从 RAID 到 I/O 多路复用：Linux 存储与 I/O 模型入门

平时准备 Java 后端面试时，我们经常会碰到一组看起来没什么联系的问题：RAID 有哪些级别？软链接和硬链接有什么区别？BIO、NIO、AIO 又分别代表什么？

其实，这些知识都和“数据如何存储、如何被程序读取”有关。RAID 解决的是磁盘层面的容量、性能和可靠性问题；软硬链接属于文件系统；各种 I/O 模型则决定了程序等待和读取数据的方式。

一、什么是 RAID

RAID 的全称是 Redundant Array of Independent Disks，中文通常叫“独立磁盘冗余阵列”。简单理解，就是把多块物理磁盘组合起来，对外表现为一个逻辑磁盘。

为什么要这样做？因为单块磁盘通常很难同时满足三个要求：容量大、读写快、故障后数据不丢。RAID 通过条带、镜像和校验等方式，在容量、性能与可靠性之间做取舍。

RAID 0：只追求性能

RAID 0 会把数据拆分后，分别写入多块磁盘。比如一份数据被分成 A、B、C、D 四块，两块磁盘可以分别保存 A、C 和 B、D。多块磁盘并行工作，因此读写速度较快。

它的缺点也很直接：没有任何冗余。只要其中一块磁盘损坏，整个阵列的数据都可能无法正常使用。

• 最少需要 2 块磁盘；

• 可用容量等于所有磁盘容量之和；

• 读写性能好，但不能容错；

• 适合临时数据、缓存或可重新生成的数据。

RAID 1：用空间换可靠性

RAID 1 也叫镜像。写入一份数据时，会在另一块磁盘中保存完全相同的副本。一块磁盘坏了，还能从另一块读取数据。

它的问题是空间利用率低。两块 1 TB 磁盘组成 RAID 1，真正可用的容量通常只有 1 TB。

RAID 5：容量与安全之间的折中

RAID 5 至少需要 3 块磁盘。它除了保存数据，还会把校验信息分散到不同磁盘上。任意一块磁盘损坏后，可以利用剩余数据和校验信息恢复内容。

RAID 5 的读取性能通常不错，容量利用率也高于 RAID 1。不过写入时需要计算并更新校验信息，因此写性能会受到一定影响。阵列处于降级状态时，如果又有一块磁盘损坏，数据仍可能丢失。

RAID 10：先镜像，再条带

RAID 10 可以理解为 RAID 1 和 RAID 0 的组合。它先把磁盘两两组成镜像，再对镜像组做条带化，因此同时具备较好的性能与可靠性。

代价是至少需要 4 块磁盘，而且只有一半左右的总容量可以使用。数据库等既重视性能又重视可靠性的场景，经常会考虑 RAID 10。

二、硬链接和软链接有什么区别

Linux 文件系统通常使用 inode 记录文件的元数据和数据位置，文件名则可以理解为指向 inode 的入口。

硬链接相当于给同一个 inode 再取一个名字。两个文件名地位基本相同，删除其中一个名称，只是减少了一条引用；只要还有硬链接存在，文件数据就不会被真正删除。

ln source.txt hard-link.txt

软链接也叫符号链接，更像 Windows 的快捷方式。它是一个独立的小文件，保存的是目标文件的路径。如果目标被删除或移动，软链接仍然存在，但会变成无法访问的“失效链接”。

ln -s source.txt soft-link.txt

如果只记一句话：硬链接是“同一份数据的另一个名字”，软链接是“通往目标路径的快捷方式”。

三、BIO、NIO 和 AIO 的区别

在 Java 语境下，这三个概念常用来描述不同的 I/O 编程方式。

BIO：同步阻塞

BIO 是传统的阻塞 I/O。线程调用 read() 后，如果数据还没有到达，就会停在那里等待。早期网络服务器常采用“一个连接对应一个线程”的方式，代码直观，但连接数量很大时会创建大量线程，线程切换和内存开销也会随之增加。

BIO 并不是性能一定差。连接数不多、请求处理简单时，它反而容易开发和维护。

NIO：同步非阻塞

Java NIO 提供了 Channel、Buffer 和 Selector 等组件。线程可以通过 Selector 关注多个 Channel，只有某个连接真正就绪时，才处理相应事件。

这里容易出现一个误区：NIO 不代表整个过程都是异步的。数据就绪后，应用线程通常仍要自己执行读取操作，所以它更准确地说是同步非阻塞 I/O，并经常与 I/O 多路复用一起使用。

AIO：异步非阻塞

AIO 的思路是，应用发起读取请求后可以继续做其他事情；等操作系统完成 I/O，再通过回调或通知告诉应用结果。线程不需要反复询问数据是否准备好，也不必一直阻塞等待。

四、什么是 I/O 多路复用

假设服务器同时维护一万个连接，但真正有数据到达的可能只有几十个。如果给每个连接安排一个线程，大部分线程都在等待，资源利用率并不高。

I/O 多路复用解决的正是这个问题：让一个线程同时关注多个文件描述符，等系统告诉它“哪些连接已经就绪”，再处理这些连接。这里的“多路”是多个连接，“复用”是复用少量线程。

多路复用并不表示一个线程能在同一时刻执行多个业务任务。它主要优化的是“等待哪些连接可读、可写”这件事。事件就绪后的业务处理如果很耗时，仍然可以交给工作线程池。

五、常见的五种 I/O 模型

理解 I/O 模型时，可以把一次读取分为两个阶段：第一阶段等待数据准备好，第二阶段把数据从内核缓冲区复制到应用缓冲区。不同模型的区别，主要就发生在这两个阶段。

1. 阻塞 I/O

调用读取方法后，线程从等待数据到数据复制完成，整个过程都被阻塞。模型简单，但等待期间线程无法做其他事情。

2. 非阻塞 I/O

如果数据没有准备好，系统会立即返回，应用过一会儿再询问。这避免了长时间阻塞，但不断轮询也会消耗 CPU。实际开发中，通常不会只靠这种忙轮询处理大量连接。

3. I/O 多路复用

应用通过 select、poll 或 epoll 等机制统一等待多个连接。某个连接就绪后，再由应用执行真正的读写。它仍属于同步 I/O，因为数据复制阶段通常由应用线程参与完成。

4. 信号驱动 I/O

应用先注册信号处理函数，然后继续执行其他工作。数据准备好时，内核发送信号通知应用，应用再进行读取。它减少了主动轮询，但信号处理和程序控制相对复杂，工程中没有多路复用常见。

5. 异步 I/O

应用提交 I/O 请求后立即返回，等待数据和复制数据都由系统负责。整个操作完成后，系统再通知应用。它和信号驱动 I/O 的关键区别是：信号驱动通常通知“可以读了”，异步 I/O 通知的是“已经读完了”。