Linux内核之IO1: I/O模型
在业务执行过程中，常伴随大量的IO操作，如果IO操作和CPU消耗不能合理安排，将会导致整体业务执行效率低下，用户体验极差。
比如手机启动过程，有大量CPU消耗和IO操作。用Bootchart记录android启动过程的CPU/IO消耗如下图
Systemd readahead:
Systemd readahead-collect.service搜集系统启动过程中的文件访问信息，Systemd
readahead-replay.service在后续启动过程中完成回放，即将IO操作与CPU并行；
提高效率的一个宗旨，把CPU和IO的交替等，变为CPU和IO操作(不需要CPU参与)同时工作，充分利用系统资源；
为解决CPU/IO并行问题，Linux提供了很多IO模型；
1 阻塞与非阻塞
(1)阻塞： 一般来说，进程阻塞，等待IO条件满足才返回；
有个例外，阻塞可以被信号打断；
若设置信号标记，act.sa_flags |= SA_RESTART;
接收信号，read阻塞不返回，但是信号响应函数还是会调用；相当于系统自动重新进入阻塞；
用signal()函数设置信号，其调用sigaction自动设置SA_RESTART；
（2）非阻塞
read/write等IO调用，IO设备没就绪，立即返回，实际工程上用的不多；
2 多路复用
实际业务中，一般有多个IO请求，每个请求响应都用简单的阻塞模型效率太低，Linux提供了多路复用的的系统调用：
(1) select
select()处理流程
a.告诉系统，要关注哪些IO请求；
b.阻塞等待，直到有IO就绪，select返回；
c.主动查询是哪个IO就绪，然后响应该IO;
d.重新关注新的IO请求；
当IO请求过多时，这种查询的方式也很浪费资源，因此Linux提供了一个新的系统调用
(2)epoll()
epoll与select的不同：
a.将注册IO请求和等待事件触发分离开；
b.返回后，直接告诉哪些IO就绪，不用再主动查询；
当IO数量不多时，可以用select或epoll，但当IO非常多时，比如大型网络应用，响应多个IO请求时，用epoll效率远高于select。
signal io方式，都是read/write阻塞，底层实现，待IO就绪后，内核发送信号，唤醒阻塞；
比如读触摸屏应用，read被阻塞，只有触摸屏被按下，触发中断程序响应，读取触摸屏行为数据后，内核发送信号唤醒APP的等待，APP读到触摸动作信息，做相应业务处理。
目前工程上，处理异步I/O更多用以下方法
3 异步IO
(1) C库提供的Glibc-AIO
Glibc-AIO原理，aio_read()立即返回，后台自动创建线程读取io，aio_suspend()查询IO是否完成，完成立即返回，未完成，等待；
(2) 内核提供的Kernel-AIO：
一般用来读取硬盘数据，比如数据库读取；
这些异步模型，天然的将IO与CPU消耗等待做并行处理；
4 Libevent事件触发
功能类似QT/VC的按钮，注册回调函数，当事件触发时，执行回调函数。
libevent是一个跨平台库，封装底层平台调用，提供统一API。Windows/Solaris/linux。
gcc xxx.c -levent
模型对比：