Go中string转[]byte的陷阱

1. 背景

package main

import "fmt"

func main() {

s := []byte("")

s1 := append(s, 'a')

s2 := append(s, 'b')

//fmt.Println(s1, "==========", s2)

fmt.Println(string(s1), "==========", string(s2))

}

// 出现个让我理解不了的现象, 注释时候输出是 b ========== b

// 取消注释输出是 [97] ========== [98] a ========== b

2. slice

2.1 内部结构

先抛去注释的这行代码//fmt.Println(s1, "==========", s2),后面在讲。 当输出 b ========== b时,已经不符合预期结果a和b了。我们知道slice内部并不会存储真实的值,而是对数组片段的引用,其内部结构是:

type slice struct {

data uintptr

len int

cap int}

其中data是指向数组元素的指针,len是指slice要引用数组中的元素数量。cap是指要引用数组中(从data指向开始计算)剩余的元素数量,这个数量减去len,就是还能向这个slice(数组)添加多少元素,如果超出就会发生数据的复制。slice的示意图:

s := make([]byte, 5)// 下图

s = s[2:4]  //会重新生成新的slice,并赋值给s。与底层数组的引用也发生了改变

2.2 覆盖前值

回到问题上,由此可以推断出:s := []byte("") 这行代码中的s实际引用了一个 byte 的数组。

其capacity 是32,length是 0:

s := []byte("")

fmt.Println(cap(s), len(s))

//输出: 32 0

关键点在于下面代码s1

:= append(s,

'a')中的append,并没有在原slice修改,当然也没办法修改,因为在Go中都是值传递的。当把s传入append函数内时,已经复制出一份s1,然后在s1上追加 a,s1长度是增加了1,但s长度仍然是0:

s := []byte("")

fmt.Println(cap(s), len(s))

s1 := append(s, 'a')

fmt.Println(cap(s1), len(s1))

// 输出

// 32 0

// 32 1

由于s,s1指向同一份数组,所以在s1上进行append a操作时(底层数组[0]=a),也是s所指向数组的操作,但s本身不会有任何变化。这也是Go中append的写法都是:

s = append(s,'a')

append函数会返回s1,需要重新赋值给s。 如果不赋值的话,s本身记录的数据就滞后了,再次对其append,就会从滞后的数据开始操作。虽然看起是append,实际上确是把上一次append的值给覆盖了。

所以问题的答案是:后append的b,把上次append的a给覆盖了,所以才会输出b b。

假设底层数组是arr,如注释:

s := []byte("")

s1 := append(s, 'a') // 等同于 arr[0] = 'a'

s2 := append(s, 'b') // 等同于 arr[0] = 'b'

fmt.Println(string(s1), "==========", string(s2)) // 只是把同一份数组打印出来了

3. string

3.1 重新分配

老湿,能不能再给力一点?可以,我们继续,先来看个题:

s := []byte{}

s1 := append(s, 'a')

s2 := append(s, 'b')

fmt.Println(string(s1), ",", string(s2))

fmt.Println(cap(s), len(s))

猜猜输出什么?

答案是:a , b 和 0 0,符合预期。

上面2.2章节例子中输出的是:32,0。看来问题关键在这里,两者差别在于一个是默认[]byte{},另外个是空字符串转的[]byte("")。其长度都是0,比较好理解,但为什么容量是32就不符合预期输出了?

因为 capacity 是数组还能添加多少的容量,在能满足的情况,不会重新分配。所以 capacity-length=32,是足够appenda,b的。我们用make来验证下:

// append 内会重新分配,输出a,b

s := make([]byte, 0, 0)

// append 内不会重新分配,输出b,b,因为容量为1,足够append

s := make([]byte, 0, 1)

s1 := append(s, 'a')

s2 := append(s, 'b')

fmt.Println(string(s1), ",", string(s2))

重新分配指的是:append

会检查slice大小,如果容量不够,会重新创建个更大的slice,并把原数组复制一份出来。在make([]byte,0,0)这样情况下,s容量肯定不够用,所以s1,s2使用的都是各自从s复制出来的数组,结果也自然符合预期a,b了。

测试重新分配后的容量变大,打印s1:

s := make([]byte, 0, 0)

s1 := append(s, 'a')

fmt.Println(cap(s1), len(s1))

// 输出 8,1。重新分配后扩大了

3.2 二者转换

那为什么空字符串转的slice的容量是32?而不是0或者8呢?

只好祭出杀手锏了,翻源码。Go官方提供的工具,可以查到编译后调用的汇编信息,不然在大片源码中搜索也很累。

-gcflags 是传递参数给Go编译器,-S -S是打印汇编调用信息和数据,-S只打印调用信息。

go run -gcflags '-S -S' main.go

下面是输出:

0x0000 00000 ()    TEXT    "".main(SB), $264-0

0x003e 00062 ()   MOVQ    AX, (SP)

0x0042 00066 ()   XORPS   X0, X0

0x0045 00069 ()   MOVUPS  X0, 8(SP)

0x004a 00074 ()   PCDATA  $0, $0

0x004a 00074 ()   CALL    runtime.stringtoslicebyte(SB)

0x004f 00079 ()   MOVQ    32(SP), AX

b , b

Go使用的是plan9汇编语法,虽然整体有些不好理解,但也能看出我们需要的关键点:

CALL    runtime.stringtoslicebyte(SB)

定位源码到src\runtime\string.go:

从stringtoslicebyte函数中可以看出容量32的源头,见注释:

const tmpStringBufSize = 32

type tmpBuf [tmpStringBufSize]byte

func stringtoslicebyte(buf *tmpBuf, s string) []byte {

var b []byte

if buf != nil && len(s) <= len(buf) {

*buf = tmpBuf{}   // tmpBuf的默认容量是32

b = buf[:len(s)]  // 创建个容量为32,长度为0的新slice,赋值给b。

} else {

b = rawbyteslice(len(s))

}

copy(b, s)  // s是空字符串,复制过去也是长度0

return b

}

那为什么不是走else中rawbyteslice函数?

func rawbyteslice(size int) (b []byte) {

cap := roundupsize(uintptr(size))

p := mallocgc(cap, nil, false)

if cap != uintptr(size) {

memclrNoHeapPointers(add(p, uintptr(size)), cap-uintptr(size))

}

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

return

}

如果走else的话,容量就不是32了。假如走的话,也不影响得出的结论(覆盖),可以测试下:

s := []byte(strings.Repeat("c", 33))

s1 := append(s, 'a')

s2 := append(s, 'b')

fmt.Println(string(s1), ",", string(s2))

// cccccccccccccccccccccccccccccccccb , cccccccccccccccccccccccccccccccccb

4. 逃逸分析

老湿,能不能再给力一点?什么时候该走else?老湿你说了大半天,坑还没填,为啥加上注释就符合预期输出a,b? 还有加上注释为啥连容量都变了?

s := []byte("")

fmt.Println(cap(s), len(s))

s1 := append(s, 'a')

s2 := append(s, 'b')

fmt.Println(s1, ",", s2)

fmt.Println(string(s1), ",", string(s2))

//输出

// 0 0

// [97] ========== [98]

// a , b

如果用逃逸分析来解释的话,就比较好理解了,先看看什么是逃逸分析。

4.1 提高性能

如果一个函数或子程序内有局部对象,返回时返回该对象的指针,那这个指针可能在任何其他地方会被引用,就可以说该指针就成功“逃逸”了 。 而逃逸分析(escape analysis)就是分析这类指针范围的方法,这样做的好处是提高性能:

最大的好处应该是减少gc的压力,不逃逸的对象分配在栈上,当函数返回时就回收了资源,不需要gc标记清除。

因为逃逸分析完后可以确定哪些变量可以分配在栈上,栈的分配比堆快,性能好

同步消除,如果定义的对象的方法上有同步锁,但在运行时,却只有一个线程在访问,此时逃逸分析后的机器码,会去掉同步锁运行。

Go在编译的时候进行逃逸分析,来决定一个对象放栈上还是放堆上,不逃逸的对象放栈上,可能逃逸的放堆上 。(推荐:go视频教程)

4.2 逃到堆上

取消注释情况下:Go编译程序进行逃逸分析时,检测到fmt.Println有引用到s,所以在决定堆上分配s下的数组。在进行string转[]byte时,如果分配到栈上就会有个默认32的容量,分配堆上则没有。

用下面命令执行,可以得到逃逸信息,这个命令只编译程序不运行,上面用的go run -gcflags是传递参数到编译器并运行程序。

go tool compile -m main.go

取消注释fmt.Println(s1, ",", s2) 后 ([]byte)("")会逃逸到堆上:

main.go:23:13: s1 escapes to heap

main.go:20:13: ([]byte)("") escapes to heap  // 逃逸到堆上

main.go:23:18: "," escapes to heap

main.go:23:18: s2 escapes to heap

main.go:24:20: string(s1) escapes to heap

main.go:24:20: string(s1) escapes to heap

main.go:24:26: "," escapes to heap

main.go:24:37: string(s2) escapes to heap

main.go:24:37: string(s2) escapes to heap

main.go:23:13: main ... argument does not escape

main.go:24:13: main ... argument does not escape

加上注释//fmt.Println(s1, ",", s2)不会逃逸到堆上:

go tool compile -m main.go

main.go:24:20: string(s1) escapes to heap

main.go:24:20: string(s1) escapes to heap

main.go:24:26: "," escapes to heap

main.go:24:37: string(s2) escapes to heap

main.go:24:37: string(s2) escapes to heap

main.go:20:13: main ([]byte)("") does not escape  //不逃逸

main.go:24:13: main ... argument does not escape

4.3 逃逸分配

接着继续定位调用stringtoslicebyte的地方,在src\cmd\compile\internal\gc\walk.go 文件。 为了便于理解,下面代码进行了汇总:

const (

EscUnknown        = iota

EscNone           // 结果或参数不逃逸堆上.

)

case OSTRARRAYBYTE:

a := nodnil()   //默认数组为空

if n.Esc == EscNone {

// 在栈上为slice创建临时数组

t := types.NewArray(types.Types[TUINT8], tmpstringbufsize)

a = nod(OADDR, temp(t), nil)

}

n = mkcall("stringtoslicebyte", n.Type, init, a, conv(n.Left, types.Types[TSTRING]))

不逃逸情况下会分配个32字节的数组 t。逃逸情况下不分配,数组设置为 nil,所以s的容量是0。接着从s上append a,b到s1,s2,其必然会发生复制,所以不会发生覆盖前值,也符合预期结果a,b 。再看stringtoslicebyte就很清晰了。

func stringtoslicebyte(buf *tmpBuf, s string) []byte {

var b []byte

if buf != nil && len(s) <= len(buf) {

*buf = tmpBuf{}

b = buf[:len(s)]

} else {

b = rawbyteslice(len(s))

}

copy(b, s)

return b

}

4.4 大小分配

不逃逸情况下默认32。那逃逸情况下分配策略是?

s := []byte("a")

fmt.Println(cap(s))

s1 := append(s, 'a')

s2 := append(s, 'b')

fmt.Print(s1, s2)

如果是空字符串它的输出:0。”a“字符串时输出:8。

大小取决于src\runtime\size.go 中的roundupsize 函数和 class_to_size 变量。

这些增加大小的变化,是由 src\runtime\mksizeclasses.go生成的。

5. 版本差异

老湿,能不能再给力一点? 老湿你讲的全是错误的,我跑的结果和你是反的。对,你没错,作者也没错,毕竟我们在用Go写程序,如果Go底层发生变化了,肯定结果不一样。作者在调研过程中,发现另外博客得到的stringtoslicebyte源码是:

func stringtoslicebyte(s String) (b Slice) {

b.array = runtime·mallocgc(s.len, 0, FlagNoScan|FlagNoZero);

b.len = s.len;

b.cap = s.len;

runtime·memmove(b.array, s.str, s.len);

}

上面版本的源码,得到的结果,也是符合预期的,因为不会默认分配32字节的数组。

继续翻旧版代码,到1.3.2版是这样:

func stringtoslicebyte(s String) (b Slice) {

uintptr cap;

cap = runtime·roundupsize(s.len);

b.array = runtime·mallocgc(cap, 0, FlagNoScan|FlagNoZero);

b.len = s.len;

b.cap = cap;

runtime·memmove(b.array, s.str, s.len);

if(cap != b.len)

runtime·memclr(b.array+b.len, cap-b.len);

}

1.6.4版:

func stringtoslicebyte(buf *tmpBuf, s string) []byte {

var b []byte

if buf != nil && len(s) <= len(buf) {

b = buf[:len(s):len(s)]

} else {

b = rawbyteslice(len(s))

}

copy(b, s)

return b

}

更古老的:

struct __go_open_array

__go_string_to_byte_array (String str)

{

uintptr cap;

unsigned char *data;

struct __go_open_array ret;

cap = runtime_roundupsize (str.len);

data = (unsigned char *) runtime_mallocgc (cap, 0, FlagNoScan | FlagNoZero);

__builtin_memcpy (data, str.str, str.len);

if (cap != (uintptr) str.len)

__builtin_memset (data + str.len, 0, cap - (uintptr) str.len);

ret.__values = (void *) data;

ret.__count = str.len;

ret.__capacity = str.len;

return ret;

}

总结下:

注释时输出b,b。是因为没有逃逸,所以分配了默认32字节大小的数组,2次append都是在数组[0]赋值,后值覆盖前值,所以才是b,b。

消注释时输出a,b。是因为fmt.Println引用了s,逃逸分析时发现需要逃逸并且是空字符串,所以分配了空数组。2次append都是操作各自重新分配后的新slice,所以输出a,b。

本文来自php中文网的golang教程栏目:https://www.php.cn/be/go/

你可能感兴趣的:(Go中string转[]byte的陷阱)