este file descriptorul obținut un apel open care a asigurat drept de scriere. În cazul truncate, fișierul reprezentat prin path trebuie să aibă drept de scriere.
#include <stdio.h>#include <string.h>#include <stdlib.h>#include <sys/types.h> /* open */#include <sys/stat.h> /* open */#include <fcntl.h> /* O_CREAT, O_RDONLY */#include <unistd.h> /* close, lseek, read, write */#include "utils.h"/* Print the last 100 bytes from a file */int main (void){int fd, rc;char*buf;
ssize_t bytes_read;/* alocate space for the read buffer */
buf = malloc(101);
DIE(buf == NULL,"malloc");/* open file */
fd = open("file.txt", O_RDONLY);
DIE(fd <0,"open");/* set file pointer at 100 characters
_before_ the end of the file */
rc = lseek(fd,-100, SEEK_END);
DIE(rc <0,"lseek");/* read the last 100 characthers */
bytes_read = read(fd, buf,100);
DIE(bytes_read <0,"read");/* set '\0' at end of buffer for printing purposes*/
buf[bytes_read]='\0';printf("the last %ld bytes: \n%s\n", bytes_read, buf);/* close file */
rc = close(fd);
DIE(rc <0,"close");/* cleanup */
free(buf);return0;}
Pentru a crea un handle asociat cu un fișier, director sau altă resursă abstractizată sub forma unui fișier (port COM, pipe, modem etc.) se folosește funcția CreateFile. Funcția se ocupă atât de crearea, cât și de deschiderea unui fișier (și întoarce în ambele cazuri un handle asociat cu fișierul):
Parametrul dwCreationDisposition precizează modul în care apelul acționează în cazul în care fișierul există sau nu; poate avea valori de forma:
CREATE_ALWAYS - creează un fișier nou; dacă fișierul există, apelul îl suprascrie, ștergând atributele existente;
CREATE_NEW - creează un fișier nou; apelul eșuează dacă fișierul există deja;
OPEN_ALWAYS - deschide fișierul, daca acesta există; altfel, se comportă ca și CREATE_NEW;
OPEN_EXISTING - deschide fișierul; dacă nu există, apelul eșuează;
TRUNCATE_EXISTING - deschide fișierul (cu drept de acces GENERIC_WRITE) și îl trunchiază la dimensiunea zero; dacă fișierul nu există, apelul eșuează.
Dacă fișierul există deja și dwCreationDisposition este CREATE_ALWAYS sau OPEN_ALWAYS, apelul NU eșuează, dar GetLastError returnează ERROR_ALREADY_EXISTS.
Mai multe aici
La deschiderea unui fișier se poate preciza prin parametrul lpSecurityAttributes [in] modul în care handle-ul returnat de apel poate fi moștenit de procesele fii ale procesului apelant. Mai multe detalii in laboratorul de procese
Un fișier poate fi deschis de mai multe ori (de procese diferite, sau de același proces). În acest caz, la prima deschidere, parametrul dwShareMode [in] va avea una din valorile:
FILE_SHARE_DELETE permite unor operații de deschidere ulterioare să capete acces de tip delete.
FILE_SHARE_READ permite unor operații de deschidere ulterioare să capete acces de tip read.
FILE_SHARE_WRITE permite unor operații de deschidere ulterioare să capete acces de tip write.
Un set de flaguri și atribute suplimentare (valabile numai în cazul fișierelor) pot fi precizate în dwFlagsAndAttributes [in]. Valori uzuale sunt:
FILE_ATTRIBUTE_NORMAL fișierul nu are alte atribute setate (folosit numai singur)
FILE_ATTRIBUTE_READONLY fișierul va fi read only pentru toate procesele
Pentru copierea și mutarea fișierelor există apelurile CopyFile, MoveFile și ReplaceFile. Un exemplu de schimbare a atributelor găsiți aici.
ReadFile operează asupra unui fișier care are drepturi de acces cel puțin pentru citire, copiind un număr de octeți (începând cu poziția curentă a cursorului de fișier) într-un buffer și întoarce într-o variabilă numărul de octeți citiți.
bRet = ReadFile(
hFile,/* open file handle */
lpBuffer,/* where to put data */
dwBytesToRead,/* number of bytes to read */&dwBytesRead,/* number of bytes that were read */
NULL /* no overlapped structure */);
ReadFile primește un handle de fișier hFile, creat anterior cu drepturi cel puțin de citire. Rezultatul citirii este copiat în lpBuffer, iar numărul de octeți efectiv citiți este întors în variabila pointată de lpNumberOfBytesRead. Numărul de octeți efectiv citiți poate fi mai mic decât numărul de octeți care se doresc a fi citiți - nNumberOfBytesToRead.
În mod normal, după acest apel, cursorul de fișier este actualizat cu numărul de octeți citiți. Singura excepție este cazul în care fișierul este deschis pentru operații de I/O de tip OVERLAPPED - asincrone, caz în care conceptul de cursor de fișier nu mai este folositor (și deci nu mai este actualizat). Mai multe detalii despre operațiile asincrone în Laborator 10 - Operatii IO avansate - Windows.
ReadFile returnează o valoare diferită de zero în caz de succes, și zero altfel. Dacă se returnează o valoare diferită de zero, dar numărul de octeți citiți este zero, atunci s-a ajuns la sfârșitul de fișier.
Apelul WriteFile copiază în mod sincron sau asincron un număr specificat de octeți dintr-un buffer în conținutul unui fișier și returnează într-o variabilă numărul efectiv de octeți copiați. Scrierea în fișier se face în general începând din poziția curentă a cursorului și după terminarea operației, poziția cursorului fișierului este actualizată (rămân valabile observațiile anterioare despre operații OVERLAPPED).
bRet = WriteFile(
hFile,/* open file handle */
lpBuffer,/* start of data to write */
dwBytesToWrite,/* number of bytes to write */&dwBytesWritten,/* number of bytes that were written */
NULL /* no overlapped structure */);
Handle-ul de fișier în care se scrie hFile [in] trebuie să fi fost creat cu drepturi de acces GENERIC_WRITE. Parametrii WriteFile au aceleași semnificații cu parametrii ReadFile, adaptate pentru operații de scriere.
Fiecare fișier deschis are asociat un cursor (memorat pe 64 de biți) care reprezintă poziția curentă de citire/scriere. Un proces poziționează cursorul la un offset specificat cu SetFilePointer:
/* Example: How to get current position */
currentPos = SetFilePointer(
myFileHandle,0,/* offset 0 */
NULL,/* no 64bytes offset */
FILE_CURRENT
);
Deplasarea se face asupra unui fișier reprezentat prin handle-ul hFile deschis în prealabil, creat cu unul din drepturile de acces GENERIC_READ sau GENERIC_WRITE. O valoare pozitivă înseamnă o deplasare înainte, iar una negativă, înapoi.
Numărul de octeți cu care se mută cursorul este specificat de lDistanceToMove [in] și lpDistanceToMoveHigh; cele două câmpuri de 32 de biți formează o valoare de 64 de biți. Uzual cel de-al doilea câmp este NULL.
Parametrul dwMoveMethod specifică punctul de start pentru mutarea cursorului, și poate avea una din valorile:
FILE_BEGIN - punctul de start este începutul fișierului; lDistanceToMove este considerat unsigned
FILE_CURRENT - punctul de start este valoarea curentă a cursorului
FILE_END - punctul de start este valoarea curentă a sfârșitului de fișier
Apelul returnează noua valoare a cursorului, dacă lpDistanceToMoveHigh este NULL; altfel, se returnează jumătatea low a valorii, jumătatea high luând locul lpDistanceToMoveHigh.
Varianta extinsă SetFilePointerEx a apelului SetFilePointer memorează valoarea cursorului într-un singur câmp, în loc de două câmpuri separate, apelul extins făcând lucrul cu valorile cursorului mai ușor.
Un fișier poate fi trunchiat sau extins folosind apelul SetEndOfFile, care face poziția sfârșitului de fișier EOF egală cu poziția curentă a cursorului fișierului. În cazul extinderii fișierului peste limita sa, conținutul adăugat este nedefinit.
În domeniul sistemelor de operare, prin wrapper înțelegem un layer software subțire (care nu aduce un overhead prea mare) peste sistemul de operare, cu scopul de a abstractiza serviciile oferite de acesta, adaptându-le la o interfață comună. Interfața comună este definită astfel încât să se potrivească cu mai multe sisteme de operare. Programele pe care le scriem ulterior nu vor folosi direct apelurile de sistem specifice fiecărui sistem de operare, ci interfața comună.
Un wrapper este folositor atunci când dorim să scriem software portabil pe mai multe platforme (spre exemplu, temele de la Sisteme de Operare) cu un “overhead” minim de portare și fără a plăti un cost de performanță prea scump (există și alte soluții pentru această problemă, de exemplu, mașina virtuală Java - JVM).
Una din metodele posibile pentru realizarea unui wrapper este folosirea preprocesorului. Să presupunem că încercăm să abstractizăm conceptul de fișier și operațiile disponibile cu el. Vom exemplifica doar operațiile de read/write.
Acum putem genera fișiere executabile compatibile cu o platformă Linux sau Windows, în funcție de un singur macro, definit automat de către compilator.
Se observă că folosind această tehnică putem să convertim inclusiv între procedură și funcție (funcțiile de pe Windows primesc ca parametru transmis prin referință numărul de octeți citiți/scriși, iar cele de pe Linux îl întorc direct). Desigur, abordarea de mai sus este incompletă, pentru că ar fi trebuit convertite și codurile de eroare într-un format comun.
Odată scris acest wrapper, putem folosi în continuare funcțiile os_read și os_write pentru a citi / scrie din fișiere, fară a ne preocupa de sistemul de operare pe care rulează programul nostru. Acesta este insă un caz fericit, pentru că așa după cum veți observa la laboratorul de procese, nu toate serviciile oferite de sisteme de operare diferite se pot “unifica” atât de ușor (este vorba de fork() + exec() vs. CreateProcess).
Ce valoare va întoarce al doilea apel al funcției lseek ? De ce ?
Decomentați linia de afișare, compilați și rulați pentru verificare.
Sursa închide doar file descriptorul fd1. Este nevoie să se închidă și file descriptorul fd2 ? De ce?
(4 puncte)
Intrați în directorul 3-mcat.
(1 punct) Completați fișierul astfel încat programul rezultat mcat să aibă funcționalitate similară cu a utilitarului cat ( urmăriți comentariile cu TODO 1 )
Programul mcat va primi ca argument în linia de comandă numele unui fișier al cărui conținut îl va afișa la ieșirea standard.
Nu aveți voie să citiți tot fișierul în memorie. Puteți citi doar bucăți de dimensiune maximum BUFSIZE.
Verificați codul de eroare întors de apelurile de sistem. Puteți folosi macro-ul DIE.
(1 punct) Extindeți funcționalitatea astfel încât output-ul să fie redirectat într-un fișier primit ca al doilea argument - funcționalitate similară cu a utilitarului cp. ( urmăriți comentariile cu TODO 2 )
Executabilele sunt generate în directorul win/Debug (în directorul Debug al soluției, nu al fiecărui proiect în parte).
(0.5 punct) cat
Deschideți soluția laboratorului 2 din folderul win
Intrați în proiectul 1-cat și urmăriți sursa cat.c
Compilați și testați executabilul cat.exe
Hint:
Porniți command prompt-ul de Visual Studio: Tools → Visual Studio Command Prompt
(3.5 puncte) CRC
Exercițiul are ca scop realizarea unui utilitar care, pentru un fișier dat, calculeaza CRC-ul pentru fiecare bucată de 512 bytes din fișier și o salvează într-un fișier de output.
(1.5 puncte) Deschideți fișierul crc.c din proiectul 2-crc și completați funcția GenerateCrc
Funcția primește ca prim argument fișierul pentru care trebuie calculat CRC-ul, iar ca al doilea argument fișierul în care se salvează CRC-urile pentru fiecare bucată de câte 512 bytes .
