說到進程，恐怕面試中最常見的問題就是線程和進程的關係了，那麼先說一下答案：

Linux 中的進程其實就是一個數據結構，順帶可以理解文件描述符、重定向、管道命令的底層工作原理，最後我們從操作系統的角度看看為什麼說線程和進程基本沒有區別。

一、進程是什麼

首先，抽象地來說，我們的計算機就是這個東西：

這個大的矩形表示計算機的 內存空間 ，其中的小矩形代表 進程 ，左下角的圓形表示 磁盤 ，右下角的圖形表示一些 輸入輸出設備 ，比如鼠標鍵盤顯示器等等。另外，注意到內存空間被劃分為了兩塊，上半部分表示 用戶空間 ，下半部分表示 內核空間 。

用戶空間裝著用戶進程需要使用的資源，比如你在程序代碼裡開一個數組，這個數組肯定存在用戶空間；內核空間存放內核進程需要加載的系統資源，這一些資源一般是不允許用戶訪問的。但是注意有的用戶進程會共享一些內核空間的資源，比如一些動態鏈接庫等等。

我們用 C 語言寫一個 hello 程序，編譯後得到一個可執行文件，在命令行運行就可以打印出一句 hello world，然後程序退出。在操作系統層面，就是新建了一個進程，這個進程將我們編譯出來的可執行文件讀入內存空間，然後執行，最後退出。

你編譯好的那個可執行程序只是一個文件，不是進程，可執行文件必須要載入內存，包裝成一個進程才能真正跑起來。進程是要依靠操作系統創建的，每個進程都有它的固有屬性，比如進程號（PID）、進程狀態、打開的文件等等，進程創建好之後，讀入你的程序，你的程序才被系統執行。

那麼，操作系統是如何創建進程的呢？ 對於操作系統，進程就是一個數據結構 ，我們直接來看 Linux 的源碼：

<code>struct task_struct {
    // 進程狀態
    long              state;
    // 虛擬內存結構體
    struct mm_struct  *mm;
    // 進程號
    pid_t             pid;
    // 指向父進程的指針
    struct task_struct   *parent;
    // 子進程列表
    struct list_head      children;
    // 存放文件系統信息的指針
    struct fs_struct      *fs;
    // 一個數組，包含該進程打開的文件指針
    struct files_struct   *files;
};
/<code>

task_struct 就是 Linux 內核對於一個進程的描述，也可以稱為「進程描述符」。源碼比較複雜，我這裡就截取了一小部分比較常見的。

我們主要聊聊 mm 指針和 files 指針。 mm 指向的是進程的虛擬內存，也就是載入資源和可執行文件的地方； files 指針指向一個數組，這個數組裡裝著所有該進程打開的文件的指針。

二、文件描述符是什麼

先說 files ，它是一個文件指針數組。一般來說，一個進程會從 files[0] 讀取輸入，將輸出寫入 files[1] ，將錯誤信息寫入 files[2] 。

舉個例子，以我們的角度 C 語言的 printf 函數是向命令行打印字符，但是從進程的角度來看，就是向 files[1] 寫入數據；同理， scanf 函數就是進程試圖從 files[0] 這個文件中讀取數據。

每個進程被創建時， files 的前三位被填入默認值，分別指向標準輸入流、標準輸出流、標準錯誤流。我們常說的「文件描述符」就是指這個文件指針數組的索引 ，所以程序的文件描述符默認情況下 0 是輸入，1 是輸出，2 是錯誤。

我們可以重新畫一幅圖：

對於一般的計算機，輸入流是鍵盤，輸出流是顯示器，錯誤流也是顯示器，所以現在這個進程和內核連了三根線。因為硬件都是由內核管理的，我們的進程需要通過「系統調用」讓內核進程訪問硬件資源。

PS：不要忘了，Linux 中一切都被抽象成文件，設備也是文件，可以進行讀和寫。

如果我們寫的程序需要其他資源，比如打開一個文件進行讀寫，這也很簡單，進行系統調用，讓內核把文件打開，這個文件就會被放到 files 的第 4 個位置，對應文件描述符 3：

明白了這個原理， 輸入重定向 就很好理解了，程序想讀取數據的時候就會去 files[0] 讀取，所以我們只要把 files[0] 指向一個文件，那麼程序就會從這個文件中讀取數據，而不是從鍵盤：

同理， 輸出重定向 就是把 files[1] 指向一個文件，那麼程序的輸出就不會寫入到顯示器，而是寫入到這個文件中：

錯誤重定向也是一樣的，就不再贅述。

管道符其實也是異曲同工，把一個進程的輸出流和另一個進程的輸入流接起一條「管道」，數據就在其中傳遞，不得不說這種設計思想真的很巧妙：

到這裡，你可能也看出「Linux 中一切皆文件」設計思路的高明瞭，不管是設備、另一個進程、socket 套接字還是真正的文件，全部都可以讀寫，統一裝進一個簡單的 files 數組，進程通過簡單的文件描述符訪問相應資源，具體細節交於操作系統，有效解耦，優美高效。

三、線程是什麼

首先要明確的是，多進程和多線程都是併發，都可以提高處理器的利用效率，所以現在的關鍵是，多線程和多進程有啥區別。

為什麼說 Linux 中線程和進程基本沒有區別呢，因為從 Linux 內核的角度來看，並沒有把線程和進程區別對待。

我們知道系統調用 fork() 可以新建一個子進程，函數 pthread() 可以新建一個線程。 但無論線程還是進程，都是用 task_struct 結構表示的，唯一的區別就是共享的數據區域不同 。

換句話說，線程看起來跟進程沒有區別，只是線程的某些數據區域和其父進程是共享的，而子進程是拷貝副本，而不是共享。就比如說， mm 結構和 files 結構在線程中都是共享的，我畫兩張圖你就明白了：

所以說，我們的多線程程序要利用鎖機制，避免多個線程同時往同一區域寫入數據，否則可能造成數據錯亂。

那麼你可能問， 既然進程和線程差不多，而且多進程數據不共享，即不存在數據錯亂的問題，為什麼多線程的使用比多進程普遍得多呢 ？

因為現實中數據共享的併發更普遍呀，比如十個人同時從一個賬戶取十元，我們希望的是這個共享賬戶的餘額正確減少一百元，而不是希望每人獲得一個賬戶的拷貝，每個拷貝賬戶減少十元。

當然，必須要說明的是， 只有 Linux 系統將線程看做共享數據的進程 ，不對其做特殊看待 ，其他的很多操作系統是對線程和進程區別對待的，線程有其特有的數據結構，我個人認為不如 Linux 的這種設計簡潔，增加了系統的複雜度。

在 Linux 中新建線程和進程的效率都是很高的，對於新建進程時內存區域拷貝的問題，Linux 採用了 copy-on-write 的策略優化，也就是並不真正複製父進程的內存空間，而是等到需要寫操作時才去複製。

閱讀更多 Java互聯網架構I 的文章

關鍵字: C語言 數據結構 描述符