PHP数组内存利用率低和弱类型解读

这两天任务提前完成，可以喘口气沉淀一下，深入学习学习PHP。其实本来是想了解一下PHP性能优化相关的东西，但被网上的一句“PHP数组内存利用率低，C语言100MB的内存数组，PHP里需要1G”惊到了。PHP真的这么耗内存么？于是借此机会了解了PHP的数据类型实现方式。
先来做个测试：

';  
    $start = memory_get_usage();  
    $a = Array();  
    for ($i=0; $i<1000; $i++) {  
      $a[$i] = $i + $i;  
    }  
    $end =  memory_get_usage();  
    echo memory_get_usage() , '
';  
    echo 'argv:', ($end - $start)/1000 ,'bytes' , '
';  

所得结果：

    353352
    437848
    argv:84.416bytes

1000个元素的整数数组耗费内存(437848 - 353352)字节，约合82KB，也就是说每个元素所占内存84字节。在C语言中，一个int占位是4字节，整体相差了20倍。
但是网上又说memery_get_usage()返回的结果不全是数组占用，还包括PHP本身的一些结构，因此，换种方式，采用PHP内置函数生成数组试试：

';  

输出为：

  argv:54.5792byte

比刚才略好，但也54字节，确实差了10倍左右。
究其原因，还得从PHP的底层实现说起。PHP是一种弱类型的语言，不分int，double，string之类的，统一一个'$'就能解决所有问题。PHP底层由C语言实现，每个变量都对应一个zval结构，其详细定义为：

typedef struct _zval_struct zval;  
struct _zval_struct {  
    /* Variable information */  
    zvalue_value value;     /* The value 1 12字节(32位机是12，64位机需要8+4+4=16) */  
    zend_uint refcount__gc; /* The number of references to this value (for GC) 4字节 */  
    zend_uchar type;        /* The active type 1字节*/  
    zend_uchar is_ref__gc;  /* Whether this value is a reference (&) 1字节*/  
}; 

PHP使用union结构来存储变量的值，zval中zvalue_value类型的value变量即为一个union，定义如下：

typedef union _zvalue_value {  
    long lval;                  /* long value */  
    double dval;                /* double value */  
    struct {                    /* string value */  
        char *val;  
        int len;  
    } str;   
    HashTable *ht;              /* hash table value */  
    zend_object_value obj;      /*object value */  
} zvalue_value;  

union类型占用内存的大小有其最大的成员所占的数据空间决定。在zvalue_value中，str结构体的int占4字节，char指针占4字节，故整个zvalue_value所占内存为8字节。
zval的大小即为8 + 4 + 1 + 1 = 14字节。
注意到zvalue_value中还有一个HashTable是做什么的？zval中，数组、字符串和对象还需要另外的存储结构，数组的存储结构即为HashTable。
HashTable定义给出：

typedef struct _hashtable {  
     uint nTableSize; //表长度，并非元素个数  
     uint nTableMask;//表的掩码，始终等于nTableSize-1  
     uint nNumOfElements;//存储的元素个数  
     ulong nNextFreeElement;//指向下一个空的元素位置  
     Bucket *pInternalPointer;//foreach循环时，用来记录当前遍历到的元素位置  
     Bucket *pListHead;  
     Bucket *pListTail;  
     Bucket **arBuckets;//存储的元素数组  
     dtor_func_t pDestructor;//析构函数  
     zend_bool persistent;//是否持久保存。从这可以发现，PHP数组是可以实现持久保存在内存中的，而无需每次请求都重新加载。  
     unsigned char nApplyCount;  
     zend_bool bApplyProtection;  
} HashTable; 

除了几个记录table大小，所含元素数量的属性变量外，Bucket被多次使用到，Bucket是如何定义的：

typedef struct bucket {  
     ulong h; //数组索引  
     uint nKeyLength; //字符串索引的长度  
     void *pData; //实际数据的存储地址  
     void *pDataPtr; //引入的数据存储地址  
     struct bucket *pListNext;  
     struct bucket *pListLast;  
     struct bucket *pNext; //双向链表的下一个元素的地址  
     struct bucket *pLast;//双向链表的下一个元素地址  
     char arKey[1]; /* Must be last element */  
} Bucket; 

有点像一个链表，Bucket就像是一个链表节点，有具体的数据和指针，而HashTable就是一个array，保存着一串Bucket元素。PHP中多维数组的实现，不过就是Bucket里面存着另一个HashTable罢了。
算一算HashTable需要占用39个字节，Bucket需要33个字节。一个空的数组就需要占用14 + 39 + 33 = 86个字节。Bucket 结构需要 33 个字节，键长超过四个字节的部分附加在 Bucket 后面，而元素值很可能是一个 zval 结构，另外每个数组会分配一个由 arBuckets 指向的 Bucket 指针数组， 虽然不能说每增加一个元素就需要一个指针，但是实际情况可能更糟。这么算来一个数组元素就会占用 54 个字节，与上面的估算几乎一样。
从空间的角度来看，小型数组平均代价较大，当然一个脚本中不会充斥数量很大的小型数组，可以以较小的空间代价来获取编程上的快捷。但如果将数组当作容器来使用就是另一番景象了，实际应用经常会遇到多维数组，而且元素居多。比如10k个元素的一维数组大概消耗540k内存，而10k x 10 的二维数组理论上只需要 6M 左右的空间，但是按照 memory_get_usage 的结果则两倍于此，[10k,5,2]的三维数组居然消耗了23M，小型数组确实是划不来的。
PHP数组内存利用率低的原因，讲到这里，接下来的文章将解读PHP数组操作的具体实现。