Lua 源码分析之String

因为每一版本的源码可能会有差别，现在基于lua 5.2.1来分析，保持一致性。

从虚拟机的大体来看，字符串通过一个结构体存放在global_State里，这个结构stringtable(lstate.h)是：

GCObject(lstate.h)的结构是：

stringtable结构体的字段含义是：

GCObject **hash: GCObject指针的指针，通过Hash值可以指向Hash值存放的GCObject，其中实际引用的是TString.

lu_int32 nuse: 已经创建的TString个数

int size：TString的总个数（初始值为32)

 

在global_State中，会有一个stringtable，通过它来访问虚拟机中的所有字符串（包括长短字符串），现在5.2.1的版本中，长短字符串的存放有点略不同，后面会细说。

 

具体看看字符串的实现，主要数据结构体是TString(lobject.h)

TString关联的宏定义, L_Umaxalign(llimits.h)

TString关联的宏定义, CommonHeader(lobject.h)，这一个定义很多地方会使用到

这是TString相关的结构体。

 

下面来是分析如何创建一个字符串，实现的文件是在lstring.c。

在lua里面，创建一个字符串，会根据字符串的长短来区分到底创建长还是短的字符串。

如果长度小于LUAI_MAXSHORTLEN(值为40)，它就会创建一个短字符串；

否则的话就会创建长字符串。

短字符串的区别是：如果在创建的过程，发现hash值、长度和内容都一样的短字符串，就会复用它，不再去进行分配。

但是长的字符串就会不管三七二一都会创建一个新的TString.

在创建字符串之前，stringtable的长度会动态扩展，当字符串table分配的size都被用完了，并且当size不大于最大数量的一半时，即需要调用resize进行扩展：

if (tb->nuse >= cast(lu_int32, tb->size) && tb->size <= MAX_INT/2)
    luaS_resize(L, tb->size*2);  /* too crowded */

既然有动态扩展，也有动态缩小，在GC的时候，stringtable也会检查是否需要回收释放空间，当字符串table使用率小于50%的时候，会进行resize。

if (g->gckind != KGC_EMERGENCY) {  /* do not change sizes in emergency */
    int hs = g->strt.size / 2;  /* half the size of the string table */
    if (g->strt.nuse < cast(lu_int32, hs))  /* using less than that half? */
      luaS_resize(L, hs);  /* halve its size */
    luaZ_freebuffer(L, &g->buff);  /* free concatenation buffer */
  }

具体创建逻辑

1. 创建字符串对象：

字符串的内存结构是：TString+字符串内容+'\0'，'\0'是结尾标识，这一个结构的设计实在太棒棒了，直接省掉一个指针指向具体字符串内容，读取的时候只需要读一块连续内存。

2.最最关键的地方来了，既然都创建了，那怎么存到stringtable里呢？怎么构造？好，前面的介绍其实并不是没用的，那是概览。stringtable里有一个GCObject** hash，其实就是需要通过它来索引到所有的字符串内容。

hash指向hash数组，数组里每一个单元存放的是该hash值下面所有TString链表的队尾元素的地址。（hash值的含义实质为字符串长度，只是通过hash计算和lmod取模）大概示意图如下。

构造链表的函数是luaC_newobj (lgc.c)：

 

最后一个，前面提了很多hash关键字，在lua虚拟机里，hash算法采用的是JSHash，虚拟机启动的时候会生成一个随机种子，这个随机种子会在创建hash的时候一并带进去，以防被猜到hash值。

 

lstring的设计实在很棒棒，很多巧妙的设计，lua的源码小而精真不是盖的。