【Rust笔记】浅聊 Rust 程序内存布局

浅聊Rust程序内存布局

内存布局看似是底层和距离应用程序开发比较遥远的概念集合,但其对前端应用的功能实现颇具现实意义。从WASM业务模块至Nodejs N-API插件,无处不涉及到FFI跨语言互操作。甚至,做个文本数据的字符集转换也得FFI调用操作系统链接库libiconv,因为这意味着更小的.exe/.node发布文件。而C ABI与内存布局正是跨(计算机)语言数据结构的基础。

大约两个月前,在封装FFI闭包(不是函数指针)过程中,我重新梳理了Rust内存布局知识点。然后,就有冲动写这么一篇长文。今恰逢国庆八天长假,汇总我之所知与大家分享。开始正文...

存储宽度size与对齐位数alignment — 内存布局的核心参数

变量值在内存中的存储信息包含两个重要属性

  • 首字节地址address

  • 存储宽度size

而这两个值都不是在分配内存那一刻的“即兴选择”。而是,遵循着一组规则:

  1. addresssize都必须是【对齐位数alignment】的自然数倍。比如说,

  • 对齐位数alignment等于1字节的变量值可保存于任意内存地址address上。

  • 对齐位数alignment等于2字节且有效数据长度等于3字节的变量值

  • 存储宽度size等于0字节的变量值可接受任意正整数作为其对齐位数alignment — 惯例是1字节。

  1. 仅能保存于偶数位的内存地址address上。

  2. 存储宽度size也得是4字节 — 从有效长度3字节到存储宽度4字节的扩容过程被称作“对齐”。

对齐位数alignment必须是2自然数次幂。即,alignment = 2 ^ NN≼ 29的自然数。

存储宽度size是有效数据长度对齐填充位数的总和字节数 — 这一点可能有点儿反直觉。

addresssizealignment的计量单位都是“字节”。

正是因为addresssizealignment之间存在倍数关系,所以程序对内存空间的利用一定会出现冗余与浪费。这些被浪费掉的“边角料”则被称作【对齐填充alignment padding】。对齐填充的计量单位也是字节。根据“边角料”出现的位置不同,对齐填充alignment padding又分为

  • 端填充Little-Endian padding — 0填充位出现在有效数据侧的

  • 端填充Big-Endian padding — 0填充位出现在有效数据侧的

文字抽象,图直观。一图抵千词,请看图

0e4ab3bf9673123a343d160cc17e0812.png

延伸理解:借助于对齐位数,物理上一维的线性内存被重构为了逻辑上N维的存储空间。不严谨地讲,一个数据类型 ➜ 对应一个对齐位数值 ➜ 按一个【单位一】将内存空间均分一遍 ➜ 形成一个仅存储该数据类型值(且只存在于算法与逻辑中)的维度空间。然后,在保存该数据类型的新值时,只要

  1. 选择进入正确的维度空间

  2. 跳过已被占用的【单位一】(这些【单位一】是在哪一个维度空间被占用、是被谁占用和怎么占用并不重要)

  3. 寻找连续出现且数量足够的【单位一】

就行了。

如果【对齐位数alignment】与【存储宽度size】在编译时已知,那么该类型<T: Sized>就是【静态分派】Fixed Sized Type。于是,

  • 类型的对齐位数可由std::mem::align_of::<T>()读取

  • 类型的存储宽度可由std::mem::size_of::<T>()读取

若【对齐位数alignment】与【存储宽度size】在运行时才可计算知晓,那么该类型<T: ?Sized>就是【动态分派】Dynamic Sized Type。于是,

  • 的对齐位数可由std::mem::align_of_val::<T>(&T)读取

  • 的存储宽度可由std::mem::size_of_val::<T>(&T)读取

存储宽度size的对齐计算

若变量值的有效数据长度payload_size正好是该变量类型【对齐位数alignment】的自然数倍,那么该变量的【存储宽度size】就是它的【有效数据长度payload_size】。即,size = payload_size;

否则,变量的【存储宽度size】就是要大于等于【有效数据长度payload_size】,是【对齐位数alignment】自然数倍的最小数值。

  • 这个计算过程的伪码描述是

    variable.size = variable.payload_size.next_multiple_of(variable.alignment);
  • 这个计算被称作“(自然数倍)对齐”。

简单内存布局

基本数据类型

基本数据类型包括boolu8i8u16i16u32i32u64i64u128i128usizeisizef32f64char。它们的内存布局在不同型号的设备上略有差异

  • 在非x86设备上,存储宽度size = 对齐位数alignment(即,倍数N = 1

  • x86设备上,因为设备允许的最大对齐位数不能超过4字节,所以alignment ≼ 4 Byte

    • u64f64size = alignment * 2(即,N = 2)。

    • u128i128size = alignment * 4(即,N = 4)。

    • 其它基本数据类型依旧size = alignment(即,倍数N = 1)。

FST瘦指针

瘦指针的内存布局与usize类型是一致的。因此,在不同设备和不同架构上,其性能表现略有不同

  • 在非x86

    • 32位架构上,size = alignment = 4 ByteN = 1

    • 64位架构上,size = alignment = 8 ByteN = 1

  • x86

    • size = 8 Byte

    • alignment = 4 Byte — x86设备最大对齐位数不能超过4字节

    • N = 2

    • 32位架构上,size = alignment = 4 ByteN = 1

    • 64位设备上,

DST胖指针

胖指针的存储宽度sizeusize类型的倍,对齐位数却与usize相同。就依赖于设备/架构的性能表现而言,其与瘦指针行为一致:

  • 在非x86

    • size = 16 Byte

    • alignment = 8 Byte

    • N = 2

    • size = 8 Byte

    • alignment = 4 Byte

    • N = 2

    • 32位架构上,

    • 64位架构上,

  • x86

    • size = 16 Byte

    • alignment = 4 Byte — x86设备最大对齐位数不能超过4字节

    • N = 4

    • size = 8 Byte

    • alignment = 4 Byte

    • N = 2

    • 32位架构上,

    • 64位设备上,

数组[T; N],切片[T]str

str就是满足UTF-8编码规范的增强版[u8]切片。

存储宽度size是全部元素存储宽度之

array.size = std::mem::size_of::<T>() * array.len();

对齐位数alignment与单个元素的对齐位数一致。

array.alignment = std::mem::align_of::<T>();

()单位类型

存储宽度size = 0 Byte

对齐位数alignment = 1 Byte

所有零宽度数据类型都是这样的内存布局配置。

来自【标准库】的零宽度数据类型包括但不限于:

  • () 单位类型 — 模拟“空”。

  • std::marker::PhantomData<T> — 绕过“泛型类型形参必须被使用”的编译规则。进而,成就类型状态设计模式中的Phantom Type

  • std::marker::PhantomPinned<T> — 禁止变量值在内存中“被挪来挪去”。进而,成就异步编程中的“自引用结构体self-referential struct”。

自定义数据结构的内存布局

复合数据结构的内存布局描绘了该数据结构(紧内一层)字段的内存位置“摆放”关系(比如,间隙与次序等)。在层叠嵌套的数据结构中,内存布局都是就某一层数据结构而言的。它既承接不了来自外层父数据结构的内存布局,也决定不了更内层子数据结构的内存布局,更代表不了整个数据结构内存布局的总览。举个例子,

#[repr(C)]
struct Data {id: u32,name: String
}

#[repr(C)]仅只代表最外层结构体Data的两个字段idname是按C内存布局规格“摆放”在内存中的。但,#[repr(C)]并不意味着整个数据结构都是C内存布局的,更改变不了name字段的String类型是Rust内存布局的事实。若你的代码意图是定义完全C ABI的结构体,那么【原始指针】才是该用的类型。

use ::std::ffi::{c_char, c_uint};
#[repr(C)]
struct Data {id: c_uint,name: *const c_char // 注意对比
}

内存布局核心参数

自定义数据结构的内存布局包含如下五个属性

  1. alignment

  • 定义:数据结构自身的对齐位数

  • 规则:

  1. alignment = 2n次幂(n 是≼ 29的自然数)

  2. 不同于基本数据类型alignment = size,自定义数据结构alignment的算法随不同的数据结构而相异。

size

  • 定义:数据结构自身的宽度

  • 规则:size必须是alignment自然数倍。若有效数据长度payload_size不足size,就添补空白【对齐填充位】凑足宽度。

field.alignment

  • 定义:每个字段的对齐位数

  • 规则:field.alignment = 2n次幂(n≼ 29的自然数)

field.size

  • 定义:每个字段的宽度

  • 规则:field.size必须是field.alignment自然数倍。若有效数据长度field.payload_size不足field.size,就添补空白【对齐填充位】凑足宽度。

field.offset

  • 定义:每个字段首字节地址相对于上一层数据结构首字节地址的偏移字节数

  • 规则:

  1. field.offset必须是field.alignment自然数倍。若不足,就垫入空白【对齐填充位】和向后推移当前字段的起始位置。

  2. 前一个字段的field.offset + field.size ≼ 后一个字段的field.offset

自定义枚举类enum的内存布局一般与枚举类分辨因子discriminant的内存布局一致。更复杂的情况,请见下文章节。

预置内存布局方案

编译器内置了四款内存布局方案,分别是

  1. 默认Rust内存布局 — 没有元属性注释

  2. C内存布局 #[repr(C)]

  3. 数字类型·内存布局 #[repr(u8 / u16 / u32 / u64 / u128 / usize / i8 / i16 / i32 / i64 / i128 / isize)]

  • 仅适用于枚举类。

  • 支持与C内存布局混搭使用。比如,#[repr(C, u8)]

透明·内存布局 #[repr(transparent)]

  • 仅适用于单字段数据结构。

预置内存布局方案对比

相较于C内存布局,Rust内存布局面向内存空间利用率做了优化 — 省内存。具体的技术手段包括Rust编译器

  • 重排了字段的存储顺序,以尽可能多地消减掉“边角料”(对齐填充)占用的字节位数。于是,在源程序中字段声明的词法次序经常不同于【运行时】它们在内存里的实际存储顺序

  • 允许多个零宽度字段共用一个内存地址。甚至,零宽度字段也被允许与普通(有数据)字段共享内存地址。

C ABI中间格式为桥的C内存布局虽然实现了Rust跨语言数据结构,但它却更费内存。这主要出于两个方面原因:

  1. C内存布局未对字段存储顺序做优化处理,所以字段在源码中的词法顺序就是它们在内存条里的存储顺序。于是,若 @程序员 没有拿着算草纸和数着比特位“人肉地”优化每个数据结构定义,那么由对齐填充位冗余造成的内存浪费不可避免

  2. C内存布局不支持零宽度数据类型。零宽度数据类型是Rust语言设计的重要创新。相比之下,

  • (参见C17规范的第6.7.2.1节)字段结构体会导致标准C程序出现U.B.,除非安装与开启GNUC扩展。

  • Cpp编译器会强制给无字段结构体安排一个字节宽度,除非该数据结构被显式地标记为[[no_unique_address]]

以费内存为代价,C内存布局赋予Rust数据结构的另一个“超能力”就是:“仅通过变换【指针类型】就可将内存上的一段数据重新解读为另一个数据类型的值”。比如,void * / std::ffi::c_void被允许指向任意数据类型的变量值 例程。但在Rust内存布局下,需要调用专门的标准库函数std::intrinsics::transmute()才能达到相同的目的。

除了上述鲜明的差别之外,CRust内存布局都允许【对齐位数alignment】参数被微调,而不一定总是全部字段alignment中的最大值。这包括但不限于:

  • 修饰符align(x)增加alignment至指定值。例如,#[repr(C, align(8))]C内存布局中的【对齐位数】上调至8字节

  • 修饰符packed(x)减小alignment至指定值。例如,#[repr(packed)]将默认Rust内存布局中的【对齐位数】下调至1字节

结构体structC内存布局

结构体算是最“中规中矩”的数据结构。无论是否对结构体的字段重新排序,只要将它们一个不落地铺到内存上就完成一多半功能了。所以,结构体存储宽度struct.size是全部字段size再(自然数倍)对齐于【结构体对齐位数struct.alignment】的结果。有点抽象上伪码

struct.size = struct.fields().map(|field| field.size).sum()  // 第一步,求全部字段宽度值之和.next_multiple_of(struct.alignment); // 第二步,求既大于等于【宽度值之和】,又是`struct.alignment`自然数倍的最小数值

相较于Rust内存布局优化算法的错综复杂,我好似只能讲清楚C内存布局的始末:

首先,结构体自身的对齐位数struct.alignment就是全部字段对齐位数field.alignment中的最大值

struct.alignment = struct.fields().map(|field| field.alignment).max();

其次,声明一个(可修改的)游标变量offset_cursor以实时跟踪(参照于结构体首字节地址的)字节偏移量。游标变量的初始值为0表示该游标与结构体的内存起始位置重合。

let mut offset_cursor = 0;

接着,沿着源码中字段的声明次序,逐一处理各个字段:

  1. 【对齐】若游标变量值offset_cursor不是当前字段对齐位数field.alignment的自然数倍(即,未对齐),就计算大于等于offset_cursorfield.alignment自然数倍的最小数值。并将计算结果更新入游标变量offset_cursor,以插入填充位对齐和向后推移字段在内存中的”摆放“位置。

    if offset_cursor.rem_euclid(field.alignment) > 0 {offset_cursor = offset_cursor.next_multiple_of(field.alignment);
    }
  2. 【定位】当前游标的位置就是该字段的首字节偏移量

    field.offset = offset_cursor;
  3. 跳过当前字段宽度field.size — 递归算法求值数据结构的存储宽度。字段子数据结构的内存布局对上一层父数据结构是黑盒的。

    offset_cursor += field.size
  4. 继续处理下一个字段。

然后,在结构体内全部字段都被如上处理之后,

  1. 【对齐】若游标变量值offset_cursor不是结构体对齐位数struct.alignment的自然数倍(即,未对齐),就计算大于等于offset_cursorstruct.alignment自然数倍的最小数值。并将计算结果更新入游标变量offset_cursor,以增补填充位对齐和扩容有效数据长度至结构体存储宽度。

    if offset_cursor.rem_euclid(struct.alignment) > 0 {offset_cursor = offset_cursor.next_multiple_of(struct.alignment);
    }
  2. 【定位】当前游标值就是整个结构体的宽度(含全部对齐填充位)

    struct.size = offset_cursor;

至此,结构体的C内存布局结束。然后,std::alloc::GlobalAlloc就能够拿着这套“策划案”向操作系统申请内存空间去了。由此可见,每次【对齐】处理都会在有效数据周围“埋入”大量空白“边角料”(学名:对齐填充位alignment padding)。但出于历史原因,为了完成与其它计算机语言的FFI互操作,这些浪费还是必须的。下面附以完整的伪码辅助理解

// 1. 结构体的【对齐位数】就是它的全部字段【对齐位数】中的最大值。
struct.alignment = struct.fields().map(|field| field.alignment).max();
// 2. 声明一个游标变量,以实时跟踪(相对于结构体首字节地址)的偏移量。
let mut offset_cursor = 0;
// 3. 按照字段在源代码中的词法声明次序,逐一遍历每个字段。
for field in struct.fields_in_declaration_order() {if offset_cursor.rem_euclid(field.alignment) > 0 {// 4. 需要【对齐】当前字段offset_cursor = offset_cursor.next_multiple_of(field.alignment);} // 5. 【定位】字段的偏移量就是游标变量的最新值。field.offset = offset_cursor;// 6. 在跳过当前字段宽度的字节长度(含对齐填充字节数)offset_cursor += field.size;
}
if offset_cursor.rem_euclid(struct.alignment) > 0 {// 7. 需要【对齐】结构体自身offset_cursor = offset_cursor.next_multiple_of(struct.alignment);
}
// 8. 【定位】结构体的宽度(含对齐填充字节数)就是游标变量的最新值。
struct.size = offset_cursor;

联合体unionC内存布局

形象地讲,联合体是给内存中同一段字节序列准备了多套“数据视图”,而每套“数据视图”都尝试将该段字节序列解释为不同数据类型的值。所以,无论在联合体内声明了几个字段,都仅有一个字段值会被保存于物理存储之上。从原则上讲,联合体union的内存布局一定与占用内存最多的字段一致,以确保任何字段值都能被容纳。从实践上讲,有一些细节处理需要斟酌:

  1. 联合体的对齐位数union.alignment等于全部字段对齐位数中的最大值(同结构体)。

    union.alignment = union.fields().map(|field| field.alignment).max();
  2. 联合体的存储宽度union.size最长字段宽度值longest_field.size(自然数倍)对齐于联合体自身对齐位数union.alignment的结果。有点抽象上伪码

    union.size = union.fields().map(|field| field.size).max() // 第一步,求最长字段的宽度值.next_multiple_of(union.alignment); // 第二步,求既大于等于【最长字段宽度值】,又是`union.alignment`自然数倍的最小数值

举个例子,联合体Example0内包含了u8u16类型的两个字段,那么Example0的内存布局就一定与u16的内存布局一致。再举个例子,

use ::std::mem;
#[repr(C)]
union Example1 {f1: u16,f2: [u8; 4],
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example1>(), mem::align_of::<Example1>())

看答案之前,不防先心算一下,程序向标准输出打印的结果是多少。演算过程如下:

  1. 字段f1

  • 存储宽度size2字节。

  • 对齐位数alignment也是2字节,因为基本数据类型的【对齐位数alignment】就是它的【存储宽度size】。

字段f2

  • 存储宽度size4字节,因为数组的【存储宽度size】就是全部元素存储宽度之

  • 对齐位数alignment1字节,因为数组的【对齐位数alignment】就是元素的【对齐位数alignment】。

联合体Example1

  • 对齐位数alignment就是2字节,因为取最大值

  • 存储宽度size4字节,因为得取最大值

再来一个更复杂点儿的例子,

use ::std::mem;
#[repr(C)]
union Example2 {f1: u32,f2: [u16; 3],
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example2>(), mem::align_of::<Example2>())

同样,在看答案之前,不防先心算一下,程序向标准输出打印的结果是多少。演算过程如下:

  1. 字段f1的存储宽度与对齐位数都是4字节。

  2. 字段f2

  • 对齐位数是2字节。

  • 存储宽度是6字节。

联合体Example2

  • 对齐位数alignment4字节 — 取最大值,没毛病。

  • 存储宽度size8字节,因为不仅得取最大值6字节,还得向Example2.alignment自然数倍对齐。于是,才有了额外2字节的【对齐填充】和扩容【联合体】有效长度6字节至存储宽度8字节。你猜对了吗?

不经意的巧合

思维敏锐的读者可以已经注意到:单字段【结构体】与单字段【联合体】的内存布局是相同的,因为数据结构自身的内存布局就是唯一字段的内存布局。不信的话,执行下面的例程试试

use ::std::mem;
#[repr(C)]
struct Example3 {f1: u16
}
#[repr(C)]
union Example4 {f1: u16
}
// struct 内存布局 等同于 union 的内存布局
assert_eq!(mem::align_of::<Example3>(), mem::align_of::<Example4>());
assert_eq!(mem::size_of::<Example3>(), mem::size_of::<Example4>());
// struct 内存布局 等同于 u16 的内存布局
assert_eq!(mem::align_of::<Example3>(), mem::align_of::<u16>());
assert_eq!(mem::size_of::<Example3>(), mem::size_of::<u16>());

枚举类enumC内存布局

突破“枚举”字面含义的束缚,Rust的创新使Rust enum与传统计算机语言中的同类项都不同。Rust枚举类

  • 既包括:C风格的“装”枚举 — 仅标记状态,却不记录细节数据。

  • 也支持:Rust风格的“装”枚举 — 标记状态的同时也记录细节数据。

在Rust References一书中,

  • 装”枚举被称为“无字段·枚举类 field-less enum”或“仅单位类型·枚举类 unit-only enum”。

  • 装”枚举被别名为“伴字段·枚举类enum with fields”。

    • Cpp程序中,需要借助【标准库】的Tagged Union数据结构才能模拟出同类的功能来。欲了解更多技术细节,推荐读我的另一篇文章。

禁忌C内存布局的枚举类必须至少包含一个枚举值。否则,编译器就会报怨:error[E0084]: unsupported representation for zero-variant enum

“轻装”枚举类的内存布局

因为“轻装”枚举值的唯一有效数据就是“记录了哪个枚举项被选中的”分辨因子discriminant,所以枚举类的内存布局就是枚举类【整数类型】分辨因子的内存布局。即,

LightEnum.alignment = discriminant.alignment; // 对齐位数
LightEnum.size = discriminant.size;           // 存储宽度

别庆幸!故事远没有看起来这么简单,因为【整数类】是一组数字类型的总称(馁馁的“集合名词”)。所以,它包含但不限于

RustC存储宽度
u8 / i8unsigned char / char单字节
u16 / i16unsigned short / short双字节
u32 / i32unsigned int / int四字节
u64 / i64unsigned long / long八字节
usize / isize没有概念对等项,可能得元编程等长于目标架构“瘦指针”宽度

维系FFI两端RustC枚举类分辨因子都采用相同的整数类型才是最“坑”的,因为

  • C / Cpp enum实例可存储任意类型的整数值(比如,charshortintlong)— 部分原因或许是C系语法灵活的定义形式:“typedef enum块 + 具名常量”。所以,C / Cpp enum非常适合被做成“比特开关”。但在Rust程序中,就不得不引入外部软件包bitflags了。

  • C内存布局Rust枚举类分辨因子discriminant只能是i32类型 — 【存储宽度size】是固定的4字节。

    Rust内存布局·枚举类·分辨因子discriminant的整数类型是编译时由rustc决定的,但最宽支持到isize类型。

这就对FFI - C端的程序设计提出了额外的限制条件:至少,由ABI接口导出的枚举值得用int类型定义。否则,RustFFI函数调用就会触发U.B.FFI门槛稍有上升。

扼要归纳:

  1. FFI - RustC内存布局的枚举类对FFI - C端枚举值的【整数类型】提出了“确定性假设invariant”:枚举值的整数类型是int且存储宽度等于4字节。

  2. C端 @程序员 必须硬编码所有枚举值的数据类型,以满足该假设。

  3. FFI跨语言互操作才能成功“落地”,而不是发生U.B.

来自C端的迁就固然令人心情愉悦,但新应用程序难免要对接兼容遗留系统与旧链接库。此时,再给FFI - C端提要求就不那么现实了 — 深度改动“屎山”代码风险巨大,甚至你可能都没有源码。【数字类型·内存布局】正是解决此棘手问题的技术方案:

  1. 以【元属性】#[repr(整数类型名)]注释枚举类定义

  2. 明确指示Rust编译器采用给定【整数类型】的内存布局,组织【分辨因子discriminant】的数据存储,而不总是遵循i32内存布局。

C / Cpp整数类型至Rust内存布局元属性的映射关系包括但不限于

CRust 元属性
unsigned char / char#[repr(u8)] / #[repr(i8)]
unsigned short / short#[repr(u16)] / #[repr(i16)]
unsigned int / int#[repr(u32)] / #[repr(i32)]
unsigned long / long#[repr(u64)] / #[repr(i64)]

举个例子,

use ::std::mem;
#[repr(C)]
enum Example5 { // ”轻装“枚举类,因为A(),  // field-less variantB {}, // field-less variantC     // unit variant
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example5>(), mem::align_of::<Example5>());

上面代码定义的是C内存布局的“装”枚举类Example5,因为它的每个枚举值不是“无字段”,就是“单位类型”。于是,Example5的内存布局就是i32类型的alignment = size = 4 Byte

再举个例子,

use ::std::mem;
#[repr(u8)]
enum Example6 { // ”轻装“枚举类,因为A(),  // field-less variantB {}, // field-less variantC     // unit variant
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example6>(), mem::align_of::<Example6>());

上面代码定义的是【数字类型·内存布局】的“装”枚举类Example6。它的内存布局是u8类型的alignment = size = 1 Byte

“重装”枚举类的内存布局

【“重装”枚举类】绝对是Rust语言设计的一大创新,但同时也给FFI跨语言互操作带来了严重挑战,因为在其它计算机语言中没有概念对等的核心语言元素“接得住它”。对此,在做C内存布局时,编译器rustc会将【“重装”枚举类】“降维”成一个双字段结构体:

  1. 第一个字段是:剥去了所有字段的【“轻装”枚举】,也称【分辨因子枚举类Discriminant enum】。

  2. 第二个字段是:由枚举值variant内字段fields拼凑成的【结构体struct】组成的【联合体union】。

前者记录选中项的“索引值” — 谁被选中;后者记忆选中项内的值:根据索引值,以对应的数据类型,读/写联合体实例的字段值。

文字描述着实有些晦涩与抽象。边看下图,边再体会。一图抵千词!(关键还是对union数据类型的理解)

00dd48b817cfe6e0bc568d4f272c61a0.png

上图中有三个很细节的知识点容易被读者略过,所以在这里特意强调一下:

  1. 保存枚举值字段的结构体struct A / B / C派生了trait Copy派生了trait Clone,因为

  • union数据结构要求它的每个字段都是可复制

  • 同时,trait Copy又是trait Clonesubtrait

降维后结构体struct Example7内的字段名不重要,但字段排列次序很重要。因为在C ABI中,结构体字段的存储次序就是它们在源码中的声明次序,所以Cpp标准库中的Tagged Union数据结构总是,根据约定的字段次序,

  1. 将第一个字段解释为“选中项的索引号”,

  2. 将第二个字段解读为“选中项的数据值”。

C内存布局的分辨因子枚举类enum Discriminant的分辨因子discriminant依旧是i32类型值,所以FFI - C端的枚举值仍旧被要求采用int整数类型。

举个例子,

use ::std::mem;
#[repr(C)]
enum Example8 {Variant0(u8),Variant1,
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example8>(), mem::align_of::<Example8>())

看答案之前,不防先心算一下,程序向标准输出打印的结果是多少。演算过程如下:

  1. enum被“降维”成struct

  2. C内存布局而言,structalignment是全部字段alignment中的最大值。

    1. 字段union.Variant0字段元组结构体,且字段类型是基本数据类型。所以,union.Variant0.alignment = union.Variant0.size = 1 Byte

    2. 字段union.Variant1单位类型。所以,union.Variant1.alignment = 1 Byteunion.Variant1.size = 0 Byte

    3. 于是,union.alignment = 1 Byte

    4. 字段tagC内存布局的“轻装”枚举类。所以,tag.alignment = tag.size = 4 Byte

    5. 字段unionunion数据结构。所以,unionalignment也是全部字段alignment中的最大值。

    6. 于是,struct.alignment = 4 Byte

  3. structsize是全部字段size之和。

    1. union.Variant0.size = 1 Byte

    2. union.Variant1.size = 0 Byte

    3. 于是,union.size = 1 Byte

    4. 字段tagC内存布局的“轻装”枚举类。所以,tag.size = 4 Byte

    5. 字段unionunion数据结构。unionsize是全部字段size中的最大值。

    6. 于是,不精准地struct.size ≈ 5 Byte (约等)

    7. 此刻struct.size并不是struct.alignment的自然数倍。所以,需要给struct增补“对齐填充位”和向struct.alignment自然数倍对齐

    8. 于是,struct.size = 8 Byte (直等)

哎!看见没,C内存布局还是比较费内存的,一少半都是空白“边角料”。

【“重装”枚举类】同样会遇到FFI - ABI两端【Rust枚举类分辨因子discriminant】与【C枚举值】整数类型一致约定的难点。为了迁就C端遗留系统和旧链接库对枚举值【整数类型】的选择,Rust编译器依旧选择“降维”处理enum。但,这次不是将enum变形成struct,而是跳过struct封装和直接以union为“话事人”。同时,将【分辨因子·枚举值】作为union字段数据结构的个字段:

  • 元组枚举值,分辨因子就是数据结构第0个元素

  • 结构体枚举值,分辨因子就数据结构第一个字段。注:字段名不重要,字段次序更重要

文字描述着实有些晦涩与抽象。边看下图,边对比上图,边体会。一图抵千词!

467ca9dc47af6b1bedb673a996a1f5ad.png

由上图可见,C与【数字类型】的混合内存布局

  • 既保证了降级后unionstruct数据结构继续满足C ABI的存储格式要求。

  • 又确保了【Rust端枚举类分辨因子】与【C端枚举值】之间整数类型的一致性。

举个例子,假设目标架构是32位系统,

use ::std::mem;
#[repr(C, u16)]
enum Example10 {Variant0(u8),Variant1,
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example10>(), mem::align_of::<Example10>())

看答案之前,不防先心算一下,程序向标准输出打印的结果是多少。演算过程如下:

  1. enum被“降维”成union

  2. unionalignment是全部字段alignment中的最大值。

    1. 第一个字段是u16类型的分辨因子枚举值。所以,Variant0.0.alignment = Variant0.0.size = 2 Byte

    2. 第二个字段是u8类型数字。所以,Variant0.1.alignment = Variant0.1.size = 1 Byte

    3. 于是,union.Variant0.alignment = 2 Byte

    4. 字段union.Variant0是双字段元组结构体。所以,structalignment是全部字段alignment中的最大值。

    5. 字段union.Variant1字段元组结构体且唯一字段就是u16分辨因子枚举值。所以,union.Variant1.alignment = union.Variant1.size = 2 Byte

    6. 于是,union.alignment = 2 Byte

  3. unionsize是全部字段size中的最大值。

    1. 第一个字段是u16类型的分辨因子枚举值。所以,Variant0.0.size = 2 Byte

    2. 第二个字段是u8类型数字。所以,Variant0.1.size = 1 byte

    3. 于是,不精准地union.Variant0.size ≈ 3 Byte(约等)

    4. 此刻union.Variant0.size不是union.Variant0.alignment的自然数倍。所以,需要对union.Variant0增补“对齐填充位”和向union.Variant0.alignment自然数倍对齐

    5. 于是,union.Variant0.size = 4 Byte (直等)

    6. 字段union.Variant0是双字段元组结构体。所以,structsize是全部字段size

    7. 字段union.Variant1字段元组结构体且唯一字段就是u16分辨因子枚举值。所以,union.Variant1.size = 2 Byte

    8. 于是,union.size = 4 Byte

哎!看见没,C 内存布局还是比较费内存的,一少半的“边角料”。

新设计方案好智慧
  1. 优化掉了一层struct封装。即,从enum ➜ struct ➜ union缩编至enum ➜ union

  2. 将被优化掉的struct的职能(— 记录选中项的“索引值”)合并入了union字段的数据结构中。于是,联合体的每个字段

  • 既要,保存枚举值的字段数据 — 旧职能

  • 还要,记录枚举值的“索引号” — 新职能

但有趣的是,比较上一版数据存储设计方案,C内存布局却没有发生变化。逻辑描述精简了但物理实质未变,这太智慧了!因此,Cpp标准库提供的Tagged Union数据结构依旧“接得住”Rust端【“重装”枚举值】

仅【数字类型·内存布局】的“重装”枚举类

若不以C【数字类型】的混合内存布局来组织枚举类enum Example9的数据存储,而仅保留【数字类型】内存布局,那么上例中被降维后的【联合体】与【结构体】就都会缺省采用Rust内存布局。参见下图:

423bc8c42387cf9ef017013f69bf0c99.png

补充于最后,思维活跃的读者这次千万别想太多了。没有#[repr(transparent, u16)]的内存布局组合,因为【透明·内存布局】向来都是“孤来孤往”的。

数字类型·内存布局

仅【枚举类】支持【数字类型·内存布局】。而且,将无枚举值的枚举类注释为【数字类型·内存布局】会导致编译失败。举个例子

#[repr(u16)]
enum Example12 {// 没有任何枚举值
}

会导致编译失败error[E0084]: unsupported representation for zero-variant enum

透明·内存布局

“透明”不是指“没有”,而是意味着:在层叠嵌套数据结构中,外层数据结构的【对齐位数】与【存储宽度】等于(紧)内层数据结构的【对齐位数】和【存储宽度】。因此,它仅适用于

  • 单字段的结构体 — 结构体的【对齐位数】与【存储宽度】等于唯一字段的【对齐位数】和【存储宽度】。

    struct.alignment = struct.field.alignment;
    struct.size = struct.field.size;
  • 单枚举值且单字段的“重装”枚举类 — 枚举类的【对齐位数】与【存储宽度】等于唯一枚举值内唯一字段的【对齐位数】和【存储宽度】。

    HeavyEnum.alignment = HeavyEnum::variant.field.alignment;
    HeavyEnum.size = HeavyEnum::variant.field.size;
  • 单枚举值的“轻装”枚举类 — 枚举类的【对齐位数】与【存储宽度】等于单位类型的【对齐位数】和【存储宽度】。

    LightEnum.alignment = 1;
    LightEnum.size = 0;

原则上,数据结构中的唯一字段必须是非零宽度的。但是,若【透明·内存布局】数据结构涉及到了

  • 类型状态设计模式

  • 异步多线程

,那么Rust内存布局的灵活性也允许:结构体和“重装”枚举值额外包含任意数量的零宽度字段。比如,

  • std::marker::PhantomData<T> 为类型状态设计模式,提供Phantom Type支持。

  • std::marker::PhantomPinned<T> 为自引用数据结构,提供!Unpin支持。

举个例子,

use ::std::{marker::PhantomData, mem};
#[repr(transparent)]
enum Example13<T> { // 含`Phantom Type`的“重装”枚举类Variant0 (f32,            // 普通有数据字段PhantomData<T>  // 零宽度字段。泛型类型形参未落实到有效数据上。)
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example13<String>>(), mem::align_of::<Example13<String>>())

看答案之前,不防先心算一下,程序向标准输出打印的结果是多少。演算过程如下:

  1. 因为Example14.Variant0.1字段是零宽度数据类型PhantomData,所以它的

    和不参与内存布局计算。

  • alignment = 1 Byte

  • size = 0 Byte

  • 首字节地址addressExample10.Variant0.0字段重叠。

因为【透明·内存布局】,所以 外层枚举类的

  • 【对齐位数】Example14.alignment = Example10::Variant0.0.alignment = 4 Byte

  • 【存储宽度】Example14.size = Example10::Variant0.0.size = 4 Byte

不同于【数字类型·内存布局】,【透明·内存布局】不被允许与其它内存布局混合使用。比如,

  • #[repr(C, u16)]是合法的

  • #[repr(C, transparent)]#[repr(transparent, u16)]就会导致语编译失败

其它类型的内存布局

  • trait Object与由胖指针&dyn Trait/Box<dyn Trait>引用的变量值的【内存布局】相同。

  • 闭包Closure没有固定的【内存布局】。

微调内存布局

只有RustC内存布局具备微调能力,且只能修改【对齐位数alignment】参数值。另外,不同数据结构可做的微调操作也略有不同:

  • structunionenum数据结构可调对齐位数

  • structunion被允许调对齐位数

数据结构【对齐位数alignment】值的增加与减少需要使用不同的元属性修饰符

  • #[repr(align(新·对齐位数))] 增加对齐位数新值。将小于等于数据结构原本对齐位数的值输入align(x)修饰符是无效的。

  • #[repr(packed(新·对齐位数))] 减少对齐位数新值。将大于等于数据结构原本对齐位数的值输入packed(x)修饰符也是无效的。

align(x)packed(x)修饰符的实参是【目标】字节数,而不是【增量】字节数。所以,#[repr(align(8))]指示编译器增加对齐数至8字节,而不是增加8字节。另外,新对齐位数必须是2的自然数次幂。

禁忌

  • 同一个数据类型不被允许既增加又减少对齐位数。即,align(x)packed(x)修饰符不能共同注释一个数据类型定义。

  • 减小对齐位数的外层数据结构禁止包含增加对齐位数的子数据结构。即,#[repr(packed(x))]数据结构不允许嵌套包含#[repr(align(y))]子数据结构。

枚举类内存布局的微调

首先,枚举类不允许调对齐位数。

其次,上调枚举类的对齐位数也会触发“内存布局重构”的负作用。编译器会效仿Newtypes 设计模式重构#[repr(align(x))] enum枚举类为嵌套包含了enum#[repr(align(x))] struct元组结构体。一图抵千词,请参阅下图。

101000f8442c00fd01169ed94d872644.png

由上图可见,在内存布局重构之后,C内存布局继续保留在枚举类上,而align(16)修饰符仅对外层的结构体有效。所以,从底层实现来讲,枚举类是不支持内存布局微调的,仅能借助外层的Newtypes数据结构间接限定。

以上面的数据结构为例,

use ::std::mem;
#[repr(C, align(16))]
enum Example15 {A,B,C
}
println!("alignment = {1}; size = {0}", mem::size_of::<Example15>(), mem::align_of::<Example15>())

看答案之前,不防先心算一下,程序向标准输出打印的结果是多少。演算过程如下:

  • 因为C内存布局,所以枚举类的分辨因子是i32类型和枚举类的存储宽度size = 4 Byte

  • 但,align(16)将内存空间占用强制地从alignment = size = 4 Byte提升到alignment = size = 16 Byte

结束语

这次分享的内容比较多,感谢您耐心地读到文章结束。文章中问答式例程的输出结果,您猜对了几个呀?

内存布局是一个非常宏大技术主题,这篇文章仅是抛砖引玉,讲的粒度比较粗,涉及的具体数据结构也都很基础。更多FFI和内存布局的实践经验沉淀与知识点汇总,我将在相关技术线的后续文章中陆续分享。

路过神仙哥哥与仙女妹妹们,多给文章发评论与点赞呀!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/103440.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

记一次fineBI的增量删除更新BUG

官方文档链接是https://help.fanruan.com/finebi/doc-view-1663.html 按照官方文档&#xff0c;增量删除不能使用select * &#xff0c;且需要指定分区建 但实际指定分区键有时候也会报错&#xff0c;因为表设置的字段有时候会比数据源少&#xff0c;此时会报错&#xff0c;提…

使用kubectl连接远程Kubernetes(k8s)集群

使用kubectl连接远程Kubernetes集群 环境准备下载kubectl下载地址 安装kubectl并处理配置文件Windows的安装配置安装kubectl拉取配置文件 Mac的安装配置安装kubectl拉取配置文件kubectl命令自动补全 Linux的安装配置安装kubectl拉取配置文件kubectl命令自动补全 环境准备 你需…

钢筋智能测径仪 光圆与带肋钢筋均可检测!

在一个大规模、高效、连续的工业生产中&#xff0c;制造业正朝着自动化方向快速优化发展&#xff0c;这种自动化的生产需要快速、准确地分析控制生产工艺中的参数&#xff0c;超差及时提示&#xff0c;为操作工对工厂的运行和自我调节做出快速反应&#xff0c;人工操作越来越不…

源码部署lamt架构

源码部署lamt架构 lamt由apache&#xff0c;mysql&#xff0c;tomcat三者组成 文章目录 源码部署lamt架构1.准备工作1.1.配置yum源&#xff0c;关闭防火墙和selinux1.2.拉取相应源码包 2.安装apache3.安装mariadb4.安装tomcat 1.准备工作 1.1.配置yum源&#xff0c;关闭防火墙…

android之TextView自由选择复制

文章目录 前言一、效果图二、实现步骤1.OnSelectListener2.SelectionInfo类3.TextLayoutUtil类4.复制弹框的xml布局5.弹框背景Drawable6.倒三角Drawable7.复制工具类8.调用 总结 前言 根据时代进步&#xff0c;那些干产品的也叼砖起来了&#xff0c;今天就遇到一个需求&#x…

竞赛 深度学习 机器视觉 车位识别车道线检测 - python opencv

0 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; 深度学习 机器视觉 车位识别车道线检测 该项目较为新颖&#xff0c;适合作为竞赛课题方向&#xff0c;学长非常推荐&#xff01; &#x1f947;学长这里给一个题目综合评分(每项满分5分) …

golang 獲取 prometheus數據

使用github上的一個庫 1.安裝庫 go get github.com/prometheus/client_golang 2.導入 在import中導入&#xff0c;記得要在go.mod中更新一下 ------------------------------------------------------------------------------------ Address: "http://xx.xx.xx:9090…

基于IDEA集成环境---Nacos安装

Nacos服务器是独立安装部署的&#xff0c;因此我们需要下载最新的Nacos服务端程序&#xff0c;下载地址&#xff1a;https://github.com/alibaba/nacos。 将文件进行解压&#xff0c;得到以下内容&#xff1a; 直接将其拖入到项目文件夹下&#xff0c;便于我们一会在IDEA内部…

SAP router的问题 dev_out 大文件 ,bat 关闭服务,删除文件,重启服务

跟老师确认后&#xff0c;dev_out可以删除 具体时先把sap-router停掉&#xff0c;删除dev_out 重启服务 问题&#xff1a; 1、问题是saprouter 不能停止&#xff0c;停止的话 外网都要用VPN&#xff0c;那就避开高峰时间 可以后半夜搞这个事情 2、如何定时执行 &#xff…

格式转换 ▏Python 实现Word转HTML

将Word转换为HTML能将文档内容发布在网页上&#xff0c;这样&#xff0c;用户就可以通过浏览器直接查看或阅读文档而无需安装特定的软件。Word转HTML对于在线发布信息、创建在线文档库以及构建交互式网页应用程序都非常有用。以下是用Python将Word转换为HTML网页的攻略&#xf…

Vue封装组件并发布到npm仓库

前言 使用Vue框架进行开发&#xff0c;组件封装是一个很常规的操作。一个封装好的组件可以在项目的任意地方使用&#xff0c;甚至我们可以直接从npm仓库下载别人封装好的组件来进行使用&#xff0c;比如iview、element-ui这一类的组件库。但是每个公司的业务场景可能不同&…

使用css 与 js 两种方式实现导航栏吸顶效果

position的属性我们一般认为有 position:absolute postion: relative position:static position:fixed position:inherit; position:initial; position:unset; 但是我最近发现了一个定位position:sticky 这个可以称为粘性定位。 这个粘性定位的元素会始终在那个位置 <st…

【网络编程】Linux网络编程基础与实战第一弹——网络基础

这里写目录标题 网络基础什么是协议典型协议 分层模型OSI七层模型TCP/IP四层模型 网络应用程序设计模式优缺点具体体现&#xff1a; 网络基础 什么是协议 从应用的角度出发&#xff0c;协议可理解为“一组规则”&#xff0c;是数据传输和数据的解释的规则。 假设&#xff0c;…

UE4和C++ 开发-C++与UMG的交互2(C++获取UMG的属性)

1、...C获取UMG的属性 1.1、第一种方法&#xff1a;通过名称获取控件。 void UMyUserWidget::NativeConstruct() {Super::NativeConstruct();//通过名字&#xff0c;获取蓝图控件中的按钮引用。CtnClic Cast<UButton>(GetWidgetFromName(TEXT("Button_44"))…

【【萌新的SOC学习之基于BRAM的PS和PL数据交互实验】】

萌新的SOC学习之基于BRAM的PS和PL数据交互实验 基于BRAM的PS和PL的数据交互实验 先介绍 AXI BRAM IP核控制器的简介 AXI BRAM ip核 是xilinx提供的一个软核 这个ip核被设计成 AXI的一个从机接口 用于AXI互联的集成 系统的主设备和本地的RAM进行通信 &#xff08;我们可以通过这…

JS截取url上面的参数

手动截取封装 function getUrlParams(url location.href) {let urlStr url.split(?)[1] || let obj {};let paramsArr urlStr.split(&)for (let i 0, len paramsArr.length; i < len; i) {const num paramsArr[i].indexOf()let arr [paramsArr[i].substring(0,…

Docker快速上手:使用Docker部署Drupal并实现公网访问

文章目录 前言1. Docker安装Drupal2. 本地局域网访问3 . Linux 安装cpolar4. 配置Drupal公网访问地址5. 公网远程访问Drupal6. 固定Drupal 公网地址 前言 Dupal是一个强大的CMS&#xff0c;适用于各种不同的网站项目&#xff0c;从小型个人博客到大型企业级门户网站。它的学习…

离散型制造企业MES管理系统解决方案

随着制造业的快速发展&#xff0c;离散型制造企业面临着越来越多的挑战。多样性、生产批次、工序复杂性以及高度定制化等特点使得企业的生产管理变得越来越复杂。为了提高生产效率和管理效率&#xff0c;许多企业开始寻求合适的解决方案。本文将以离散型制造企业的特点为基础&a…

铁道交通运输运营3D模拟仿真实操提供一个沉浸、高效且环保的情境

VR模拟果蔬运输应急处理场景在农产品物流行业中具有重要的意义。这种模拟技术为农产品运输提供了全新的、更高效和更安全的方式来模拟真实世界的应急情况&#xff0c;帮助操作人员、研究者和管理者更好地理解和应对可能的运输风险措施。 VR模拟果蔬运输应急处理场景可以模拟出各…

Python操作Hive数据仓库

Python连接Hive 1、Python如何连接Hive&#xff1f;2、Python连接Hive数据仓库 1、Python如何连接Hive&#xff1f; Python连接Hive需要使用Impala查询引擎 由于Hadoop集群节点间使用RPC通信&#xff0c;所以需要配置Thrift依赖环境 Thrift是一个轻量级、跨语言的RPC框架&…