以正常、安全和有效的方式复制文件

Question

我寻找一种复制文件(二进制或文本)的好方法。我写了几个样本，每个人都在工作。但我想听听经验丰富的程序员的意见。

我遗漏了一些好的例子，并搜索了一种与C++一起工作的方法。

ANSI-C-WAY

#include <iostream>
#include <cstdio>    // fopen, fclose, fread, fwrite, BUFSIZ
#include <ctime>
using namespace std;

int main() {
    clock_t start, end;
    start = clock();

    // BUFSIZE default is 8192 bytes
    // BUFSIZE of 1 means one chareter at time
    // good values should fit to blocksize, like 1024 or 4096
    // higher values reduce number of system calls
    // size_t BUFFER_SIZE = 4096;

    char buf[BUFSIZ];
    size_t size;

    FILE* source = fopen("from.ogv", "rb");
    FILE* dest = fopen("to.ogv", "wb");

    // clean and more secure
    // feof(FILE* stream) returns non-zero if the end of file indicator for stream is set

    while (size = fread(buf, 1, BUFSIZ, source)) {
        fwrite(buf, 1, size, dest);
    }

    fclose(source);
    fclose(dest);

    end = clock();

    cout << "CLOCKS_PER_SEC " << CLOCKS_PER_SEC << "\n";
    cout << "CPU-TIME START " << start << "\n";
    cout << "CPU-TIME END " << end << "\n";
    cout << "CPU-TIME END - START " << end - start << "\n";
    cout << "TIME(SEC) " << static_cast<double>(end - start) / CLOCKS_PER_SEC << "\n";

    return 0;
}

POSIX-WAY (K&R在“C编程语言”中使用，更低级别)

#include <iostream>
#include <fcntl.h>   // open
#include <unistd.h>  // read, write, close
#include <cstdio>    // BUFSIZ
#include <ctime>
using namespace std;

int main() {
    clock_t start, end;
    start = clock();

    // BUFSIZE defaults to 8192
    // BUFSIZE of 1 means one chareter at time
    // good values should fit to blocksize, like 1024 or 4096
    // higher values reduce number of system calls
    // size_t BUFFER_SIZE = 4096;

    char buf[BUFSIZ];
    size_t size;

    int source = open("from.ogv", O_RDONLY, 0);
    int dest = open("to.ogv", O_WRONLY | O_CREAT /*| O_TRUNC/**/, 0644);

    while ((size = read(source, buf, BUFSIZ)) > 0) {
        write(dest, buf, size);
    }

    close(source);
    close(dest);

    end = clock();

    cout << "CLOCKS_PER_SEC " << CLOCKS_PER_SEC << "\n";
    cout << "CPU-TIME START " << start << "\n";
    cout << "CPU-TIME END " << end << "\n";
    cout << "CPU-TIME END - START " << end - start << "\n";
    cout << "TIME(SEC) " << static_cast<double>(end - start) / CLOCKS_PER_SEC << "\n";

    return 0;
}

KISS-C++-Streambuffer-WAY

#include <iostream>
#include <fstream>
#include <ctime>
using namespace std;

int main() {
    clock_t start, end;
    start = clock();

    ifstream source("from.ogv", ios::binary);
    ofstream dest("to.ogv", ios::binary);

    dest << source.rdbuf();

    source.close();
    dest.close();

    end = clock();

    cout << "CLOCKS_PER_SEC " << CLOCKS_PER_SEC << "\n";
    cout << "CPU-TIME START " << start << "\n";
    cout << "CPU-TIME END " << end << "\n";
    cout << "CPU-TIME END - START " <<  end - start << "\n";
    cout << "TIME(SEC) " << static_cast<double>(end - start) / CLOCKS_PER_SEC << "\n";

    return 0;
}

COPY-ALGORITHM-C++-WAY

#include <iostream>
#include <fstream>
#include <ctime>
#include <algorithm>
#include <iterator>
using namespace std;

int main() {
    clock_t start, end;
    start = clock();

    ifstream source("from.ogv", ios::binary);
    ofstream dest("to.ogv", ios::binary);

    istreambuf_iterator<char> begin_source(source);
    istreambuf_iterator<char> end_source;
    ostreambuf_iterator<char> begin_dest(dest); 
    copy(begin_source, end_source, begin_dest);

    source.close();
    dest.close();

    end = clock();

    cout << "CLOCKS_PER_SEC " << CLOCKS_PER_SEC << "\n";
    cout << "CPU-TIME START " << start << "\n";
    cout << "CPU-TIME END " << end << "\n";
    cout << "CPU-TIME END - START " <<  end - start << "\n";
    cout << "TIME(SEC) " << static_cast<double>(end - start) / CLOCKS_PER_SEC << "\n";

    return 0;
}

OWN-BUFFER-C++-WAY

#include <iostream>
#include <fstream>
#include <ctime>
using namespace std;

int main() {
    clock_t start, end;
    start = clock();

    ifstream source("from.ogv", ios::binary);
    ofstream dest("to.ogv", ios::binary);

    // file size
    source.seekg(0, ios::end);
    ifstream::pos_type size = source.tellg();
    source.seekg(0);
    // allocate memory for buffer
    char* buffer = new char[size];

    // copy file    
    source.read(buffer, size);
    dest.write(buffer, size);

    // clean up
    delete[] buffer;
    source.close();
    dest.close();

    end = clock();

    cout << "CLOCKS_PER_SEC " << CLOCKS_PER_SEC << "\n";
    cout << "CPU-TIME START " << start << "\n";
    cout << "CPU-TIME END " << end << "\n";
    cout << "CPU-TIME END - START " <<  end - start << "\n";
    cout << "TIME(SEC) " << static_cast<double>(end - start) / CLOCKS_PER_SEC << "\n";

    return 0;
}

LINUX-WAY //需要内核>= 2.6.33

#include <iostream>
#include <sys/sendfile.h>  // sendfile
#include <fcntl.h>         // open
#include <unistd.h>        // close
#include <sys/stat.h>      // fstat
#include <sys/types.h>     // fstat
#include <ctime>
using namespace std;

int main() {
    clock_t start, end;
    start = clock();

    int source = open("from.ogv", O_RDONLY, 0);
    int dest = open("to.ogv", O_WRONLY | O_CREAT /*| O_TRUNC/**/, 0644);

    // struct required, rationale: function stat() exists also
    struct stat stat_source;
    fstat(source, &stat_source);

    sendfile(dest, source, 0, stat_source.st_size);

    close(source);
    close(dest);

    end = clock();

    cout << "CLOCKS_PER_SEC " << CLOCKS_PER_SEC << "\n";
    cout << "CPU-TIME START " << start << "\n";
    cout << "CPU-TIME END " << end << "\n";
    cout << "CPU-TIME END - START " <<  end - start << "\n";
    cout << "TIME(SEC) " << static_cast<double>(end - start) / CLOCKS_PER_SEC << "\n";

    return 0;
}

环境

• GNU/LINUX (Archlinux)
• 核心3.3
• GLIBC-2.15，LIBSTDC++ 4.7 ( GCC -LIBS)，GCC 4.7，Coreutils 8.16
• 使用RUNLEVEL 3(多用户、网络、终端、无GUI)
• INTEL SSD-Postville 80 GB，填充率高达50%
• 复制270 MB的OGG-视频文件

复制的步骤

 1. $ rm from.ogg
 2. $ reboot                           # kernel and filesystem buffers are in regular
 3. $ (time ./program) &>> report.txt  # executes program, redirects output of program and append to file
 4. $ sha256sum *.ogv                  # checksum
 5. $ rm to.ogg                        # remove copy, but no sync, kernel and fileystem buffers are used
 6. $ (time ./program) &>> report.txt  # executes program, redirects output of program and append to file

结果(使用CPU时间)

Program  Description                 UNBUFFERED|BUFFERED
ANSI C   (fread/frwite)                 490,000|260,000  
POSIX    (K&R, read/write)              450,000|230,000  
FSTREAM  (KISS, Streambuffer)           500,000|270,000 
FSTREAM  (Algorithm, copy)              500,000|270,000
FSTREAM  (OWN-BUFFER)                   500,000|340,000  
SENDFILE (native LINUX, sendfile)       410,000|200,000  

文件大小不会改变。

sha256sum打印相同的结果。

视频文件仍然可以播放。

问题

• 你更喜欢哪种方法？
• 你知道更好的解决办法吗？
• 你看到我的代码有什么错误吗？
• 你知道为什么要避免解决吗？
• FSTREAM (吻，流缓冲) 我真的很喜欢这个，因为它很短很简单。据我所知，运算符<<对rdbuf()重载，不转换任何内容。对，是这样?

谢谢

更新1

我以这种方式更改了所有示例中的源代码，即文件描述符的打开和关闭包含在clock()的度量中。它们并不是源代码中的其他重大更改。结果没有改变！我还用时间反复检查我的结果。

更新2

ANSI C示例改变了:while-循环的条件不再调用feof()，而是将fread()移到条件中。看起来，代码现在运行速度快了10,000个时钟。

度量发生了变化:以前的结果总是被缓冲，因为我对每个程序重复了几次旧的命令行rm to.ogv && sync & time ./程序。现在我为每个程序重新启动系统。未缓冲的结果是新的，并不令人惊讶。未缓冲的结果并没有真正改变。

如果我不删除旧版本，程序的反应就不一样了。用POSIX和SENDFILE覆盖现有的缓冲文件更快，所有其他程序都比较慢。可能选项截断或创建会对此行为产生影响。但是用相同的副本覆盖现有文件并不是真实的用例。

使用cp执行副本需要0.44秒未缓冲和0.30秒缓冲。所以cp比POSIX示例慢一点。对我来说很好。

也许我还从boost：：copy_file()系统中添加了mmap()和的示例和结果。

更新3

我也把它放到了一个博客页面上，并对其进行了一些扩展。包括splice()，它是Linux内核中的一个低级函数。也许还会有更多的Java示例出现。id=69

Answer 1

以理智的方式复制文件：

#include <fstream>

int main()
{
    std::ifstream  src("from.ogv", std::ios::binary);
    std::ofstream  dst("to.ogv",   std::ios::binary);

    dst << src.rdbuf();
}

这是如此简单和直观的阅读，这是值得的额外成本。如果我们做了很多，最好回到操作系统对文件系统的调用。我确信boost的文件系统类中有一个复制文件方法。

有一个与文件系统交互的C方法：

#include <copyfile.h>

int
copyfile(const char *from, const char *to, copyfile_state_t state, copyfile_flags_t flags);

Answer 2

使用C++17，复制文件的标准方法将包括头，并使用：

bool copy_file( const std::filesystem::path& from,
                const std::filesystem::path& to);

bool copy_file( const std::filesystem::path& from,
                const std::filesystem::path& to,
                std::filesystem::copy_options options);

第一种形式等价于第二种形式，使用copy_options::none作为选项(也请参阅copy_file)。

filesystem库最初被开发为boost.filesystem，并最终合并到C++17的ISO C++中。

Answer 3

太多了！

"ANSI“方式缓冲区是冗余的，因为FILE已经被缓冲。(这个内部缓冲区的大小是BUFSIZ实际定义的。)

“自己的缓冲区-C++方式”将是缓慢的，因为它通过fstream进行大量的虚拟调度，并再次维护内部缓冲区或每个流对象。(“复制算法-C++-WAY”不受此影响，因为streambuf_iterator类绕过流层。)

我更喜欢“复制算法-C++方式”，但不构建fstream，只需在不需要实际格式化的情况下创建裸露的std::filebuf实例即可。

对于原始性能，不能超过POSIX文件描述符。它很难看，但在任何平台上都是便携和快速的。

Linux的方式看起来非常快--也许操作系统让函数在I/O完成之前返回？无论如何，对于许多应用程序来说，这是不够可移植的。

编辑：啊，“本地Linux”可能通过将读写与异步I/O交织在一起来提高性能。让命令堆积起来可以帮助磁盘驱动程序决定什么时候是最好的选择。您可以尝试使用Boost Asio或p线程进行比较。至于“无法击败POSIX文件描述符”，…嗯，如果你对数据做了什么，而不仅仅是盲目地复制，那就是真的。