字符串的驻留(String Interning)

关于字符串的驻留的机制,对于那些了解它的人肯定会认为很简单,但是我相信会有很大一部分人对它存在迷惑。在开始关于字符串的驻留之前,先给出一个有趣的Sample:

Code Snip:

static void Main(string[] args)
        
{
            
string str1 = "ABCD1234";
            
string str2 = "ABCD1234";
            
string str3 = "ABCD";
            
string str4 = "1234";
            
string str5 = "ABCD" + "1234";
            
string str6 = "ABCD" + str4;
            
string str7 = str3 + str4;

            Console.WriteLine(
"string str1 = \"ABCD1234\";");
            Console.WriteLine(
"string str2 = \"ABCD1234\";");
            Console.WriteLine(
"string str3 = \"ABCD\";");
            Console.WriteLine(
"string str4 = \"1234\";");
            Console.WriteLine(
"string str5 = \"ABCD\" + \"1234\";");
            Console.WriteLine(
"string str6 = \"ABCD\" + str4;");
            Console.WriteLine(
"string str7 = str3 + str4;");

            Console.WriteLine(
"\nobject.ReferenceEquals(str1, str2) = {0}"object.ReferenceEquals(str1, str2));
            Console.WriteLine(
"object.ReferenceEquals(str1,  \"ABCD1234\") = {0}"object.ReferenceEquals(str1, "ABCD1234"));

            Console.WriteLine(
"\nobject.ReferenceEquals(str1, str5) = {0}"object.ReferenceEquals(str1, str5));
            Console.WriteLine(
"object.ReferenceEquals(str1, str6) = {0}"object.ReferenceEquals(str1, str6));
            Console.WriteLine(
"object.ReferenceEquals(str1, str7) = {0}"object.ReferenceEquals(str1, str7));

            Console.WriteLine(
"\nobject.ReferenceEquals(str1, string.Intern(str6)) = {0}"object.ReferenceEquals(str1, string.Intern(str6)));
            Console.WriteLine(
"object.ReferenceEquals(str1, string.Intern(str7)) = {0}"object.ReferenceEquals(str1, string.Intern(str7)));
        }


下边是输出的结果:


接下来我们来逐句地分析这段代码:

首先我们创建了两个完全相同的字符串(ABCD1234),并将他们分别赋予了两个字符创变量——str1和str2。然后把它们传给了object.ReferenceEquals。我们知道object.ReferenceEquals是用于确定两个变量是否具有相同的引用——换句话说,当两个变量引用的是同一块托管推的内存快的时候,返回True,否则返回False。

string str1 = "ABCD1234";
string str2 = "ABCD1234";
object.ReferenceEquals(str1, str2)= True;
object.ReferenceEquals(str1, "ABCD1234")) = True;

令我们感到奇怪的是,当我们分别创建的引用类型两个变量——string是引用类型。照理说CLR会在托管堆(Managed Heap)中为它们分配两段内存快,他们不可能具有相同的引用才对,但是为什么object.ReferenceEquals 方法会返回True呢。而对于第二个比较——一个字符串变量和一个和他具有相同内容的字符串("ABCD1234";)直接进行比较,按照我们对CLR内存的分配的一般理解,应该是CLR首先会在托管堆中为这段字符串("ABCD1234")分配内存快,然后把相对应的引用传递给object.ReferenceEquals方法(由于分配在托管堆的这段字符串并没有被任何变量引用,所以当垃圾回收的时候会被回收掉),所以无论如何也不应该返回True。 

我们先把问题留到最后,接着分析我们的Sample。上面们对字符串变量之间以及变量与字符串之间进行了比较,如果我们对一个字符串变量和一个动态创建的字符串(通过+Operator把两个字符串连接起来)进行比较,结果又会如何呢?我们来看看下面的伪代码演示: 

string str3 = "ABCD";
string str4 = "1234";
string str5 = "ABCD" + "1234"
string str6 = "ABCD" + str4;
string str7 = str3 + str4;
object.ReferenceEquals(str1, str5) = True
object.ReferenceEquals(str1, str6) = False
object.ReferenceEquals(str1, str7)) = False

在上面的例子中,我们用三种不同的方式创建了3个字符串变量(str5,str6,str7)——string+string;string+variable;variable+variable。然后分别和我们已经创建的、和它们具有相同字符串“值”的变量(str1)作比较。同样令我们感到奇怪的是第一个返回True,而后两个则为False。带着这些疑惑我们来看看对于string这一特殊的类型说采用的特殊的使用机制。 

1. System.String虽然是一个引用类型,但是它具有其自身的特殊性。我们最容易想到的是它创建的特殊性——一般的对象在创建的时候需要通过new关键字调用对应的构造函数来实现;而创建一段string不需要这么做——我们只需要把对应的字符换赋给给对应的字符串变量就可以了。之所以存在着这种差异,是因为他们在创建过程中使用的IL指令时不同的——一般的引用对象的创建是通过newobj这样一个IL指令来实现的,而创建一个字符串变量的IL指令则是ldstr (load string)。(象C#,VB.NET这样的语言毕竟是高级语言,进行了高度的抽象,站在这样的角度分析问题往往不能够看到其实质,所以有时候我们把应该从交底层上面找突破口——比如分析IL,Metadata…);

2. 由于String是我们做到频率最高的一种类型,CLR考虑性能的提升和内存节约上,对于相同的字符串,一般不会为他们分别分配内存块,相反地,他们会共享一块内存。CLR实际上采用这个的机制来实现的:CLR内部维护着一块特殊的数据结构——我们可以把它看成是一个Hash table,这个Hash table维护者大部分创建的string(我这里没有说全部,因为有特例)。这个Hash table的Key对应的相应的string本身,而Value则是分配给这个string的内存块的引用。当CLR初始化的时候创建这个Hash table。一般地,在程序运行过程中,如果需要的创建一个string,CLR会根据这个string的Hash Code试着在Hash table中找这个相同的string,如果找到,则直接把找到的string的地址赋给相应的变量,如果没有则在托管堆中创建一个string,CLR会先在managed heap中创建该strng,并在Hash table中创建一个Key-Value Pair——Key为这个string本身,Value位这个新创建的string的内存地址,这个地址最重被赋给响应的变量。这样我们就能解释上面的疑问了。 

string str1 = "ABCD1234";
string str2 = "ABCD1234";
object.ReferenceEquals(str1, str2)= True;
object.ReferenceEquals(str1, "ABCD1234")) = True;

当创建str1的时候,CLR现在我们上面提到的Hash table中找“ABCD1234”这样的一个string,没有找到,则在托管堆中为这个string分配一块内存,然后在Hash table为该string添加一个Key-Value Pair。接着创建str2,CLR仍然会在Hash table找ABCD1234这样的一个string,这回它会找到我们新创建的这个Entry,所以这个Key-Value Pair中Value(string的地址)会赋给str2。因为str1和str2 具有相同的引用,所以调用object.ReferenceEquals返回True。同理当我们对str1和"ABCD1234"进行比较的时候,str1直接传入该方法,放传入"ABCD1234"这个字符串的时候,CLR同样会在Hash table找ABCD1234这样的一个string,相同的Entry被找到,这个Entry(Key-Value Pair)的Value(string的地址)被传到object.ReferenceEquals,所以他们仍然相同的引用,结果返回True。 

3. 并非所有的情况下字符串的驻留都会起作用。对于对一个动态创建的字符串(比如string+variable;variable+variable),这种驻留机制便不会起作用。因为对于这样的字符串,是不会被添加到内部的Hash table中的。但是对于string+string则不同,因为当这样的语句被编译成IL的时候,编译器是先把结构计算出来,然后再调用ldstr指令——而对于string+variable;variable+variable这种情况,所对应的IL指令是Concat。所以对于string+string字符串的驻留仍然有效。

比如对于以下一段代码:

  static void Main(string[] args)
        
{
            
string str1 = "ABC";
            
string str2 = str1 + "123";
            
string str3 = "ABC" + "123";
}

对应的IL Code是:

.method private hidebysig static void  Main(string[] args) cil managed
{
  .entrypoint
  
// Code size       26 (0x1a)
  .maxstack  2
  .locals init ([
0string str1,
           [
1string str2,
           [
2string str3)
  IL_0000:  nop
  IL_0001:  ldstr      
"ABC"
  IL_0006:  stloc.
0
  IL_0007:  ldloc.
0
  IL_0008:  ldstr      
"123"
  IL_000d:  call       
string [mscorlib]System.String::Concat(string,
                                                              
string)
  IL_0012:  stloc.
1
  IL_0013:  ldstr      
"ABC123"
  IL_0018:  stloc.
2
  IL_0019:  ret
}
 // end of method Program::Main


所以现在我们就可以解释第二个疑问了。

虽然对于对一个动态创建的字符串(比如string+variable;variable+variable),驻留机制便不会起作用。但是我们可以手工的启用驻留机制——那就是调用定义的System.String中的静态方法Intern。这个方法接受一个字符串作为他的输入参数,返回的经过驻留处理的string。他的实现机制是:如果能在内部的Hash Table中找到传入的string,则返回对应的string引用,否则就在Hash Table添加该string对应的Entry,并返回string的引用。所以下面的代码就不难解释了。

            Console.WriteLine("\nobject.ReferenceEquals(str1, string.Intern(str6)) = {0}"object.ReferenceEquals(str1, string.Intern(str6)));
            Console.WriteLine(
"object.ReferenceEquals(str1, string.Intern(str7)) = {0}"object.ReferenceEquals(str1, string.Intern(str7)));

 相关内容:
[原创]如何改Managed Code的Performance和Scalability系列之二:深入理解string和如何高效地使用string

posted @ 2007-03-04 23:03 Artech 阅读(...) 评论(...) 编辑 收藏