从sizeof(string)到引用计数的漫游

前言：

　　说是漫游，其实就是扯，一点一点的扯。

　　话说之前参加华为的德州扑克比赛，我用C++解析消息的时候碰到一个小问题，就是定长收消息的时候出错，在Linux下调了很久很久，终于发现，sizeof(string)不是string的size,而是string类型的大小。当然，用string.size()就可以轻松解决了，而作品也在昨晚提交了，不过，交的是python的。我的C++程序，送给了两支队伍，让他们去参赛，可惜，白眼狼。

　　既然有闲暇时间了，那么就要深究一下，sizeof(string)是个什么鬼，我从代码测试开始，查阅到容器的几个属性的不同，再定位到了string的几种实现，终于明白了sizeo(string)f的大小，又对引用计数产生量兴趣。下文将按照这个路线，简单的阐述一下过程与实现。

一、sizeof(string)的两个值

　　先上测试代码：

　　

#include <string>
#include <iostream>

int main()
{
    std::string first = "abcde";
    std::string second = first;
    std::string c;

    std::cout << "sizeof result of each str " << std::endl;
    std::cout << "first:" << sizeof(first) << std::endl;
    std::cout << "second:" << sizeof(second) << std::endl;
    std::cout << "c:" << sizeof(c) << std::endl;

    return 0;
}

　　本代码是测试三种不同形式的string的大小，运行结果如下：

　　

　　全是28，是char*的7倍。此结果是在windows下，vs2013跑的结果。而在Linux下，g++4.6的结果是4。

　　那么问题来了为什么first,second,c的sizeof都是一样大小，而又为什么在不同编译器下，值不同呢？

　　首先，回答为什么first,second,c的sizeof都是一样大小。

　　1、什么是sizeof。 

　　　　sizeof是一个关键字，返回对象在内存中的大小，例如sizeof(char*) = 4. 那么sizeof(string)返回的当然是string这个变量在内存（栈）中的大小了。不过为什么对于不同string，在同一平台下返回的值都是相同的。

　　2、string在vs2013中实现的猜测。

　　　　首先，string是一种容器，那么它有这容器的函数size()与capacity(),其中，size()是容器对象实际存储的对象个数，而capacity()返回的是容器对象总共可以存储的值。那么，既然sizeof(string)的返回值是char * 的7倍，那么是不是value存在一个动态内存中，而size(),capacity()等在一块呢，加上点什么，然后凑够了7倍的char *？

　　　　经过查阅资料发现，有一种string的实现是这样的：string对象指针大小的7倍，包含：一个分配子，默认大小为15的存实际字符的value，一个size()，一个capacity()，总共：4+15+1+4+4 = 28；其中1代表字符串预留的''0'，方便c_str()的实现.正好是char*的7倍。示意图如下：

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

　　　　也就是说，当字符串的有效字符少于15时，创建一个新的对象，不会导致动态内存分配，那么当字符串长度大于15呢？则在Value部分挤出一块作为指向动态内存的指针，动态内存中存实际的字符，示意图如下：

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

　　　通过对有效字符小于15的string调用capacity()发现，确实是15，而大于15的，则为会大于等于实际字符，这个与容器的内存分配策略有关。属于预分配空间的一种。至此，解决了，为什么first,second,c的sizeof返回值在同一平台下一样的问题。

　　　其次，解释为什么g++与vs2013下结果不同。

　　　原因很简单了，string在不同平台下可能存在不同的实现。既然Linux的g++下返回值是4，那么猜测它就一个指针，然后指针指向了具体的结构。经过查资料发现，至少有两种string的实现，在sizeof下都会返回4.

　　　 1、第一种可能的实现

　　　　这种实现是一个指针指向一个结构，然后这个结构一个地方指向有效字符，示意图如下：

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

　　　　Other是一些与同步相关的数据。创建该实现的对象时，至少会导致两次内存动态分配。

　　　　2、第二种可能的实现

　　　　该实现比上一种直接一些，示意图如下：

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

　　　　　创建该对象时，只会引发一次动态内存分配。

二、“拖延症”与引用计数

细心的读者可能发现在最后两种视线中有个RefCnt。这个是引用计数，那么它是做什么用的呢？

　　1、写时复制

　　在后两种实现中，你当用出如下语句时 : 

　　　　　　

string s = s1;

s 与 s1只是pointer不同，其余的都是共享的，这样可以尽量减少构造函数与析构函数的调用。当其中一个发生变化时，被写入新值时，才会真正的创建一个实实在在的对象。Linux中的fwrite等IO都拖延症的思想，fork也是如此，这样尽量减少内存分配，构造与析构。

　　2、引用计数

　　由于多个指针共享同一动态内存，只有当RefCnt = 0时，才会析构内存，这样保证每个共享的字符串都是能正常工作的。Linux中文件描述符就是这样的。

参考：

　　Effective STL