@MSGID: 1@dont-email.me> c0d42106
@REPLY: 1@dont-email.me> cf08aa18
@REPLYADDR David Brown <david.brown@hesbynett.no>
@REPLYTO 2:5075/128 David Brown
@CHRS: CP866 2
@RFC: 1 0
@RFC-Message-ID: 1@dont-email.me>
@RFC-References: 1@dont-email.me>
1@dont-email.me> 1@dont-email.me> 1@dont-email.me>
2@dont-email.me> 1@dont-email.me> 1@dont-email.me>
@TZUTC: 0200
@PID: Mozilla/5.0 (X11; Linux x86_64; rv:60.0)
Gecko/20100101 Thunderbird/60.6.1
@TID: FIDOGATE-5.12-ge4e8b94
On 09/08/2023 09:27, pozz wrote:
> Il 08/08/2023 18:54, David Brown ha scritto:
>> On 08/08/2023 17:14, pozz wrote:
>>> Il 08/08/2023 16:31, David Brown ha scritto:
>>>> On 08/08/2023 14:59, pozz wrote:
>>>>> Il 08/08/2023 12:27, David Brown ha scritto:
>>>>>> On 07/08/2023 23:28, pozz wrote:
>>>>> [...]
>>>>>>> What do you suggest?
>>>>>>>
>>>>>>> PS: In the past I read only a few posts regarding Linux 
>>>>>>> development, even if it`s for embedded devices. However I don`t 
>>>>>>> know how to ask questions related to linux development, I noticed 
>>>>>>> Usenet linux groups are somewhat dead.
>>>>>>
>>>>>> I don`t know what kind of information you are needing, but an easy 
>>>>>> option might be to have the python service regularly write out a 
>>>>>> json format file with the current status or other information.  
>>>>>> The web app can have Javascript that regularly reads that file and 
>>>>>> handles it on the user`s web browser.  And if you want to go the 
>>>>>> other way, your Python code can use "inotify" waits to see file 
>>>>>> writes from the web server.
>>>>>
>>>>> Sincerely I don`t like your solution. First of all, you are writing 
>>>>> regularly on a normal file in the filesystem. Ok, maybe I can use a 
>>>>> tmpfs filesystem in RAM.
>>>>>
>>>>
>>>> That would be the normal choice, yes.
>>>>
>>>>> Another issue I see is synchronization. Without a sync mechanism, 
>>>>> the reader could read bad data, because the writer is writing to it.
>>>>>
>>>>
>>>> You typically handle this by writing to "status.tmp", then renaming 
>>>> (moving) it to "status.json", or whatever names you are using. 
>>>> Renaming a file like this is guaranteed atomic on Linux - anything 
>>>> attempting to open a handle to "status.json" will either get the old 
>>>> file (which is kept alive while the file descriptor is open) or the 
>>>> new file.  This is not the first situation in which people wanted to 
>>>> avoid reading half-written files!
>>>
>>> Good thing to know.
>>>
>>> Just to better understand what happens. If reader opens status.json 
>>> just before the writer rename status.tmp to status.json, we will have 
>>> a process (the reader) that reads from the old version of 
>>> "status.json" instead of the new version that is really on the 
>>> filesystem?
>>>
>>
>> Yes, exactly.
>>
>> A file in Linux exists independently from filenames.  There can be 
>> many things pointing to a file, and the file exists until there are no 
>> more pointers.  Usually these "pointers" are directory entries, but 
>> they can also be open file descriptors (which are actually visible as 
>> pseudofiles in the /proc filesystem).
> 
> Is this behaviour the same for whatever filesystem (ext2, fat, ...)?
> 

Yes (as far as I understand it), though some filesystems (like fat) 
don`t support multiple directory links to the same file.  All *nix 
suitable filesystems do, because hard links are a key feature.  (In 
use-cases like yours, you would - as you suggested - put the file on a 
tmpfs mount.)

> What I don`t understand is what exactly happens under the hood.
> 
> Consider the following sequences:
> - process W (writer) write version A to status.tmp
> - process W rename status.tmp to status.json
> - process W write version B to status.tmp
> - process R (reader) open file status.json (version A)
> - process W rename status.tmp to status.json
> [Now all new open operations on status.json will get new version of data]
> [process W could write/rename status.tmp/json 1000 times]
> - after one hour (just to say), process R starts reading from the file
> 

Yes.

It`s easy to try all this from two Python interactive sessions.  It`s 
hard to test race conditions of doing things quickly, but waiting an 
hour should be easy to simulate :-)

>  From what I understand, process R will get the full contents of version 
> A (even if it restarts reading changing file position many times). The 
> OS takes care of data A, because this "ghost file"[1] is in use.
> 

Yes.  Just don`t close the file descriptor between accesses.  (You can 
duplicate the file descriptor, close the first one, and carry on using 
the duplicate to access the old file.)

> Most probably, if the file size is small, the OS copy its contents in a 
> cache in RAM when process R open the file, so process R will read from 
> RAM and this explains why it will get the original version A content.
> 

It is all just like normal files.  But since version A is marked for 
immediate deletion upon closure, the OS knows it never needs to survive 
a reboot.  So if the data was not written out to disk, but was still in 
the write cache, then it will never be written out to the disk unless 
the system is desperate for memory.

This is similar to the trick for temporary files.  Create a new file for 
writing.  Open a read/write handle to the file.  Then delete the file. 
You can use the handle (and duplicates of it) to access the file, pass 
on the handle to child processes, etc., but the OS knows it does not 
need to actually write anything to the disk.  (Windows has special API 
calls to get a similar effect for immediately deletable files.)

> Anyway, in general the file could be any size, maybe 1GB. So I assume at 
> least some parts of version A data still remains in the HDD, even when 
> process W write/rename a new version.
> Until process R doesn`t close the file, version A data are phisically on 
> the HDD, consuming part of its memory. Is it correct?
> 

Yes.  You have understood perfectly.

> [1] Ghost because it can`t be read by any other process.
> 

It can, through a duplicate file descriptor.  In practice this is 
commonly done by child processes - when you fork(), the child gets a 
copy of all the open file descriptors.

> 
> 
>> So when you open the "status.json" file, you get that file, and it 
>> stays in existence at least until the file is closed.  The new 
>> "status.tmp" is a different file.  The rename just makes a new pointer 
>> to the new file, and erases the old pointer to the old file.
>>
>>> Consider that the reader could keep open the old status.json for a 
>>> long time. Does the OS guarantee that old data (maybe 1GB) can be 
>>> read even if a new file with new data is available?
>>>
>>
>> Yes, as long as you hold the file descriptor open.
>>
> 

--- Mozilla/5.0 (X11; Linux x86_64; rv:60.0) Gecko/20100101 Thunderbird/60.6.1
 * Origin: A noiseless patient Spider (2:5075/128)
SEEN-BY: 5001/100 5005/49 5015/255 5019/40 5020/715
848 1042 4441 12000
SEEN-BY: 5030/49 1081 5058/104 5075/128
@PATH: 5075/128 5020/1042 4441