尷尬，一不小心把 Linux 管道給整漏了
我很喜歡 Linux 系統，尤其是 Linux 的一些設計很漂亮，比如可以將一些復雜的問題分解成若干小問題，通過管道符和重定向機制靈活地用現成的工具解決，寫成 shell 腳本就很高效。
本文就分享一下我在實踐中使用重定向和管道符遇到的一些坑，搞明白一些底層原理，寫腳本的效率能提升不少。
> 和 >> 重定向符的坑
先說第一個問題，執行如下命令會發生什么?
- $ cat file.txt > file.txt
讀取再寫入同一個文件，感覺什么也不會發生對吧?
實際上，上述命令運行的結果是清空file.txt文件中的內容。
PS：有的 Linux 發行版可能會直接報錯，可以執行cat < file.txt > file.txt繞開這個檢測。
前文 Linux 進程和文件描述符 說過，程序本身沒有必要關心自己的標準輸入/輸出指向哪里，是 shell 通過管道符和重定向符號修改了程序的標準輸入/輸出的位置。
所以執行cat file.txt > file.txt這個命令時，shell 會先打開file.txt，由于重定向符號是>，所以文件中的內容會被清空，然后 shell 將cat命令的標準輸出設置為file.txt，這時候cat命令才開始執行。
也就是如下過程：
1、shell 打開file.txt并清空其內容。
2、shell 將cat命令的標準輸出指向file.txt文件。
3、shell 執行cat命令，讀了一個空文件。
4、cat命令將空字符串寫入標準輸出(file.txt文件)。
所以，最后的結果就是file.txt變成了空文件。
我們知道，>會清空目標文件，>>會在目標文件尾部追加內容，那么如果將重定向符>改成>>會怎樣呢?
- $ echo hello world > file.txt # 文件中只有一行內容
- $ cat file.txt >> file.txt # 這個命令會死循環
file.txt中首先被寫入一行內容，執行cat file.txt >> file.txt后預期的結果應該是兩行內容。
但是很遺憾，運行結果并不符合預期，而是會死循環不斷向file.txt中寫入 hello world，文件很快就會變得很大，只能用 Control+C 停止命令。
這就有意思了，為什么會死循環呢?其實稍加分析就可以想到原因：
首先要回憶cat命令的行為，如果只執行cat命令，就會從命令行讀取鍵盤輸入的內容，每次按下回車，cat命令就會回顯輸入，也就是說，cat命令是逐行讀取數據然后輸出數據的。
那么，cat file.txt >> file.txt命令的執行過程如下：
1、打開file.txt，準備在文件尾部追加內容。
2、將cat命令的標準輸出指向file.txt文件。
3、cat命令讀取file.txt中的一行內容并寫入標準輸出(追加到file.txt文件中)。
4、由于剛寫入了一行數據，cat命令發現file.txt中還有可以讀取的內容，就會重復步驟 3。
以上過程，就好比一邊遍歷列表，一遍往列表里追加元素一樣，永遠遍歷不完，所以導致我們的命令死循環。
> 重定向符和 | 管道符配合
我們經常會遇到這樣的需求：截取文件的前 XX 行，其余的都刪除。
在 Linux 中，head命令可以完成截取文件前幾行的功能：
- $ cat file.txt # file.txt 中有五行內容
- 1
- 2
- 3
- 4
- 5
- $ head -n 2 file.txt # head 命令讀取前兩行
- 1
- 2
- $ cat file.txt | head -n 2 # head 也可以讀取標準輸入
- 1
- 2
如果我們想保留文件的前 2 行，其他的都刪除，可能會用如下命令：
- $ head -n 2 file.txt > file.txt
但是這就犯了前文說的錯誤，最后file.txt會被清空，不能實現我們的需求。
那我們是這樣寫命令是否可以避坑呢：
- $ cat file.txt | head -n 2 > file.txt
結論是不行，文件內容依然會被清空。
What?是不是管道漏了，把數據全漏掉了?
前文 Linux 進程和文件描述符 也說過管道符的實現原理，本質上就是將兩個命令的標準輸入和輸出連接起來，讓前一個命令的標準輸出作為下一個命令的標準輸入。
但是，如果你認為這樣寫命令可以得到預期的結果，那可能是因為你認為管道符連接的命令是串行執行的，這是一個常見的錯誤，實際上管道符連接的多個命令是并行執行的。
你可能以為，shell 會先執行cat file.txt命令，正常讀取file.txt中的所有內容，然后把這些內容通過管道傳遞給head -n 2 > file.txt命令。
雖然這時候file.txt中的內容會被清空，但是head并沒有從文件中讀取數據，而是從管道讀取數據，所以應該可以向file.txt正確寫入兩行數據。
但實際上，上述理解是錯誤的，shell 會并行執行管道符連接的命令，比如說執行如下命令：
- $ sleep 5 | sleep 5
shell 會同時啟動兩個sleep進程，所以執行結果是睡眠 5 秒，而不是 10 秒。
這是有點違背直覺的，比如這種常見的命令：
- $ cat filename | grep 'pattern'
直覺好像是先執行cat命令一次性讀取了filename中所有的內容，然后傳遞給grep命令進行搜索。
但實際上是cat和grep命令是同時執行的，之所以能得到預期的結果，是因為grep 'pattern'會阻塞等待標準輸入，而cat通過 Linux 管道向grep的標準輸入寫入數據。
執行下面這個命令能直觀感受到cat和grep是在同時執行的，grep在實時處理我們用鍵盤輸入的數據：
- $ cat | grep 'pattern'
說了這么多，再回顧一開始的問題：
- $ cat file.txt | head -n 2 > file.txt
cat命令和head會并行執行，誰先誰后不確定，執行結果也就不確定。
如果head命令先于cat執行，那么file.txt就會被先清空，cat也就讀取不到任何內容;反之，如果cat先把文件的內容讀取出來，那么可以得到預期的結果。
不過，通過我的實驗(將這種并發情況重復 1w 次)發現，file.txt被清空這種錯誤情況出現的概率遠大于預期結果出現的概率，這個暫時還不清楚是為什么，應該和 Linux 內核實現進程和管道的邏輯有關。
解決方案
說了這么多管道符和重定向符的特點，如何才能避免這個文件被清空的坑呢?
最靠譜的辦法就是不要同時對同一個文件進行讀寫，而是通過臨時文件的方式做一個中轉。
比如說只保留file.txt文件中的頭兩行，可以這樣寫代碼：
- # 先把數據寫入臨時文件，然后覆蓋原始文件
- $ cat file.txt | head -n 2 > temp.txt && mv temp.txt file.txt
這是最簡單，最可靠，萬無一失的方法。
你如果嫌這段命令太長，也可以通過apt/brew/yum等包管理工具安裝moreutils包，就會多出一個sponge命令，像這樣使用：
- # 先把數據傳給 sponge，然后由 sponge 寫入原始文件
- $ cat file.txt | head -n 2 | sponge file.txt
sponge這個單詞的意思是海綿，挺形象的，它會先把輸入的數據「吸收」起來，最后再寫入file.txt，核心思路和我們使用臨時文件時類似的，這個「海綿」就好比一個臨時文件，就可以避免同時打開同一個文件進行讀寫的問題。
以上就是重定向和管道符的一些坑，希望能幫到你。
