zoukankan      html  css  js  c++  java
  • (转)Go中的string和[]byte对比

    本文转自:https://sheepbao.github.io/post/golang_byte_slice_and_string/

    作者:boya

    声明:本文目的仅仅作为个人mark,所以在翻译的过程中参杂了自己的思想甚至改变了部分内容,其中有下划线的文字为译者添加。但由于译者水平有限,所写文字或者代码可能会误导读者,如发现文章有问题,请尽快告知,不胜感激。


    为啥string[]byte类型转换需要一定的代价?
    为啥内置函数copy会有一种特殊情况copy(dst []byte, src string) int?
    string和[]byte,底层都是数组,但为什么[]bytestring灵活,拼接性能也更高(动态字符串拼接性能对比)?
    今天看了源码探究了一下。
    以下所有观点都是个人愚见,有不同建议或补充的的欢迎emial我aboutme

    何为string
    什么是字符串?标准库builtin的解释:

    type string
    string is the set of all strings of 8-bit bytes, conventionally but not necessarily representing UTF-8-encoded text. A string may be empty, but not nil. Values of string type are immutable.

    简单的来说字符串是一系列8位字节的集合,通常但不一定代表UTF-8编码的文本。字符串可以为空,但不能为nil。而且字符串的值是不能改变的。
    不同的语言字符串有不同的实现,在go的源码中src/runtime/string.go,string的定义如下:

    type stringStruct struct {
        str unsafe.Pointer
        len int
    }
    

    可以看到str其实是个指针,指向某个数组的首地址,另一个字段是len长度。那到这个数组是什么呢? 在实例化这个stringStruct的时候:

    func gostringnocopy(str *byte) string {
    	ss := stringStruct{str: unsafe.Pointer(str), len: findnull(str)}
    	s := *(*string)(unsafe.Pointer(&ss))
    	return s
    }
    

    哈哈,其实就是byte数组,而且要注意string其实就是个struct

    何为[]byte?
    首先在go里面,byteuint8的别名。而slice结构在go的源码中src/runtime/slice.go定义:

    type slice struct {
    	array unsafe.Pointer
    	len   int
    	cap   int
    }
    

    array是数组的指针,len表示长度,cap表示容量。除了cap,其他看起来和string的结构很像。
    但其实他们差别真的很大。

    区别

    字符串的值是不能改变
    在前面说到了字符串的值是不能改变的,这句话其实不完整,应该说字符串的值不能被更改,但可以被替换。 还是以string的结构体来解释吧,所有的string在底层都是这样的一个结构体stringStruct{str: str_point, len: str_len}string结构体的str指针指向的是一个字符常量的地址, 这个地址里面的内容是不可以被改变的,因为它是只读的,但是这个指针可以指向不同的地址,我们来对比一下string[]byte类型重新赋值的区别:

    s := "A1" // 分配存储"A1"的内存空间,s结构体里的str指针指向这快内存
    s = "A2"  // 重新给"A2"的分配内存空间,s结构体里的str指针指向这快内存
    
    

    其实[]bytestring的差别是更改变量的时候array的内容可以被更改。

    s := []byte{1} // 分配存储1数组的内存空间,s结构体的array指针指向这个数组。
    s = []byte{2}  // 将array的内容改为2
    

    因为string的指针指向的内容是不可以更改的,所以每更改一次字符串,就得重新分配一次内存,之前分配空间的还得由gc回收,这是导致string操作低效的根本原因。

    string[]byte的相互转换
    string转为[]byte,语法[]byte(string)源码如下:

    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
    }
    
    func rawstring(size int) (s string, b []byte) {
    	p := mallocgc(uintptr(size), nil, false)
    
    	stringStructOf(&s).str = p
    	stringStructOf(&s).len = size
    
    	*(*slice)(unsafe.Pointer(&b)) = slice{p, size, size}
    
    	return
    }
    

    可以看到b是新分配的,然后再将s复制给b,至于为啥copy函数可以直接把string复制给[]byte,那是因为go源码单独实现了一个slicestringcopy函数来实现,具体可以看src/runtime/slice.go。

    []byte转为string,语法string([]byte)源码如下:

    func slicebytetostring(buf *tmpBuf, b []byte) string {
    	l := len(b)
    	if l == 0 {
    		// Turns out to be a relatively common case.
    		// Consider that you want to parse out data between parens in "foo()bar",
    		// you find the indices and convert the subslice to string.
    		return ""
    	}
    	if raceenabled && l > 0 {
    		racereadrangepc(unsafe.Pointer(&b[0]),
    			uintptr(l),
    			getcallerpc(unsafe.Pointer(&buf)),
    			funcPC(slicebytetostring))
    	}
    	if msanenabled && l > 0 {
    		msanread(unsafe.Pointer(&b[0]), uintptr(l))
    	}
    	s, c := rawstringtmp(buf, l)
    	copy(c, b)
    	return s
    }
    
    func rawstringtmp(buf *tmpBuf, l int) (s string, b []byte) {
    	if buf != nil && l <= len(buf) {
    		b = buf[:l]
    		s = slicebytetostringtmp(b)
    	} else {
    		s, b = rawstring(l)
    	}
    	return
    }
    

    依然可以看到s是新分配的,然后再将b复制给s。
    正因为string[]byte相互转换都会有新的内存分配,才导致其代价不小,但读者千万不要误会,对于现在的机器来说这些代价其实不值一提。 但如果想要频繁string[]byte相互转换(仅假设),又不会有新的内存分配,能有办法吗?答案是有的。

    package string_slicebyte_test
    
    import (
    	"log"
    	"reflect"
    	"testing"
    	"unsafe"
    )
    
    func stringtoslicebyte(s string) []byte {
    	sh := (*reflect.StringHeader)(unsafe.Pointer(&s))
    	bh := reflect.SliceHeader{
    		Data: sh.Data,
    		Len:  sh.Len,
    		Cap:  sh.Len,
    	}
    	return *(*[]byte)(unsafe.Pointer(&bh))
    }
    
    func slicebytetostring(b []byte) string {
    	bh := (*reflect.SliceHeader)(unsafe.Pointer(&b))
    	sh := reflect.StringHeader{
    		Data: bh.Data,
    		Len:  bh.Len,
    	}
    	return *(*string)(unsafe.Pointer(&sh))
    }
    
    func TestStringSliceByte(t *testing.T) {
    	s1 := "abc"
    	b1 := []byte("def")
    	copy(b1, s1)
    	log.Println(s1, b1)
    
    	s := "hello"
    	b2 := stringtoslicebyte(s)
    	log.Println(b2)
        // b2[0] = byte(99) unexpected fault address
    
    	b3 := []byte("test")
    	s3 := slicebytetostring(b3)
    	log.Println(s3)
    }
    

    答案虽然有,但强烈推荐不要使用这种方法来转换类型,因为如果通过stringtoslicebytestring转为[]byte的时候,共用的时同一块内存,原先的string内存区域是只读的,一但更改将会导致整个进程down掉,而且这个错误是runtime没法恢复的。

    如何取舍?

    既然string就是一系列字节,而[]byte也可以表达一系列字节,那么实际运用中应当如何取舍?

    1. string可以直接比较,而[]byte不可以,所以[]byte不可以当map的key值。
    2. 因为无法修改string中的某个字符,需要粒度小到操作一个字符时,用[]byte
    3. string值不可为nil,所以如果你想要通过返回nil表达额外的含义,就用[]byte
    4. []byte切片这么灵活,想要用切片的特性就用[]byte
    5. 需要大量字符串处理的时候用[]byte,性能好很多。
    6. 最后脱离场景谈性能都是耍流氓,需要根据实际场景来抉择。
  • 相关阅读:
    Asp.net文章内容分页
    JQuery文字不间断滚动
    .Net Core利用反射动态加载DLL类库的方法(解决类库不包含Nuget依赖包的问题)
    【Bug】远程登录导致WPF应用程序中的UserControl控件Loaded事件重复触发
    【原创】WPF TreeView带连接线样式的优化(WinFrom风格)
    DataGrid 字体垂直居中
    Elasticsearch.Net
    利用数学归纳法指导编写递归程序
    多种图像格式相互转换工具的开发(附源代码)
    油气大数据分析 第一章 软计算基础(第四、五、六节)
  • 原文地址:https://www.cnblogs.com/MnCu8261/p/10607414.html
Copyright © 2011-2022 走看看