标准C＋＋类std::string的内存共享和Copy-On-Write技术

标准C＋＋类std::string的 
内存共享和Copy-On-Write技术 

陈皓 

一、 概念 

Scott Meyers在《More Effective C++》中举了个例子，不知你是否还记得？在你还在上学的时候，你的父母要你不要看电视，而去复习功课，因而你把本身关在房间里，作出一副正在复习功课的样子，其实你在干着别的诸如给班上的某位女生写情书之类的事，而一旦你的父母出来在你房间要检查你是否在复习时，你才真正捡起课本看书。这就是“拖延战术”，直到你非要作的时候才去作。 


固然，这种事情在现实生活中时每每会出事，但其在编程世界中摇身一变，就成为了最有用的技术，正如C++中的能够随处声明变量的特色同样，Scott Meyers推荐咱们，在真正须要一个存储空间时才去声明变量（分配内存），这样会获得程序在运行时最小的内存花销。执行到那才会去作分配内存这种比较耗时的工做，这会给咱们的程序在运行时有比较好的性能。必竟，20%的程序运行了80%的时间。 


固然，拖延战术还并不仅是这样一种类型，这种技术被咱们普遍地应用着，特别是在操做系统当中，当一个程序运行结束时，操做系统并不会急着把其清除出内存，缘由是有可能程序还会立刻再运行一次（从磁盘把程序装入到内存是个很慢的过程），而只有当内存不够用了，才会把这些还驻留内存的程序清出。 


写时才拷贝（Copy-On-Write）技术，就是编程界“懒惰行为”——拖延战术的产物。举个例子，好比咱们有个程序要写文件，不断地根据网络传来的数据写，若是每一次fwrite或是fprintf都要进行一个磁盘的I/O操做的话，都简直就是性能上巨大的损失，所以一般的作法是，每次写文件操做都写在特定大小的一块内存中（磁盘缓存），只有当咱们关闭文件时，才写到磁盘上（这就是为何若是文件不关闭，所写的东西会丢失的缘由）。更有甚者是文件关闭时都不写磁盘，而一直等到关机或是内存不够时才写磁盘，Unix就是这样一个系统，若是非正常退出，那么数据就会丢失，文件就会损坏。 


呵呵，为了性能咱们须要冒这样大的风险，还好咱们的程序是不会忙得忘了还有一块数据须要写到磁盘上的，因此这种作法，仍是颇有必要的。 



二、 标准C++类std::string的Copy-On-Write 

在咱们常用的STL标准模板库中的string类，也是一个具备写时才拷贝技术的类。C++曾在性能问题上被普遍地质疑和指责过，为了提升性能，STL中的许多类都采用了Copy-On-Write技术。这种偷懒的行为的确使使用STL的程序有着比较高要性能。 


这里，我想从C++类或是设计模式的角度为各位揭开Copy-On-Write技术在string中实现的面纱，以供各位在用C++进行类库设计时作一点参考。 


在讲述这项技术以前，我想简单地说明一下string类内存分配的概念。经过常，string类中必有一个私有成员，其是一个char*，用户记录从堆上分配内存的地址，其在构造时分配内存，在析构时释放内存。由于是从堆上分配内存，因此string类在维护这块内存上是格外当心的，string类在返回这块内存地址时，只返回const char*，也就是只读的，若是你要写，你只能经过string提供的方法进行数据的改写。 

2.一、 特性 

由表及里，由感性到理性，咱们先来看一看string类的Copy-On-Write的表面特征。让咱们写下下面的一段程序： 



#include 
#include 
using namespace std; 

main() 
{ 
string str1 = "hello world"; 
string str2 = str1; 

printf ("Sharing the memory:\n"); 
printf ("\tstr1's address: %x\n", str1.c_str() ); 
printf ("\tstr2's address: %x\n", str2.c_str() ); 

str1[1]='q'; 
str2[1]='w'; 

printf ("After Copy-On-Write:\n"); 
printf ("\tstr1's address: %x\n", str1.c_str() ); 
printf ("\tstr2's address: %x\n", str2.c_str() ); 

return 0; 
} 




这个程序的意图就是让第二个string经过第一个string构造，而后打印出其存放数据的内存地址，而后分别修改str1和str2的内容，再查一下其存放内存的地址。程序的输出是这样的（我在VC6.0和g++ 2.95都获得了一样的结果）： 



> g++ -o stringTest stringTest.cpp 
> ./stringTest 
Sharing the memory: 
str1's address: 343be9 
str2's address: 343be9 
After Copy-On-Write: 
str1's address: 3407a9 
str2's address: 343be9 


2.二、 深刻 
在深刻这前，经过上述的演示，咱们应该知道在string类中，要实现写时才拷贝，须要解决两个问题，一个是内存共享，一个是Copy-On-Wirte，这两个主题会让咱们产生许多疑问，仍是让咱们带着这样几个问题来学习吧： 

一、 Copy-On-Write的原理是什么？ 

二、 string类在什么状况下才共享内存的？ 

三、 string类在什么状况下触发写时才拷贝（Copy-On-Write）? 

四、 Copy-On-Write时，发生了什么？ 

五、 Copy-On-Write的具体实现是怎么样的？ 


喔，你说只要看一看STL中stirng的源码你就能够找到答案了。固然，固然，我也是参考了string的父模板类basic_string的源码。可是，若是你感到看STL的源码就好像看机器码，并严重打击你对C++自信心，乃至产生了本身是否懂C++的疑问，若是你有这样的感受，那么仍是继续往下看个人这篇文章吧。 


OK，让咱们一个问题一个问题地探讨吧，慢慢地全部的技术细节都会浮出水面的。 


2.三、 Copy-On-Write的原理是什么？ 
有必定经验的程序员必定知道，Copy-On-Write必定使用了“引用计数”，是的，必然有一个变量相似于RefCnt。当第一个类构造时，string的构造函数会根据传入的参数从堆上分配内存，当有其它类须要这块内存时，这个计数为自动累加，当有类析构时，这个计数会减一，直到最后一个类析构时，此时的RefCnt为1或是0，此时，程序才会真正的Free这块从堆上分配的内存。 


是的，引用计数就是string类中写时才拷贝的原理！ 


不过，问题又来了，这个RefCnt该存在在哪里呢？若是存放在string类中，那么每一个string的实例都有各自的一套，根本不能共有一个RefCnt，若是是声明成全局变量，或是静态成员，那就是全部的string类共享一个了，这也不行，咱们须要的是一个“民主和集中”的一个解决方法。这是如何作到的呢？呵呵，人生就是一个糊涂后去探知，知道后和又糊涂的循环过程。别急别急，在后面我会给你一一道来的。 

2.3.一、 string类在什么状况下才共享内存的？ 
这个问题的答案应该是明显的，根据常理和逻辑，若是一个类要用另外一个类的数据，那就能够共享被使用类的内存了。这是很合理的，若是你不用个人，那就不用共享，只有你使用个人，才发生共享。 


使用别的类的数据时，无非有两种状况，1）以别的类构造本身，2）以别的类赋值。第一种状况时会触发拷贝构造函数，第二种状况会触发赋值操做符。这两种状况咱们均可以在类中实现其对应的方法。对于第一种状况，只须要在string类的拷贝构造函数中作点处理，让其引用计数累加；一样，对于第二种状况，只须要重载string类的赋值操做符，一样在其中加上一点处理。 





唠叨几句： 


1）构造和赋值的差异 

对于前面那个例程中的这两句： 

string str1 = "hello world"; 
string str2 = str1; 
不要觉得有“=”就是赋值操做，其实，这两条语句等价于： 

string str1 ("hello world"); //调用的是构造函数 
string str2 (str1); //调用的是拷贝构造函数 

若是str2是下面的这样状况： 

string str2; //调用参数默认为空串的构造函数：string str2(“”); 
str2 = str1; //调用str2的赋值操做：str2.operator=(str1); 

2) 另外一种状况 

char tmp[]=”hello world”; 
string str1 = tmp; 
string str2 = tmp; 
这种状况下会触发内存的共享吗？想固然的，应该要共享。但是根据咱们前面所说的共享内存的状况，两个string类的声明和初始语句并不符合我前述的两种状况，因此其并不发生内存共享。并且，C++现有特性也没法让咱们作到对这种状况进行类的内存共享。 






2.3.二、 string类在什么状况下触发写时才拷贝（Copy-On-Write）? 
哦，何时会发现写时才拷贝？很显然，固然是在共享同一块内存的类发生内容改变时，才会发生Copy-On-Write。好比string类的[]、=、+=、+、操做符赋值，还有一些string类中诸如insert、replace、append等成员函数,包括类的析构时。 


修改数据才会触发Copy-On-Write，不修改固然就不会改啦。这就是托延战术的真谛，非到要作的时候才去作。 


2.3.三、 Copy-On-Write时，发生了什么？ 
咱们可能根据那个访问计数来决定是否须要拷贝，参看下面的代码： 




If ( RefCnt>0 ) { 
char* tmp = (char*) malloc(strlen(_Ptr)+1); 
strcpy(tmp, _Ptr); 
_Ptr = tmp; 
} 





上面的代码是一个假想的拷贝方法，若是有别的类在引用（检查引用计数来获知）这块内存，那么就须要把更改类进行“拷贝”这个动做。 


咱们能够把这个拷的运行封装成一个函数，供那些改变内容的成员函数使用。 




从结果中咱们能够看到，在开始的两个语句后，str1和str2存放数据的地址是同样的，而在修改内容后，str1的地址发生了变化，而str2的地址仍是原来的。从这个例子，咱们能够看到string类的Copy-On-Write技术。 



2.3.四、 Copy-On-Write的具体实现是怎么样的？ 
最后的这个问题，咱们主要解决的是那个“民主集中”的难题。请先看下面的代码： 


string h1 = “hello”; 
string h2= h1; 
string h3; 
h3 = h2; 

string w1 = “world”; 
string w2(“”); 
w2=w1; 



很明显，咱们要让h一、h二、h3共享同一块内存，让w一、w2共享同一块内存。由于，在h一、h二、h3中，咱们要维护一个引用计数，在w一、w2中咱们又要维护一个引用计数。 


如何使用一个巧妙的方法产生这两个引用计数呢？咱们想到了string类的内存是在堆上动态分配的，既然共享内存的各个类指向的是同一个内存区，咱们为何不在这块区上多分配一点空间来存放这个引用计数呢？这样一来，全部共享一块内存区的类都有一样的一个引用计数，而这个变量的地址既然是在共享区上的，那么全部共享这块内存的类均可以访问到，也就知道这块内存的引用者有多少了。 


请看下图： 







因而，有了这样一个机制，每当咱们为string分配内存时，咱们老是要多分配一个空间用来存放这个引用计数的值，只要发生拷贝构造但是赋值时，这个内存的值就会加一。而在内容修改时，string类为查看这个引用计数是否为0，若是不为零，表示有人在共享这块内存，那么本身须要先作一份拷贝，而后把引用计数减去一，再把数据拷贝过来。下面的几个程序片断说明了这两个动做： 



//构造函数（分存内存） 
string::string(const char* tmp) 
{ 
_Len = strlen(tmp); 
_Ptr = new char[_Len+1+1]; 
strcpy( _Ptr, tmp ); 
_Ptr[_Len+1]=0; // 设置引用计数 
} 

//拷贝构造（共享内存） 
string::string(const string& str) 
{ 
if (*this != str){ 
this->_Ptr = str.c_str(); //共享内存 
this->_Len = str.szie(); 
this->_Ptr[_Len+1] ++; //引用计数加一 
} 
} 

//写时才拷贝Copy-On-Write 
char& string::operator[](unsigned int idx) 
{ 
if (idx > _Len || _Ptr == 0 ) { 
static char nullchar = 0; 
return nullchar; 
} 

_Ptr[_Len+1]--; //引用计数减一 
char* tmp = new char[_Len+1+1]; 
strncpy( tmp, _Ptr, _Len+1); 
_Ptr = tmp; 
_Ptr[_Len+1]=0; // 设置新的共享内存的引用计数 

return _Ptr[idx]; 
} 




//析构函数的一些处理 

~string() 

{ 
_Ptr[_Len+1]--; //引用计数减一 

// 引用计数为0时，释放内存 

if (_Ptr[_Len+1]==0) { 

delete[] _Ptr; 
} 


} 




哈哈，整个技术细节彻底浮出水面。 


不过，这和STL中basic_string的实现细节还有一点点差异，在你打开STL的源码时，你会发现其取引用计数是经过这样的访问：_Ptr[-1]，标准库中，把这个引用计数的内存分配在了前面（我给出来的代码是把引用计数分配以了后面，这很很差），分配在前的好处是当string的长度扩展时，只须要在后面扩展其内存，而不须要移动引用计数的内存存放位置，这又节省了一点时间。 


STL中的string的内存结构就像我前面画的那个图同样，_Ptr指着是数据区，而RefCnt则在_Ptr-1 或是 _Ptr[-1]处。 


2.四、 臭虫Bug 

是谁说的“有太阳的地方就会有黑暗”？或许咱们中的许多人都很迷信标准的东西，认为其是久经考验，不可能出错的。呵呵，千万不要有这种迷信，由于任何设计再好，编码再好的代码在某一特定的状况下都会有Bug，STL一样如此，string类的这个共享内存/写时才拷贝技术也不例外，并且这个Bug或许还会让你的整个程序crash掉！ 


不信？！那么让咱们来看一个测试案例： 


假设有一个动态连接库（叫myNet.dll或myNet.so）中有这样一个函数返回的是string类： 


string GetIPAddress(string hostname) 
{ 
static string ip; 
…… 
…… 
return ip; 
} 




而你的主程序中动态地载入这个动态连接库，并调用其中的这个函数： 



main() 
{ 
//载入动态连接库中的函数 
hDll = LoadLibraray(…..); 
pFun = GetModule(hDll, “GetIPAddress”); 

//调用动态连接库中的函数 
string ip = (*pFun)(“host1”); 
…… 
…… 
//释放动态连接库 
FreeLibrary(hDll); 
…… 
cout << ip << endl; 
} 





让咱们来看看这段代码，程序以动态方式载入动态连接库中的函数，而后以函数指针的方式调用动态连接库中的函数，并把返回值放在一个string类中，而后释放了这个动态连接库。释放后，输入ip的内容。 


根据函数的定义，咱们知道函数是“值返回”的，因此，函数返回时，必定会调用拷贝构造函数，又根据string类的内存共享机制，在主程序中变量ip是和函数内部的那个静态string变量共享内存（这块内存区是在动态连接库的地址空间的）。而咱们假设在整个主程序中都没有对ip的值进行修改过。那么在当主程序释放了动态连接库后，那个共享的内存区也随之释放。因此，之后对ip的访问，必然作形成内存地址访问非法，形成程序crash。即便你在之后没有使用到ip这个变量，那么在主程序退出时也会发生内存访问异常，由于程序退出时，ip会析构，在析构时就会发生内存访问异常。 


内存访问异常，意味着两件事：1）不管你的程序再漂亮，都会由于这个错误变得暗淡无光，你的声誉也会由于这个错误受到损失。2）将来的一段时间，你会被这个系统级错误所煎熬（在C++世界中，找到并排除这种内存错误并非一件容易的事情）。这是C/C++程序员永远的心头之痛，千里之堤，溃于蚁穴。而若是你不清楚string类的这种特征，在成千上万行代码中找这样一个内存异常，简直就是一场噩梦。 

备注：要改正上述的Bug，有不少种方法，这里提供一种仅供参考： 

string ip = (*pFun)(“host1”).cstr(); 


三、 后记 

文章到这里也应该结束了，这篇文章的主要有如下几个目的： 


1） 向你们介绍一下写时才拷贝/内存共享这种技术。 

2） 以STL中的string类为例，向你们介绍了一种设计模式。 

3） 在C++世界中，不管你的设计怎么精巧，代码怎么稳固，都难以照顾到全部的状况。智能指针更是一个典型的例子，不管你怎么设计，都会有很是严重的BUG。 

4） C++是一把双刃剑，只有了解了原理，你才能更好的使用C++。不然，必将引火烧身。若是你在设计和使用类库时有一种“玩C++就像玩火，必须千万当心”的感受，那么你就入门了，等你能把这股“火”控制的驾轻就熟时，那才是学成了。 


最后，仍是利用这个后序，介绍一下本身。我目前从事于全部Unix平台下的软件研发，主要是作系统级的产品软件研发，对于下一代的计算机革命——网格计算很是地感兴趣，同于对于分布式计算、P2P、Web Service、J2EE技术方向也很感兴趣，另外，对于项目实施、团队管理、项目管理也小有心得，但愿一样和我战斗在“技术和管理并重”的阵线上的年轻一代，可以和我多多地交流。个人MSN和邮件是：haoel@hotmail.com。