STL string与Go string

P.S. 这里不讨论COW(copy-on-write)和SSO(short-string-optimization)

STL string(gcc 4.9.3)

通过源码可以发现，std::string继承与basic_string模板，而basic_string中仅包含_Alloc_hider _M_dataplus一个非静态变量，而_Alloc_hider仅包含一个指针，所以sizeof(string)可能会出乎你的意料。

class basic_string
{
      //统计信息结构
      struct _Rep_base
      {
        size_type               _M_length;    //长度
        size_type               _M_capacity; //能力
        _Atomic_word       _M_refcount; //引用计数
      };

      struct _Alloc_hider : _Alloc
      {
        _CharT* _M_p; // The actual data. //真实数据，就是个char*
      };
private:
      ....
      // Data Members (private):
      // 可以看到string仅包含这一个数据字段
      mutable _Alloc_hider      _M_dataplus;
      ....
};

关于basic_string有一个取巧的地方 : basic_string的统计数据放在data之外，通过数组[-1]获取；这样的好处是既不占用basic_string内存，又可以在O(1)时间内获取结构已申请内存、已使用内存和引用计数(用于COW)。

 _Rep*
 _M_rep() const _GLIBCXX_NOEXCEPT
 { return &((reinterpret_cast<_Rep*> (_M_data()))[-1]); }

获取真实数据

_CharT*
_M_data() const _GLIBCXX_NOEXCEPT
{ return  _M_dataplus._M_p; }

图解

                                    +---------> +-----------+
                                    |           | _M_length||
                                    |           +-----------+
                                    |           |_M_capacity|
                                    |           +-----------+
                                    |           |_M_refcount|
                                    |           +-----------|
                                    |
                                    |
                                    |
                                    |
  _M_rep()   --> +-------------+    |
                 | _Rep_base   +----+
                 +-------------+
basic_string --> | _M_dataplus +----+
                 +-------------+    |
                                    |
                                    |            +---------------+
                                    +----------> |1234567890.....|
                                                 +---------------+   

写个简单程序验证下

// 禁止编译优化 输出调试信息
// g++ -O0 -gdwarf-3 -o test test.cpp 
(gdb) p p
$4 = (std::string *) 0x7fffffffe3d0
(gdb) p (*((const std::string* )0x7fffffffe3d0)->_M_rep())._M_length
$5 = 9
(gdb) p (*((const std::string* )0x7fffffffe3d0)->_M_rep())._M_capacity
$6 = 9
(gdb) p (*((const std::string* )0x7fffffffe3d0)->_M_rep())._M_refcount
$7 = 0

在_M_p需要更新而_M_capacity不足以放得下所有数据时，会引发内存分配；而其他操作，比如length()、iterator、operator[]等就是通过_M_data()结合_M_rep()进行一系列逻辑运转的，这里就不在一一赘述。

Go string

来看下Go string的定义以及*byte转换成string的源码
位于 src/runtime/string.go

// string is the set of all strings of 8-bit bytes, conventionally but not
// necessarily representing UTF-8-encoded text. A string may be empty, but
// not nil. Values of string type are immutable.
type string string

//可见string由两部分组成：指向字符真实地址的指针、字符串的长度

type stringStruct struct {
        str unsafe.Pointer
        len int
}

// 强转成指针
func stringStructOf(sp *string) *stringStruct {
        return (*stringStruct)(unsafe.Pointer(sp))
}

// 由byte指针转string
func gostring(p *byte) string {
        l := findnull(p)
        if l == 0 {
                return ""
        }
        s, b := rawstring(l)
        memmove(unsafe.Pointer(&b[0]), unsafe.Pointer(p), uintptr(l))
        return s
}

// 分配内存、初始化
func rawstring(size int) (s string, b []byte) {
        p := mallocgc(uintptr(size), nil, false)

        stringStructOf(&s).str = p
        stringStructOf(&s).len = size

        *(*slice)(unsafe.Pointer(&b)) = slice{p, size, size}

        for {
                ms := maxstring
                if uintptr(size) <= ms || atomic.Casuintptr((*uintptr)(unsafe.Pointer(&maxstring)), ms, uintptr(size)) {
                        return
                }
        }
}

来看一个简单的例子验证下：

func main() {

        s := "1234567890"
        sLen := len(s)
        fmt.Println(sLen)

        s2 := s[3:]
        sLen2 := len(s2)
        fmt.Println(sLen2)
}

(gdb) p s
$1 = {
  str = 0x4a5857 "12345678906103515625GOMAXPROCScasgstatuscomplex128float32nanfloat64nangcscandonegoroutine gp.stkbar=invalidptrowner diedplainErrorruntime: gschedtracesemacquireterminatedtracefree(tracegc()\nunknown pc"..., len = 10}
(gdb) p s.str
$2 = (
    uint8 *) 0x4a5857 "12345678906103515625GOMAXPROCScasgstatuscomplex128float32nanfloat64nangcscandonegoroutine gp.stkbar=invalidptrowner diedplainErrorruntime: gschedtracesemacquireterminatedtracefree(tracegc()\nunknown pc"...

//这里可见 s2.str - s.str == 3

(gdb) p s2.str
$3 = (
    uint8 *) 0x4a585a "45678906103515625GOMAXPROCScasgstatuscomplex128float32nanfloat64nangcscandonegoroutine gp.stkbar=invalidptrowner diedplainErrorruntime: gschedtracesemacquireterminatedtracefree(tracegc()\nunknown pc (t"...
(gdb) p &s
$4 = (struct string *) 0xc420057ea8

// 而s2与s的地址缺相差16 正好是stringStruct的大小(64位机器)

(gdb) p &s2
$5 = (struct string *) 0xc420057e98
(gdb) p s2.len
$6 = 7

内存布局类似这样

                            +-----------------------+
                            |12345678906103515....  |
                            ++--+-------------------+
                             ^  ^
                             |  |
s:                           |  |
  +---+                      |  |
  |str+----------------------+  |
  +---+                         |
  |len|  10                     |
  +---+                         |
                                |
s2:                             |
  +---+                         |
  |str+-------------------------+
  +---+
  |len|  7
  +---+

Go string中的元素是不可修改的，append(+)操作也是将两个参数的内容拷贝至新申请内存中，因此连续调用+运算符会有性能瓶颈；此外，string与[]byte相互转换也会有新对象产生(必要时可以通过不安全指针转换代替)。当然Go提供了操作string的方法集strings，如Join等操作哎一定程度上可以优化性能。

总结比较

string	STL	Go
自身可写	是	否
length复杂度	O(1)	O(1)
分配内存	是	否

参考文献

[1]. STL源码剖析 -- 侯捷
[2]. Redis设计与实现 -- 黄健宏
[3]. Go语言读书笔记 -- 雨痕