C/C++ Data alignment 及 struct size深入分析

C语言，在对一个 struct variable使用sizeof operator(操作符)的时候，往往得到的结果并不是我们想象中——struct内所有member的size之和。

当清楚了什么是Data alignment(数据对齐)，对这个问题就豁然开朗了。

Data Alignment

在C/C++，甚至所有programming language中，每个Data object，更确切的说是 每个variable都有两个属性 ：

• value (自身的值)
• memory address(其内存地址)

对每个variable的分析，都是基于内存分析的。所以，分析variable自身value的时候，又是分析 其在内存中的存储形式.所以更确切的是
     Variable Properties 

• bit pattern
• memory address

往往variable最重要的属性，是其内存地址。这也是为什么 在C/C++中，指针，pointer是如此的强大。

Data Alignment 并非针对 Data 本身，而是Data(Variable)的内存地址 。在 MSDN 对 Alignment做出定义，其第一句话便是
Alignment is a property of a memory address

以一张表格来展现32-bit machine 的内存结构



计算机中，内存是由大量的，连续的，可寻址的或编了号的memory cells(内存单元)构成。每个memory cell 占1 byte。

假如上述表格 bank0的address 为X，那么bank1,bank2,bank2的地址分别为X+1,X+2,X+2。

CPU在处理内存数据时，并非一次提取一个memory cell，一般提取一组相邻内存单元。在32-bit machine,CPU一次从内存中读取 4个连续的memory cell(4-byte) 。所以在此表格中，4 byte chunk(4字节流) 为一个读取周期。在读取一个int型 数据时，仅仅需要一个周期(int 占4 byte)。读取Double型，则需要2个读取周期。表格(D0-D31，32-bit)表示一个内存周期。如果是8-bit machine 即1字长(D0-D7),则需要4个周期来读取一个integer。


说了一些基本的内存知识，接下来看看 MSDN对Alignment的定义是怎么样的

MSDN 写道

Alignment is a property of a memory address, expressed as the numeric address modulo a power of 2. For example, the address 0x0001103F modulo 4 is 3; that address is said to be aligned to 4n+3, where 4 indicates the chosen power of 2. The alignment of an address depends on the chosen power of two. The same address modulo 8 is 7.

An address is said to be aligned to X if its alignment is Xn+0.

CPUs execute instructions that operate on data stored in memory, and the data are identified by their addresses in memory.

仔细理解下，可以总结为，当向内存中放入一个数据(variable)时，此数据的地址，严格来说是offset，起始地址，必须是此数据的Alignment的整数倍。即上述 Xn+0。
对于每种类型的数据，都有其自身的Alignment

Data Type	Alignments(in Bytes)
char	1
short	2
int	4
float	4
double	4 or 8

例如char 的offset可以在bank0,bank1,bank2,bank3任意一个(这里为了方便，假设bank0初始位置的address为0，依次类推)。short型的2 bytes只能存储在 bank0-bank1或者bank2-bank3，假如其offset在bank1上，即存储在bank1-bank2，那么此address为奇数，并非short alinment的整数倍。


int型，offset只能在bank0上，在其他位置，都不会是4的整数倍。如果一个int型的整数,0xABCDEF,在内存中的起始位置在 bank1 上会发生什么呢?



可以看到此integer的addres并非是4的整数倍，跨过两行，那么在读取此data时，就需要两个读取周期了。

所以data alignment正是用来处理variable在这些bank中的存储方式。以避免发生此情况。在上表中，此整数的地址为5，5=4n+1，按照MSDN定义来说，此整数的alignment为1.但是int 型的alignment应该是4。所以这种情况又称为misaligned。

Data Structure Padding


在C/C++中，因为对variable都有alignment的要求，所以在struct中，每一个member都要遵循alignment的要求。就拿 MSDN中的一个例子，来谈下struct的alignment

struct x_
{
   char a;     // 1 byte
   int b;      // 4 bytes
   short c;    // 2 bytes
   char d;     // 1 byte
} MyStruct;

同上述表格一样，struct中的member在内存中，是由下至上allocate的。

char a的起始位置在bank0，假如addrees为0;

int b,是不可以在bank1,bank2,bank3，这样b的offset为奇数，不是4的整数倍，所以只能在bank4,其4 bytes在 bank4-bank5-bank6-bank7;

那么在char a与int b之间需要填补3个无意义的byte。来满足int b的对齐方式。

short c是可以在bank8的，8为2的整数倍。所以b,c间无需要填补。那么short c 存储在 bank8-bank9。

char d可以存储在任何位置。那么char d 则存储在 byte10.

最后需填补1 byte

padding byte	char d	short c	short c
int b	int  b	int   b	int   b
padding byte	padding byte	padding byte	char  a

在最后填补一个byte的原因是：
在struct的member的alignment中，找到alignment的最大值(此处为4 bytes),在struct的最后一个member填补 padding bytes使整个struct的size 为此aligment(4 bytes)的整数倍。

所以上述struct 在内存中的实际形式为

// Shows the actual memory layout
struct x_
{
   char a;            // 1 byte
   char _pad0[3];     // padding to put 'b' on 4-byte boundary
   int b;            // 4 bytes
   short c;          // 2 bytes
   char d;           // 1 byte
   char _pad1[1];    // padding to make sizeof(x_) multiple of 4
}

此struct的size为12 bytes，而不是8 bytes。


Resource

http://msdn.microsoft.com/en-us/library/ms253949.aspx
http://en.m.wikipedia.org/wiki/Data_structure_alignment#section_5
http://www.geeksforgeeks.org/archives/9705
http://www.songho.ca/misc/alignment/dataalign.html