一些不同字符串的总结

这篇主要写关于字符串的使用,包括STL中的string,C风格的字符串,还包括Redis's sds,和Facebook的开源的folly中的String,从代码结构上,性能上,平时使用时遇到的坑,和结合具体使用场景(业务)去选择;后三者都可以从Github上下到源码分析。

使用纯C语言编码时,使用到字符串时,没得选择,如char szName[iCount]或char * pName = (char *)malloc(iCount),那么在使用一些C库函数时,一方面会引起性能问题:如线性时间strlen函数;增加一个字符时,可能引起存储空间的重新分配,字符的移动,原空间的释放[malloc的分配原理挺复杂的];另一方面是安全问题:如二进制安全,串中不能包括空白结尾符;缓冲区溢出而导致的漏洞等等;

正因为考虑到C字符串的一些问题,使用C编写的Redis自定义了sds数据类型,解决了以上C字符串的一些问题。通过分析sds源码发现,它包含了free,len,buf成员,分别表示buf未使用的字节个数,buf已使用的字节个数,存储数据的buf空间,那么常数时间可以获得字符的个数而不是strlen,通过在buf中存储'\0'空白符是安全的,因为可以通过len决定有没有到串的结尾,通过free视情况重分配去避免缓冲区溢出的问题;每次重分配时可能多分配一些空间,如STL中的string分配问题;删除空间时并不是真正的重新分配更小的内存,而是延缓,保留原内存不变,只更新其他两个成员,防止后来又要更加内存,这样可以减少频繁的malloc,free调用。

而STL中的string,则在某种程度上高效许多,找到头文件中有如下语句:

typedef basic_string  string,有个_M_dataplus,里面有个_CharT* _M_p; // The actual data,所以当出现这样的语句时:string str和string str1("helloworld"),他们的sizeof大小都是一样的,在栈上分配大小相同的字节,然后_M_p指向堆内存,分配的时候会多分配sizeof(_Rep)个的字节空间用于存储计数,容量,大小信息;然而实际占用的空间要多一些。

当插入时,内存不够了会自动分配,不用去担心使用C风格字符串的一些问题,但还是无法避免内存的申请与释放,内容的拷贝等等,但是与stl中的vector一样,会去减少内存的分配,在vector的实现中有如下语句:const size_type __len = size() + std::max(size(), __n);即每次扩容时为当前容量的两倍;而在string的实现中有:__capacity = 2 * __old_capacity,也是如此。然而都没有办法自动缩小不用的空间,这里有个办法就是与临时对象交换,像这样:vector vec; vector(vec).swap(vec),创建一个临时对象,然后以vec的元素个数初始化,而不容量,这样再交换后,出了生命周期的范围后,临时对象析构,vec的大小只包含元素个数的空间了,多余的也就释放了,string也是一样的做法,内部实现差不多类似:std::swap(this->_M_impl._M_start, __x._M_impl._M_start);仅交换指针而已。

string的一些重载接口使用会有一定的性能影响,比如构造函数:

string( );

string(const string & str );

string(const string & str, size_t pos, size_t n = npos );

string(const char * s, size_t n );

string(const char * s );

string( size_t n, char c );

其中string(const string & str );效率最快的,使用了cow(copy-on-write),先共享,如果需要更新了再拷贝,也算是种延缓分配资源的做法吧,但在string中使用cow会引起其他问题,如源码中的atomic_add_dispatch实现计数加一,使用原子操作保证操作引用计数的安全,但stl's string本身不是线程安全的,“那需要锁定包含目标地址的一片内存区域,防止其他CPU在此期间的并发访问,从而序列化对同一地址的访问;系统通常会lock住比目标地址更大的一片区域,影响逻辑上不相关的地址访问;lock指令具有”同步“语义,会阻止CPU本身的乱序执行优化”

网上有关于stl的其他实现,如eager copy,short string optimization[陈硕的那本Linux多线程服务端编程有相关的讲解(muduo :))]。

Folly中的string则使用了三层的存储策略(three-tiered storage strategy),根据长度将fbstring分为三类:small/medium/large,分别采取不同的优化措施,以达到最佳性能[没使用过,看源码有点复杂]。

一些引用:

深入剖析linux GCC 4.4的STL string

std::string的Copy-on-Write:不如想象中美好

漫步Facebook开源C++库folly(1):string类的设计

Is std::string thead-safe with gcc 4.3?

C++ 工程实践(10):再探std::string

你可能感兴趣的:(一些不同字符串的总结)