资源

• 2025 南京大学操作系统原理 哔哩哔哩_bilibili
• Yanyan's Wiki
• 2025春季 操作系统 | Xintao Niu (钮鑫涛)

正文

8. 终端和 UNIX Shell

8.1 终端

打字机时代

打字机

WERTY 键盘 (1860s)

• 为降低打字速度设计的防卡纸方案
  • 毕竟机械结构，每一下都需要足够的力量

打字机时代的遗产

Shift

• 使字锤或字模向上移动一段距离，切换字符集

CR & LF

• \r CR (Carriage Return): 回车，将打印头移回行首
  • print('Hel\rlo')
• \n LF (Line Feed): 换行，将纸张向上移动一行
  • UNIX 的 \n 同时包含 CR 和 LF

Tab & Backspace

• 位置移动 (Backspace + 减号 = 错了划掉)

电传打字机（Teletypewriter，TTY）

为了发电报设计（收发两端同时打印）

• Telex (teleprinter exchange): 1920s，早于计算机
  • 使用 Baudot Code (5-bit code)
  • 很自然地也能用在计算机上

使用 Baudot Code（5 位编码）。

因为能把输入变成信号再传到远方，非常自然地被计算机用来作为输入/输出设备。

所以“终端”最早其实是一个打字机 + 电缆的组合。

VT100: 封神之路

Video Teletypewriter (DEC, 1978)

• 成为事实上的行业标准
  • 首个完整实现 ANSI Escape Sequence 的终端
  • 80×24 字符显示成为标准布局

1978 年 DEC 公司推出 VT100。

它定义了一套标准的“控制序列”：ANSI Escape Sequences，用于控制光标、颜色、清屏等。

这成为后来的终端标准（比如 \033[2J 表示清屏）。

同时确立了“80×24 字符”的标准屏幕大小。

计算机终端：原理

作为输出设备

• 接受 UART 信号并显示 (Escape Sequence 就非常自然了)

作为输入设备

• 把按键的 ASCII 码输出到 UART (所以有很多控制字符)

今天：伪终端（Pseudo Terminal）

一对 “管道” 提供双向通信通道

• 主设备 (PTY Master): 连接到终端模拟器
• 从设备 (PTY Slave): 连接到 shell 或其他程序
  • 例如 /dev/pts/0

伪终端经常被创建

• ssh, tmux new-window, ctrl-alt-t, ...
• openpty(): 通过 /dev/ptmx 申请一个新终端
  • 返回两个文件描述符 (master/slave)
  • (感受到 “操作系统对象” 的恐怖体量了吧)

你在桌面打开一个终端窗口（master）。

操作系统创建一个 /dev/pts/0（slave）。

Shell 的输入输出都指向这个 slave。

你敲键盘 → master 把键发给 slave → shell 收到命令。

shell 输出文字 → slave 发回给 master → 显示在屏幕上。

终端模拟器（Terminal Emulator）

这下你也会实现了

• openpty + fork
  • 子进程：stdin/stdout/stderr 指向 slave
  • 父进程：从 master 读取输出显示到屏幕；将键盘输入写入 master

甚至可以扩展 Escape Sequence 来显示图片

• Kitty: \033[60C\_ 开头，\033\ 结尾
  • 允许控制大小、位置、动画等
  • kitten icat img.png | cat

终端：更多功能

终端模式

• Canonical Mode: 按行处理
  • 回车发送数据（终端提供行编辑功能）

按行处理输入。

回车才把整行发给程序。

支持行编辑（比如按 Backspace 删除）。

普通命令行程序（bash）用这种模式。

• Non-canonical Mode: 按字符处理
  • 每个字符立即发送给程序
  • 用于实现交互式程序: vim, ssh sshtron.zachlatta.com

按字符立即发送给程序。

用于交互性强的程序（比如 vim、ssh、游戏）。

程序自己处理光标移动、删除、显示等。

终端属性控制

• tcgetattr/tcsetattr (terminal control)
• 可以控制终端的各种行为：回显、信号处理、特殊字符等
  • （你输密码的时候关闭了终端的回显）

8.2 终端和操作系统

程序和终端配对

用户登录的起点

• 系统启动 (内核 → init → getty)
• 远程登录 (sshd → fork → openpty)
  • stdin, stdout, stderr 都会指向分配的终端
• vscode (fork → openpty)

login 程序继承分配的终端

• （是的，login 是一个程序）
• fork() 会继承文件描述符（指针）
  • 因此，子进程也会指向同一个终端

进程管理：要解决的问题

我们有那么大一棵进程树，都指向同一个终端，有的在前台，有的在后台，Ctrl-C 到底终止哪个进程？

答案：终端才不管呢

• 它只管传输字符
  • Ctrl-C: End of Text (ETX), \x03
  • Ctrl-D: End of Transmission (EOT), \x04
  • stty -a: 你可以看到按键绑定 (奇怪的知识增加了)
• 但操作系统收到了这个字符
  • 就可以对 “当前” 的进程采取行动

终端上的“当前进程”

作为操作系统的设计者，需要在收到 Ctrl-C 的时候找到一个 “当前进程”

你会怎么做？

• fork() 会产生树状结构
  • （还有托孤行为）
• Ctrl-C 应该终止所有前台的 “进程们”
  • 但不能误伤后台的 “进程们”

会话（Session）和进程组（Process Group）

给进程引入一个额外编号 (Session ID，大分组)

• 子进程会继承父进程的 Session ID
  • 一个 Session 关联一个控制终端 (controlling terminal)
  • Leader 退出时，全体进程收到 Hang Up (SIGHUP)

再引入另一个编号 (Process Group ID，小分组)

• 只能有一个前台进程组
• 操作系统收到 Ctrl-C，向前台进程组所有进程发送 SIGINT

• 用户按下 Ctrl-C → 终端设备驱动收到控制字符 \x03。

• 驱动层识别出“中断信号”事件。 → 操作系统知道当前终端属于哪个会话。

• 操作系统查找该终端的 前台进程组（Foreground PGID）。

• 向这个进程组的所有成员发送 SIGINT 信号。

会话和进程组：API

太不优雅了

• setsid/getsid
  • setsid 会脱离 controlling terminal
• setpgid/getpgid
• tcsetpgrp/tcgetpgrp
  • 迷惑 API

因为这些函数都是在 1970s–1980s UNIX 环境演化出来的——那时候根本没有图形界面、没有多窗口、甚至没有多终端。

结果这些底层接口在后来的系统（比如 Linux、Android、macOS）都不得不继续兼容

以及……uid, effective uid (?), saved uid (???)

• Setuid Demystified
  • 任何软件都很难逃脱千疮百孔的设计

终于能实现 Job Control 了

窗口和多任务：终端可以有 “一个前台进程组”

• “最小化” = Ctrl-Z (SIGTSTP)
  • SIGTSTP 默认行为暂停进程，收到 SIGCONT 后恢复
• “切换” = fg/bg (tcsetpgrp)

为了实现 “窗口栏上的按钮”，还很是大费周章

• 还不如 tmux 管理多个 pty 呢 (选择性 “绘制” 在终端上)
  • 那是因为发明 session/pg 的时候还没有 pty 呢……

但是，这是 POSIX 的一部分……

• 几乎任何人都无法预知 “软件” 的未来

回头看这个问题

• 我们不需要 “绑定进程到设备”

“会话、进程组、信号”这些设计在今天看来有点笨重，但它们奠定了所有现代系统的多任务与隔离基础。

• 管理程序 (tmux, gnome, ...) 去模拟就行
  • Window Manager: 只需要 “进程组” 就行了
    • 关窗口，全部一个不留
  • Android: 每个 app 都是不同的用户
    • 强行终止 = 杀掉属于这个用户的所有进程
  • Snap: 程序在隔离的沙箱运行
    • AppArmor + seccomp + namespaces (真狠)

从未来回头看现在

人机交互的方式根本不应该是这样的

• 我们很少能清醒地认识到
  • 我要做 $X$
  • 应该分解成 $Y→(Z,W)→T$
• 因此，坐在电脑前的大部分时间都浪费了

总结：Ctrl-C 到底做了什么

signal

• 注册一个信号的 “处理程序” $f$
  • 操作系统会记下这个 $f$

程序可以注册某个信号的处理函数 f。

操作系统在检测到某种事件（比如 Ctrl-C）时，会在合适的时机让程序“执行”这个函数。

kill

• 在程序从操作系统返回时，强制加一个向 $f$ 的跳转
  • 程序 = 状态机
  • 只要 “模拟” 调用 $f$ 的行为即可

8.3 UNIX Shell 编程语言

“多任务”不是人机交互的全部

The Shell Programming Language

UNIX 的用户可都是 hackers!

• UNIX Shell: 基于文本替换的极简编程语言
  • 只有一种类型：字符串
  • 算术运算？对不起，我们不支持 (但可以 expr 1 + 2)

语言机制

• 预处理: $(), <()
• 重定向: cmd > file < file 2> /dev/null
• 顺序结构: cmd1; cmd2, cmd1 && cmd2, cmd1 || cmd2
• 管道: cmd1 | cmd2
  • 这些命令被翻译成系统调用序列 (open, dup, pipe, fork, execve, waitpid, ...)

例子：实现重定向

利用子进程继承文件描述符的特性

利用 子进程继承父进程文件描述符 的特性，把标准输入/输出指向文件，再执行命令。

• 在父进程打开好文件，到子进程里腾挪
  • 发现还是 Windows API 更 “优雅”

int fd_in  = open(..., O_RDONLY | O_CLOEXEC);
int fd_out = open(..., O_WRONLY | O_CLOEXEC);

父进程先打开输入输出文件：

• fd_in 指向要读取的文件（重定向 stdin）
• fd_out 指向要写入的文件（重定向 stdout）
• O_CLOEXEC 表示 在 execve() 时自动关闭，防止文件泄露给其他程序

int pid = fork();
if (pid == 0) {
    dup2(fd_in, 0);
    dup2(fd_out, 1);
    execve(...);
}

子进程做两件事：

• dup2(fd_in, 0) → 把文件描述符 fd_in 覆盖到标准输入（stdin = 0）

• dup2(fd_out, 1) → 把文件描述符 fd_out 覆盖到标准输出（stdout = 1）

• execve(...) → 执行目标程序（如 cat、grep 等），此时程序的 stdin/stdout 已经是文件了

else {
    close(fd_in);
    close(fd_out);
    waitpid(pid, &status, 0);
}

父进程做两件事：

• 关闭文件描述符（释放资源）
• 等待子进程结束（waitpid 收集状态）

grep foo < input.txt > output.txt

读一读手册

dash（或其他 shell）就是 POSIX 标准的“命令行翻译器”，把用户输入的文本命令翻译成操作系统的行为。

UNIX Shell：优点/缺点

优点：高效、简介、精确

• 一种 “自然编程语言”：一行命令，协同多个程序
  • make -nB | grep ...
  • 最适合 quick & dirty 的 hackers

无奈的取舍

• Shell 的设计被 “1970s 的算力、算法和工程能力” 束缚了
  • 后人只好将错就错（PowerShell: 我好用，但没人用）

例子：操作的 “优先级”？

• ls > a.txt | cat
  • 我已经重定向给 a.txt 了，cat 是不是就收不到输入了？
• bash/zsh 的行为是不同的
  • 所以脚本用 #!/bin/bash 甚至 #!/bin/sh 保持兼容
• 文本数据 “责任自负”
  • 空格 = 灾难

Shell 是 1970s 的高效工具语言，它轻量、精确、组合力强，但受限于历史设计，文本数据容易出错，行为在不同 shell 间不统一。

$ echo hello > /etc/a.txt
bash: /etc/a.txt: Permission denied
 
$ sudo echo hello > /etc/a.txt
bash: /etc/a.txt: Permission denied

A Zero-dependency UNIX Shell

真正体现 “Shell 是 Kernel 之外的 壳”

• 来自 xv6
• 完全基于系统调用 API，零库函数依赖
  • -ffreestanding 编译、ld 链接

Shell = Kernel 之外的壳（user-level program）

不依赖任何库函数，只调用 系统调用（syscall）：

• fork(), execve(), wait(), pipe(), open(), dup2() 等

这是 xv6 的做法，也是教学中常见的例子

编译方式：

• -ffreestanding → 不依赖标准库
• ld 链接 → 手动控制可执行文件布局

支持的功能

• 重定向/管道 ls > a.txt, ls | wc -l
• 后台执行 ls &
• 命令组合 (echo a ; echo b) | wc -l