由union引发的Struct占用内存空间和大小端问题的思考

1. 背景

• 在看Lua源码的时候，很多地方都用到了union（共用体或者联合体），在定义lua类型的时候，为了以一个结构来包含所有的数据类型，设计了一个 TValue类型，TValue类型最终关联到 Value类型，而这个Value类型就是一个union。如下图：

• 

• 可以看出，基础数据类型（除了string）之后都包含了。

• 联合体允许定义任意一种数据类型，这些数据共享同一段内存，以达到节省空间的目的。union变量所占用的内存长度等于最长的成员的内存长度。这个联合体内的数据只能取其一（俗称 “n选1”）。

• 问题来了，联合体占用的内存大小是怎么算的？和struct占用内存的大小算法区别在哪里？

2. Struct占用内存大小的算法

• 前置

  • 对于32位CPU，CPU每次都是以 4 的倍数来读取内存地址的。64位CPU以 8 的倍数来读取内存地址。（16位以 2 的倍数来读取内存地址）
  • 一个内存地址存储的是一个字节（1 byte），即 8 位（8 bit）。
  • Struct在内存中存储的时候要做 字节对齐。

• Struct在内存中的存放规则

  • 结构体成员的首地址（开始地址）必须要是这个成员所占空间 的整数倍。
  • 结构体占用空间的总大小必须要是 占用空间最大成员所占空间的整数倍。
  • 结构体的首地址必须要是 占用空间最大成员所占空间的整数倍。

• 对上面规则的解释

  • 第一个就是字节对齐。比如一个 int 变量 在32位系统上占4个字节，double占8个字节，那么这个变量的存放地址就必须要是4/8的整数倍。
  • 第二个就是计算完最后一个成员地址后，要看总大小是不是 占用地址最大成员 所占空间的整数倍。
  • 第三个因为预设结构体首地址是0，所以无论最大成员所占空间数是多少，肯定都是整数倍。

• 看下面的例子：

• 

  • 上图右侧的例子计算步骤如下：
    1. char a1占1个字节，首地址是 0，0%1==0（规则第一条），所以不需要填充，已分配大小：1字节
    2. Int b1 占4个字节，首地址是1，1%4 !=0 （不满足第一条，这个成员的首地址不是占用空间（4字节）的倍数），所以需要填充3，已分配大小：8字节
    3. char c1占1个字节，首地址是8，8%1==0（满足规则第一条），所以不需要填充，已分配大小：9字节
    4. 最后一个成员计算完毕，已分配9字节，最大成员占用空间是4（int b1），但是 9%4!=0（不满足第二条 —总大小是最大成员空间的整数倍），所以需要填充3。总大小：12字节。

• 看一个稍微复杂一点的例子，包含了嵌套。

  • 

- 如上图，Example4里面包含了 struct Example2。根据规则， struct Example2 占用了24个字节（计算步骤略）。
- 重点看一下 Example4的计算步骤：
1) char a 占 1 个字节。首地址是0，0%10，无需填充，已分配大小：1字节
2) struct Example2 占24个字节，首地址是1，struct Example2 的最大成员所占空间是 8 （规则第二条），1%8 != 0，需要填充7个字节（注意：不是23个字节），已分配大小：32字节
3) int c 占4个字节，首地址是32，32%4 == 0，无需填充，已分配大小：36字节
4) double d 占8个字节，首地址36，36%8 != 0，需要填充4，已分配大小：48字节。
5) 最后一个成员计算完毕，已分配48字节，最大成员占用空间是8（注意：这里不是 sizeof(struct Example2)=24），48%80，无需填充，总大小：48字节。

3. Union内存大小的算法

• 啰嗦一遍 union 的定义：叫 共用体，也叫联合体，在里面可以定义多种不同的数据类型，这些数据可以共享同一段内存，以达到节省空间的目的。union定义的变量所占用的内存长度等于最长的成员的内存长度。
• 看一个简单的例子：
• 
  • sizeof（union test）的结果为4。 Char mark，long num，float score这三个变量存放在同一个地址开始的内存单元中。三个变量所占用的字节数是不一样的，也就是说，三个变量相互覆盖。如下示意图：
  • 
    • 如上图，三个变量的地址都是从 0x0000开始，也就是从0开始，到0x0003结束（红色条标注），占用 4 个字节。
• 看一个稍微复杂一点的例子：
• 
  • 上图中，myun里包含两个变量，一个是struct u（占12个字节），一个是int k（4个字节），所以sizeof（union myun）的结果是12。
  • 同时，由于union 是共享内存的，所以strtuct u的起始地址是 0，结束地址是11，int k的起始地址是0，结束地址是3。
  • 在main里面，设置了struct u的 x，y，z分别是4，5，6。设置了int k 是 0。所以内存里面的变化是这样的（如下图）：
    • 
    • 如上图，可以看出main里面对union myun赋值的过程。后面对 k 的赋值也是从首地址开始，会把原来设置的 4 覆盖掉。所以上图打印的结果应该是 0，5，6。

4. 大小端的问题

• 既然union里面的变量共享内存，都是从某一个内存地址开始，那么就可以利用这种特性来测试CPU是大端模式还是小端模式。
• 主要思想是：定义一个union变量，设置这个union变量里面的某一个成员的值，然后看union里面char类型的变量的值是不是1，如果是1则是小端。否则是大端。
• 实现如下：
  • 
  • 上图定义了一个 union MyUnion，通过设置union里面的成员变量 int a 之后，在去查看 char c 变量的值，如果是小端（从低地址到高地址依次存放数据的低位字节到高位字节），则c的值应该是1。如果是大端（从低地址到高地址依次存放数据的高位字节到低位字节），则c的值肯定不等于1。
  • 如下图，看看变量在内存里分别对应大小端的情况
    • 
    • 上图中 0X1234abcd，分别以大小端存储时的异同。可以看出对于一个变量的值 0X1234abcd，从高位字节到低位依次是 1234abcd，如果是大端，则低地址放高位字节，高地址放低位字节，则排列顺序如上图。
      • 这里面有一个小小的问题，可能有的人会问：为什么 0X1234ABCD 在内存中会以 0X12，0X34，0XAB，0XCD这样去存放？为什么不是 0X1, 0X2, 0X3，0X4，0XA，0XB，0XC，0XD这样的方式去存放？
      • 解释上面的问题
        • 首先 0X1234ABCD 是一个16进制的数值。这个16进制的数值转换为2进制是 0001 0010 0011 0100 1010 1011 1100 1101，可以看出，16进制的这个数的每一位对应 4 个bit（因为是16进制，2的4次方，所以一个16进制的位转换为2进制就是 4 bit）。
        • 其次，需要知道的是，一个内存地址对应一个内存空间，上图中的 0X0000 号内存地址就是一个内存空间，而一个内存空间存储一个字节，一个字节有8bit，所以一个内存地址存放的是2个16进制位（一个16进制位占4bit，2个就是 2 * 4bit = 8bit），所以一个内存地址里面存放的是 0X12，0x34等等，而不是 0x1，0x2。
    • 回到上图的解释中，如果是大端，则低地址存放高字节，高地址存放低字节，所以此时从低地址到高地址依次存放的是 0x12，0x34，0xab，0xcd。而如果是小端，则低地址存放低字节，高地址存放高字节，所以从低地址到高地址依次存放的是 0xcd，0xab，0x34，0x12。
    • 看看内存里实际对变量是如何存储的，如下图：
      • 
      • 看代码里面定义的变量 TestNum1 = 0X1234abcd，在内存里面这个变量的起始地址是 0x0000001869379270，存放的顺序是 cd，ab，34，12。结束地址应该是 0x0000001869379273 。（由这个图我们还能看出，这里是 little endian“小端”）
      • 然后我们再看蓝色箭头的内容， TestNum2 = 0X00000001，这个变量的起始地址是 0x0000001869379274，存放顺序是 01，00，00，00。这里我们能得出几个信息，首先，显然 TestNum1 和 TestNum2 都占了 4 个字节（对应 int 占4个字节）。其次，这两个变量在内存中的存放方式表明是== little endian模式==。

5. Reference

• https://developer.aliyun.com/article/369914 c++中union的使用，看高手们如何解释的
• https://eysent.com/others/struct-padding/【C】如何计算结构体占用内存大小
• https://blog.csdn.net/HJS020828/article/details/123729229 结构体在内存中的存储