以理智，安全，高效的方式复制文件

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

我错过了很好的例子，并寻找一种与C ++兼容的方式。

ANSI C路

#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”中使用此语言，更底层）

#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 ++-流缓冲方式

#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）
• 内核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，最多可填充50％
• 复制270 MB的OGG视频文件

重现步骤

 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（使用的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  

文件大小不变。
sha256sum打印相同的结果。
该视频文件仍然可以播放。

问题

• 您想要哪种方法？
• 您知道更好的解决方案吗？
• 您在我的代码中看到任何错误吗？

• 您知道避免解决方案的原因吗？

• FSTREAM（KISS，Streambuffer）
  我真的很喜欢这个，因为它确实很简短。据我所知，运算符<<对于rdbuf（）已重载，并且不进行任何转换。正确？

谢谢

更新1
我以这种方式更改了所有示例中的源，即在clock（）的度量中包括文件描述符的打开和关闭。它们在源代码中没有其他重大变化。结果没有改变！我还花时间仔细检查了结果。

更新2
ANSI C示例已更改：while循环的条件不再调用feof（），而是将fread（）移入了条件。看起来，该代码现在运行速度快了10,000个时钟。

测量已更改：以前的结果总是被缓冲，因为我对每个程序重复了旧命令行rm to.ogv && sync && time ./program几次。现在，我为每个程序重新启动系统。无缓冲的结果是新的，并不令人惊讶。无缓冲的结果并没有真正改变。

如果我不删除旧副本，程序的反应会有所不同。使用POSIX和SENDFILE 覆盖已缓冲的现有文件更快，而其他所有程序则更慢。截断或创建的选项可能对此行为有影响。但是，用相同的副本覆盖现有文件不是现实的用例。

使用cp执行复制需要0.44秒的未缓冲时间和0.30秒的缓冲时间。因此，cp比POSIX示例要慢一些。对我来说很好。

也许我还加样品及结果mmap（）的，并copy_file()从boost ::文件系统。

更新3
我也将其放在博客页面上并对其进行了扩展。包括splice（），这是Linux内核中的底层函数。也许还会有更多的Java示例。 http://www.ttyhoney.com/blog/?page_id=69

以健全的方式复制文件：

#include <fstream>

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

    dst << src.rdbuf();
}

阅读起来如此简单直观，值得额外花费。如果我们做了很多事情，最好退回OS对文件系统的调用。我确定boost它的文件系统类中有一个复制文件方法。

有一种用于与文件系统进行交互的C方法：

#include <copyfile.h>

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

使用C ++ 17时，复制文件的标准方法是包括<filesystem>标题并使用：

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);

第一种形式与copy_options::none用作选项的第二种形式等效（另请参见copy_file）。

该filesystem库最初boost.filesystem是从C ++ 17开始开发的，最终合并为ISO C ++。

太多！

“ ANSI C”方式缓冲区是多余的，因为a FILE已被缓冲。（此内部缓冲区的大小BUFSIZ实际上是定义的。）

“ OWN-BUFFER-C ++-WAY”执行过程会很慢，它会fstream执行大量的虚拟调度，并再次维护内部缓冲区或每个流对象。（“ COPY-ALGORITHM-C ++-WAY”不会受到此影响，因为streambuf_iterator该类会绕过流层。）

我更喜欢“ COPY-ALGORITHM-C ++-WAY”，但如果不构建fstream，只需std::filebuf在不需要实际格式时创建裸实例。

为了获得原始性能，您无法击败POSIX文件描述符。它很丑陋，但可在任何平台上快速移植。

Linux的方式似乎非常快-也许OS在I / O完成之前让函数返回？无论如何，对于许多应用程序来说，它的便携性不足。

编辑：啊，“本地Linux”可能通过将读取和写入与异步I / O交错来提高性能。让命令堆积起来可以帮助磁盘驱动程序确定何时最佳查找。您可以尝试使用Boost Asio或pthreads进行比较。至于“无法击败POSIX文件描述符”……那么，如果您要对数据做任何事情，而不仅仅是盲目地复制，那确实是正确的。

我要特别指出的是，使用sendfile（）的LINUX方法有一个主要问题，即它不能复制大小超过2GB的文件！我已在此问题之后实施了该程序，但遇到了问题，因为我正在使用它来复制大小为GB的HDF5文件。

http://man7.org/linux/man-pages/man2/sendfile.2.html

sendfile（）将最多传输0x7ffff000（2,147,479,552）字节，返回实际传输的字节数。（在32位和64位系统上都是如此。）

Qt有一种复制文件的方法：

#include <QFile>
QFile::copy("originalFile.example","copiedFile.example");

请注意，要使用此功能，您必须安装Qt（此处的说明）并将其包含在您的项目中（如果您使用的是Windows并且您不是管理员，则可以在此处下载Qt ）。另请参阅此答案。

对于那些喜欢助推器的人：

boost::filesystem::path mySourcePath("foo.bar");
boost::filesystem::path myTargetPath("bar.foo");

// Variant 1: Overwrite existing
boost::filesystem::copy_file(mySourcePath, myTargetPath, boost::filesystem::copy_option::overwrite_if_exists);

// Variant 2: Fail if exists
boost::filesystem::copy_file(mySourcePath, myTargetPath, boost::filesystem::copy_option::fail_if_exists);

注意，boost :: filesystem :: path也可用作Unicode的wpath。而且您还可以使用

using namespace boost::filesystem

如果您不喜欢那些长名称

我不太确定复制文件的“好方法”是什么，但是假设“好”的意思是“快速”，那么我可以稍微扩大一下范围。

长期以来，当前的操作系统已进行了优化，以处理工厂文件副本的运行。没有什么聪明的代码能胜过这一点。您的复制技术的某些变体在某些测试情况下可能会证明速度更快，但是在其他情况下，它们的表现最可能会更差。

通常，该sendfile函数可能在提交写入之前返回，因此给人的印象是比其他函数要快。我还没有阅读代码，但是最肯定的是因为它分配了自己的专用缓冲区，将内存用于时间交换。以及它不适用于大于2Gb的文件的原因。

只要您处理的文件数量很少，所有内容都将在各种缓冲区内发生（如果使用C ++运行时，则是​​第一次出现iostream在OS内部缓冲区中，对于来说，显然是文件大小的额外缓冲区sendfile）。实际的存储介质只有在移动了足够的数据后才值得访问，这值得您旋转硬盘。

我想您可以在特定情况下稍微提高性能。从我的头顶上：

• 如果要在同一磁盘上复制一个大文件，则使用比操作系统更大的缓冲区可能会有所改善（但在这里我们可能谈论的是千兆字节）。
• 如果要在两个不同的物理目标上复制同一文件，则一次打开三个文件可能比copy_file顺序调用两个文件更快（尽管只要文件适合操作系统缓存，您几乎不会注意到它们之间的区别）
• 如果您要处理HDD上的许多微小文件，则可能需要分批读取它们，以最大程度地减少查找时间（尽管操作系统已经缓存了目录条目，以避免像疯狂的微小文件那样寻找文件，反而可能会极大地减少磁盘带宽）。

但是所有这些超出了通用文件复制功能的范围。

因此，以我经验丰富的程序员的观点，C ++文件副本应仅使用C ++ 17 file_copy专用功能，除非对该文件副本发生的上下文有更多了解，并且可以设计出一些巧妙的策略以胜过OS。