欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

跟厂长学PHP7内核(八):深入理解字符串的实现

程序员文章站 2022-08-28 11:14:46
在前面大致预览了常用变量的结构之后,我们今天来仔细的剖析一下字符串的具体实现。 一、字符串的结构 zend_refcounted_h对应的结构体: 下面我们来了解一下具体每个成员的作用: gc:就是_zend_refcounted_h结构体,主要作用是引用计数以及标记变量的类别。 h:字符串的哈希值 ......

在前面大致预览了常用变量的结构之后,我们今天来仔细的剖析一下字符串的具体实现。

一、字符串的结构

struct _zend_string {
    zend_refcounted_h gc;       /* 字符串类别及引用计数 */
    zend_ulong        h;        /* 字符串的哈希值 */
    size_t            len;      /* 字符串的长度 */
    char              val[1];   /* 柔性数组,字符串存储位置 */
};

zend_refcounted_h对应的结构体:

typedef struct _zend_refcounted_h {
    uint32_t         refcount;          /* 引用计数 */
    union {
        struct {
            zend_endian_lohi_3(
                zend_uchar    type,     
                zend_uchar    flags,    /* 字符串的类型 */
                uint16_t      gc_info   /* 垃圾回收信息 */
            )
        } v;
        uint32_t type_info;
    } u;
} zend_refcounted_h;

跟厂长学PHP7内核(八):深入理解字符串的实现

下面我们来了解一下具体每个成员的作用:

  • gc:就是_zend_refcounted_h结构体,主要作用是引用计数以及标记变量的类别。
  • h:字符串的哈希值,在字符串被用来当数组的key时才初始化,这样如果同一个字符串被多次用来做key,就不会重复计算了。
  • val:这里的char[1]并不意味着只存储1位,char[1]被称为柔性数组,下面来了解一下php在字符串内存分配时做了什么。
static zend_always_inline zend_string *zend_string_alloc(size_t len, int persistent)
{
    zend_string *ret = (zend_string *)pemalloc(zend_mm_aligned_size(_zstr_struct_size(len)), persistent);
    ......
}

宏替换后:

static zend_always_inline zend_string *zend_string_alloc(size_t len, int persistent)
{
    zend_string *ret = (zend_string *)pemalloc(zend_mm_aligned_size(xtoffsetof(zend_string, val) + len + 1), persistent);
    ......
}

示例中的代码xtoffsetof(zend_string, val)表示计算出zend_string结构体的大小,而len就是要分配字符串的长度,最后的+1是留给结束字符\0的。也就是说,分配内存时不仅仅分配结构体大小的内存,还要顾及到长度不可控的val,这样不仅柔性的分配了内存,还使它与其他成员存储在同一块连续的空间中,在分配、释放内存时可以把struct统一处理。

  • len:字符串的长度,避免重复计算浪费时间,典型的空间换时间做法。

二、字符串的二进制安全

学习过c语言的应该知道,字符串中除了最后一个字符外不允许含有\0,否则会被认为是字符串的结束字符,这就导致了c语言的字符串有很多的限制,比如不存储图片、文件等二进制数据。但是php就没有这样的限制,它的字符串可以存储二进制数据,并不会出现任何报错,而php的这种能力就叫做字符串的二进制安全。

c语言代码如下:

main() {
    char a[] = "aaa\0b";    /* 含有\0的字符串 */
    printf("%d\n", strlen(a));  /* 长度为3,\0后的b被忽略 */
}

php代码:

<?php
    $a = "aaa\0b";
    echo strlen($a);    //输出5
?>

但是php不是c语言写的吗?为什么php不会报错?我们再来回顾一下zend_string结构体,还记得成员变量len吗?它是实现二进制安全的关键,我们不需要像c一样通过\0来判定字符串是否被读取完成,而是通过长度len来判断,这样就保证了字符串的二进制安全。

三、zend_string api

在了解了zend_string结构之后,我们来了解一下用来操作zend_string的函数集合。

函数 作用
zend_interned_strings_init 初始化内部字符串存储哈希表,并把php的关键字等字符串信息写进去
zend_new_interned_string 把一个zend_string写入cg(interned_strings)哈希表中
zend_interned_strings_snapshot 将cg(interned_strings)哈希表中的字符串标记为永久字符串,这里标记的只有php关键字、内部函数名、内部方法名等
zend_interned_strings_restore 销毁cg(interned_strings)哈希表中类型为非永久字符串的值,在php_request_shutdown阶段释放
zend_interned_strings_dtor 销毁整个cg(interned_strings)哈希表,在php_module_shutdown阶段释放
zend_string_hash_val 得到字符串的哈希值,没有则实时计算
zend_string_forget_hash_val 将字符串的哈希值置为0
zend_string_refcount 读取字符串的引用计数
zend_string_addref 引用计数+1
zend_string_delref 引用计数-1
zend_string_alloc 分配内存及初始化字符串的值
zend_string_init 初始化字符串并在最后追加\0
zend_string_cop 使用引用计数方式复制字符串
zend_string_dup 直接复制一个字符串
zend_string_extend 扩容到len,保留原来的值
zend_string_truncate 截断到len,保留开头到len的值
zend_string_free 释放字符串内存
zend_string_release gc引用递减,直到为0时释放内存
zend_string_equals 普通判等
zend_string_equals_ci 基于二进制安全,两个zend_string类型字符串判等
zend_string_equals_literal_ci 基于二进制安全,zend_string类型和char*字符串判等
zend_inline_hash_func 计算字符串的哈希值
zend_intern_known_strings 往zend_intern_known_strings全局数组写入str

下面挑几个函数来介绍一下。

3.1、zend_string_init函数

zend_string_init函数主要负责把一个普通的字符串转化为zend_string结构体。

static zend_always_inline zend_string *zend_string_init(const char *str, size_t len, int persistent)
{
    zend_string *ret = zend_string_alloc(len, persistent);

    memcpy(zstr_val(ret), str, len);
    zstr_val(ret)[len] = '\0';
    return ret;
}
  • 申请一块连续的内存,这个在上文中已经提到,申请的内存大小是zend_string结构体大小+字符串长度+1。
  • 指针偏移到val位置,开始字符串拷贝。
  • 在zend_string.val结尾追加\0

3.2、zend_string_extend函数

该函数主要用于对字符串的扩容,注意这里扩容不会改变原来保存的值,只是把长度扩大到len。

static zend_always_inline zend_string *zend_string_extend(zend_string *s, size_t len, int persistent)
{
    zend_string *ret;

    zend_assert(len >= zstr_len(s));
    if (!zstr_is_interned(s)) {
        if (expected(gc_refcount(s) == 1)) {
            ret = (zend_string *)perealloc(s, zend_mm_aligned_size(_zstr_struct_size(len)), persistent);
            zstr_len(ret) = len;
            zend_string_forget_hash_val(ret);
            return ret;
        } else {
            gc_refcount(s)--;
        }
    }
    ret = zend_string_alloc(len, persistent);
    memcpy(zstr_val(ret), zstr_val(s), zstr_len(s) + 1);
    return ret;
}
  • 如果不是内部字符串并且引用计数为1时,直接调用perealloc分配内存。
  • 如果字符串的引用计数大于1或者是内部字符串时,就不能在原来的基础上扩容了,先通过zend_string_alloc申请一块新内存,让后将旧内容拷贝到新内存中。

3.3、zend_string_equals_ci函数

主要基于二进制安全对两个字符串进行判等,我们来看下php是怎么比较两个字符串的。

#define zend_string_equals_ci(s1, s2) \
    (zstr_len(s1) == zstr_len(s2) && !zend_binary_strcasecmp(zstr_val(s1), zstr_len(s1), zstr_val(s2), zstr_len(s2)))
  • 先比较两个字符串的长度是否相等,注意这里是通过zend_string中的len来比较的。
  • zend_binary_strcasecmp函数在长度比较完成后,进行逐个字符进行比较。先遍历整个字符串数组,取出每个字符,转换为asc码进行判等,如果不等则返回差值。循环完了还没发现差异的话就返回两者的长度差,如果长度相等就返回0。感觉这里做的有点多余,参数传进来之前就已经做了长度判等了。
zend_api int zend_fastcall zend_binary_strcasecmp(const char *s1, size_t len1, const char *s2, size_t len2) /* {{{ */
{
    size_t len;
    int c1, c2;

    if (s1 == s2) {
        return 0;
    }

    len = min(len1, len2);
    while (len--) {
        c1 = zend_tolower_ascii(*(unsigned char *)s1++);
        c2 = zend_tolower_ascii(*(unsigned char *)s2++);
        if (c1 != c2) {
            return c1 - c2;
        }
    }

    return (int)(len1 - len2);
}

感兴趣的同学可以到源码中查看。

四、参考文献

  • 《php7底层设计与源码实现》
  • 《php7内核剖析》