Redian新闻
>
用了这么多年Rust终于搞明白了内存分布!

用了这么多年Rust终于搞明白了内存分布!

科技

阿里妹导读


Rust作为一门学习曲线十分陡峭的语言,掌握其核心基础数据结构的内存分布对学习Rust会有很大的帮助,本文由浅入深仔细介绍了Rust的各个数据结构在内存中的分布情况。

Rust作为一门学习曲线十分陡峭的语言,掌握其核心基础数据结构的内存分布对学习Rust会有很大的帮助,即使对于已经熟悉Rust的同学,深入数据结构分布也能帮助到调优Rust程序。
接下来,我会由浅入深仔细介绍Rust的各个数据结构在内存中的分布情况,帮助大家学习Rust。

先决条件 Prerequisite

在开始介绍之前,我们先做这个几个假设,来更好地帮助后续文章的展开。
  1. 我们本文的机器预设是32位的(主要为了画图可以精简一点),所有和位相关的数据结构均会用上标标记(即这些数据结构占用的是1 machine word)。例如:

  2. 数据结构基本单位示图:

蓝色的框框代表1个byte,绿色的框框pointer下的(1|2|3|4)代表pointer在32位机器上rust是4个byte,他们整体被框在绿色框框中代表一个pointer。

一、基本类型

不用害怕,让我们把一只小脚试探性地迈入Rust的大门,先看看基础类型的内存分布吧。

这些数据结构Rust分配的时候都是在栈上的。

1.1 Stack栈 vs Heap堆

因为本文会涉及到Rust中栈和堆分配,本小章先来简单讲一下栈和堆。
我们只提炼一些最基本的区别概要,更多的细节可以看这篇文章[1]有比较好的解释。

栈特点:

  1. 分配快
  2. 大小受限
堆特点:
  1. 分配慢
  2. 大小不受限

二、元组 Tuple

让我们先从比较基础的Rust数据结构Tuple看起。
let a:(char, u8, i32) = ('a', 7, 354);size_of::<(char, u8, i32)>(); // 打印结果 12align_of::<(char, u8, i32)>(); // 打印结果 4

该元组由三个元素构成——char、u8和i32,由1 基本类型中可知char占4 bytes,u8占1 byte, i32占4bytes,那么初步计算出来这个tuple占用的总内存应为4+1+4 = 9 bytes。接着,Rust会选择Tuple中对齐值最大的元素为a该元组的对齐值,由此上例alignment是4。有了整体对齐值,Rust会在内存中加入一段填充(padding)来让整体内存占用是alignment的整数倍,本例中加在u8与i32中间是为了保障i32自身的内存对齐。
由于Rust有多种数据排布风格(默认的Rust风格,还有C语言风格,primitive和transparent风格),在Rust风格中,Rust可以对元组中的元素做任意重排,也包括padding的位置,因而图中的排列只是一种可能,也许i32和char的位置在Rust中会进行互换,Rust是根据其优化算法做出其认为最优的排序,对最终排序结果并没有统一规则。

上图为该tuple的内存分布图。

三、引用 Reference

引用 reference 是Rust中的一个重要概念,相关规则也是支撑了Rust内存安全的重要支柱。我们来看下面的例子。
let a: i8 = 6;let b : &i8 = &a;

a 是一个i8,b是一个指向 a 的reference,我们可以看下他俩的内存分布。

首先,Rust会在栈上分配一个大小为1byte的i8存储a,接着会在内存另外一个空间(不一定和a连续)分配b,b中存储的内存空间会指向a所在的内存空间,同时b的内存占用大小即pointer的大小。

需要注意的是,&T&mut T在内存分布上规则一致,他们的区别是在使用方式和编译器处理方式上。

四、Array数租 和 Vector动态数组

接下来我们来看看Rust的数组Array和动态数组Vector的内存分布,以下面的数组和动态数组为例。

let a: [i8; 3] = [1, 2, 3];let b: Vec<i8> = vec![1, 2, 3];

数组Array是固定大小的,所以在创建的时候都指定好了长度;动态数组Vector,由其名字就可以知道他是可以自由伸缩的,那么我们来看看Rust是怎么在内存上存储这两位数据结构的。

对于Array a,由于他固定大小为3个i8,Rust即在栈上为其分配了3 * 1 byte个内存。
对于Vector b就有点特殊啦,他会由如下三个部分组成:
  1. pointer : pointer b会指向vector b在堆上的实际数据(目前是1, 2, 3 共3 * 1 byte),

  2. cap(图中上标32代表这个值和机器位数有关,最后复习一次哦): cap代表最多多少个T(本例中T是i8)的内存可以在堆上让这个动态数组使用,默认大小为创建时的T个数,可根据使用需求自动扩容,但每次扩容时会带来reallocate影响到性能。

  3. len (1 machine word),代表目前有多少个T(本例中T是i8)的内存真实被该动态数组使用。

以上即可看到数组和动态数组由于在“动态”这个特点上的不同,出现的内存分布差异啦。

4.1 Slice 数组切片

接下来,我们通过Array和Vector来看下Rust中切片的内存分布实现。
假设我们想获取到上面例子中a和b两个Array和Vector的前两个元素。
let slice_1: [i32] = a[0..2];let slice_2: [i32] = b[0..2];

然而,对于[i32],Rust没法在编译时明确这个变量需要多少内存,因而也没法在栈上分配内存,因而上例中的slice_1和slice_2实际上会编译失败。这样的变量称之为dynamically sized type,后续会讲到string slice和trait object也属于这个范畴。

因而,通常我们使用一个reference来指向一个Slice切片,让我们看下例
let slice_1: &[i32] = &a[0..2]let slice_2: &[i32] = &b[0..2]

当reference指向dynamically sized type时,Rust实际会使用到一个胖指针(fat pointer),其中包含:

  1. pointer (1 machine word):指向实际被切片的数据。

  2. length (1 machine word): 切片长度,即有多少个T(本例中T为i32)。

我们可以看下上述例子的内存分布图。

五、String, str, &str

接下来让我们来看下String, str 和&str的内存分布。以一个例子开始吧。
let s1: String = String::from(“HELLO”);let s2: &str = “ЗдP”;  // д -> Russian Languagelet s3: &str = &s1[1..3];

首先,s1是一个String,String实质上就是Vec的一个包装,其中也是在栈上有一个指针 + cap( 1 machine word ) + len ( 1 machine word ),指针指向了该String实际在堆上的值。String是保证UTF-8兼容的。

如果我们直接在变量中存了一个字符串字面值(string literal),例如s2,那么这个变量会是一个指向string slice的指针。这个string数据不会存储在堆heap上,而是会直接存在编译后的二进制中,同时他们具有static生命周期,即直到程序结束前都不会被释放。如同前面讲的slice以后,&str也同样是个胖指针,同时包含了实际数据的内存地址和数据长度(一共2 machine words)。这里的例子里用了一个特殊字符д,由于UTF-8是一种可变长的编码方式,这里可以看到д就用了2个byte来表达。
s3的情况与4.1中类似,使用到一个胖指针(fat pointer),其中包含:
  1. pointer (1 machine word):指向实际被切片的字符串。

  2. length (1 machine word): 切片长度。

六、Struct

Rust有三种结构体类型定义方式:

6.1 unit-like Struct

struct Data

由于并没有定义Data结构体的细节,Rust也不会为其分配任何内存。

6.2 Struct with named fields && tuple-like struct

这两种结构体的内存分配方式是类似的,我们来看一个例子就好。
struct Data {   nums: Vec<usize>,   dimension: (usize, usize),}

首先,nums是Vec,占用3个 machine word(pointer + cap + len),pointer指向heap上实际动态数组的值;dimension是两个usize组成的tuple,占用2个machine word。由于之前谈到,Rust风格的数据排布是可以做任意重排的,所以具体的padding在图中就并没有画出了。

七、Enum

enum HTTPStatus {   Ok,   NotFound,}

对于C-style enum,在内存中,rust会根据该enum中最大的数来选择内存占用最小的int来存储,此例中没有指定就会默认Ok为0,NotFound为1,Rust选择占用1 byte的i8来存储enum。

同时,每个Enum的整数值是可以指定的,例如:
enum HttpStatus {   Ok = 200,  NotFound = 404,}

本例中,Rust会选择占用2 byte的i16来存储enum(以满足存储404)。
接着我们来看更复杂一些的Enum:
 Empty,  Number(i32),  Array(Vec<i32>),
对于这类有具体数据结构的Enum,每一个Enum中的元素都有一个 1 byte的tag,tag用于标识属于Enum中具体哪个变量。此例中,Empty的话tag为0,而Empty后的内存空间都是为了满足对齐要求而构造的padding,后续的i32和Vec均和之前介绍的分布一样,在enum中它们有不同的几点:加入了1 byte tag以及padding,因而也可以看到每一个Enum所占的空间由其中占用空间最大的变量所决定,如果要优化Enum的空间占用,可以从削减其中最大元素做起。
(padding的位置是不固定的,Rust会根据具体数据结构的内存分布调整padding位置以做优化)

7.1 Option

Rust中的Option实质上是便是一种Enum,我们可以看下Option的定义:
pub enum Option<T> {  None,  Some(T),}

Rust通过None和Some的区分,避免了其他语言中可能发生的空指针访问问题。我们可以看下Option<Box<i32>>这个例子,稍后我们会仔细介绍Box,在这里你可以先理解Box会将原来的i32从栈放到堆,然后Box会是一个指针指向原来的i32新的堆的地址。

由于pointer本身只占1 machine word,而tag的存在多了1 byte,导致Rust需要根据对齐值加入paddign使其对齐,使得整体内存占用提升,很明显这里有可以优化的空间。于是,Rust对于类似Box这样的不允许为null的SmartPointer,Rust进行了如下优化:

如此,整体内存占用降到了1 machine word。如果该Option值为0,那么Rust就知道他是None,如果非0,那么Rust就知道他是Some,通过这样省去了tag的作用并且节省了内存空间消耗。

八、Box

对于通常默认分配在栈上的变量,使用 Box 可以将其分配到堆上,栈空间上只用分配指向堆数据的指针。
我们以一个tuple为例let t: (i32, String) = (5, “Hello”.to_string); ,在没有经过Box处理前,它的内存分布如下图:


(图中省去了padding)
如果我们将该数据结构放到Box b中,即
let t: (i32, String) = (5, “Hello”.to_string);let mut b = Box::new(t);

内存分布则如下图:

可以看到,原本在栈上的内容都被转移到Heap上,减少了我们在栈上的内存空间消耗。

基础篇在这里就完结啦,后续会继续展开进阶篇,对Rust的Copy&Move, 智能指针, Arc等特性做进一步展开。
参考链接:
[1]https://web.mit.edu/rust-lang_v1.25/arch/amd64_ubuntu1404/share/doc/rust/html/book/first-edition/the-stack-and-the-heap.html?spm=ata.21736010.0.0.48ae3d52Tpg5zy

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
Rust 基础系列 #1: 创建并运行你的首个 Rust 程序 | Linux 中国Rust 基础系列 #7: 在 Rust 中使用循环 | Linux 中国Rust 社区管理再起“内讧”:RustConf 粗暴撤换主讲人事态升级引发多人出走一波三折!终于搞定ChatGPT Plus会员无法续费的问题……三个女朋友,该娶哪个做老婆?谷歌:使用 Rust 后,安卓系统的内存安全漏洞数量大幅下降周六爬泰山,爸爸发了这么多我不明白 网友纷纷留言:太窒息了要不要配OK镜给孩子,我采访资深用户闺蜜后搞明白了Rust 基础系列 #4: Rust 中的数组和元组 | Linux 中国这么多年的iPhone白用了,苹果这个自带功能好用到爆!冬天里的春意上交大量粮票、布票的老海归从C和C++向Rust等内存安全编程语言的转变正在取得进展当了这么多年恋综天花板cp,这回直接封神了将 sudo 和 su 移植到 Rust,Rust 要重写万物?语文在一步步变难,搞明白原因的家长已经先行一步了声音的梦不该走的人正被逼走,RustConf粗暴撤换主讲人事态升级引发多人出走,根源出在Rust领导小组不愿交权?吹了这么多年的自然美不攻自破了?她42岁新剧状态脸比20年前还嫩…Rust 基础系列 #3: Rust 中的数据类型 | Linux 中国刘少奇:“‘左’了这么多年,让我们‘右’一下吧”!参加了几场中年男人饭局,我终于搞明白:35岁以上的中年人,都去哪儿搞钱了……墨西哥邮轮(下): 他一见我就说:“我是来看你三点式的! ”斯里兰卡|佛塔居然都有那么多种,感觉在兰卡白白待了这么多年!股权投资必须要搞明白的30个概念董明珠错付银隆:在珠海这么多年,亏了这么多钱Rust 基础系列 #5: Rust 中的函数 | Linux 中国美联储会议纪要:6月暂停加息存分歧,银行业影响很不确定,暗示准备应对债务上限冲击用了这么多年的“年龄/2+12”会淘汰吗?来看小儿气管插管深度计算新公式!Rust 基础系列 #2: 在 Rust 程序中使用变量和常量 | Linux 中国Aldi、Woolies和Coles到底哪家便宜!看了这位主妇的记账本就明白了用了这么多年iPhone,竟然还不会挂电话?自学法语一个月,我终于搞明白了孩子英语启蒙时的疑惑 (附两娃三月书单)难怪是美白界的扛把子,我才用了几天就白了这么多!用了这么多年Excel,原来一直都是错的!
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。