golang string和[]byte的對比

sheepbao發表於2017-09-30

golang string和[]byte的對比

為啥string和[]byte型別轉換需要一定的代價?
為啥內建函式copy會有一種特殊情況copy(dst []byte, src string) int?
string和[]byte,底層都是陣列,但為什麼[]byte比string靈活,拼接效能也更高(動態字串拼接效能對比)?
今天看了原始碼探究了一下。
以下所有觀點都是個人愚見,有不同建議或補充的的歡迎emial我aboutme

何為string?

什麼是字串?標準庫builtin的解釋:

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.

簡單的來說字串是一系列8位位元組的集合,通常但不一定代表UTF-8編碼的文字。字串可以為空,但不能為nil。而且字串的值是不能改變的。
不同的語言字串有不同的實現,在go的原始碼中src/runtime/string.go,string的定義如下:

type stringStruct struct {
    str unsafe.Pointer
    len int
}

可以看到str其實是個指標,指向某個陣列的首地址,另一個欄位是len長度。那到這個陣列是什麼呢? 在例項化這個stringStruct的時候:

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

哈哈,其實就是byte陣列,而且要注意string其實就是個struct。

何為[]byte?

首先在go裡面,byte是uint8的別名。而slice結構在go的原始碼中src/runtime/slice.go定義:

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

array是陣列的指標,len表示長度,cap表示容量。除了cap,其他看起來和string的結構很像。
但其實他們差別真的很大。

區別

字串的值是不能改變

在前面說到了字串的值是不能改變的,這句話其實不完整,應該說字串的值不能被更改,但可以被替換。 還是以string的結構體來解釋吧,所有的string在底層都是這樣的一個結構體stringStruct{str: str_point, len: str_len},string結構體的str指標指向的是一個字元常量的地址, 這個地址裡面的內容是不可以被改變的,因為它是隻讀的,但是這個指標可以指向不同的地址,我們來對比一下string、[]byte型別重新賦值的區別:

s := "A1" // 分配儲存"A1"的記憶體空間,s結構體裡的str指標指向這快記憶體
s = "A2"  // 重新給"A2"的分配記憶體空間,s結構體裡的str指標指向這快記憶體

其實[]byte和string的差別是更改變數的時候array的內容可以被更改。

s := []byte{1} // 分配儲存1陣列的記憶體空間,s結構體的array指標指向這個陣列。
s = []byte{2}  // 將array的內容改為2

因為string的指標指向的內容是不可以更改的,所以每更改一次字串,就得重新分配一次記憶體,之前分配空間的還得由gc回收,這是導致string操作低效的根本原因。

string和[]byte的相互轉換

將string轉為[]byte,語法[]byte(string)原始碼如下:

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,然後再將s複製給b,至於為啥copy函式可以直接把string複製給[]byte,那是因為go原始碼單獨實現了一個slicestringcopy函式來實現,具體可以看src/runtime/slice.go

將[]byte轉為string,語法string([]byte)原始碼如下:

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,然後再將b複製給s。
正因為string和[]byte相互轉換都會有新的記憶體分配,才導致其代價不小,但讀者千萬不要誤會,對於現在的機器來說這些代價其實不值一提。 但如果想要頻繁string和[]byte相互轉換(僅假設),又不會有新的記憶體分配,能有辦法嗎?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)
}

答案雖然有,但強烈推薦不要使用這種方法來轉換型別,因為如果通過stringtoslicebyte將string轉為[]byte的時候,共用的時同一塊記憶體,原先的string記憶體區域是隻讀的,一但更改將會導致整個程式down掉,而且這個錯誤是runtime沒法恢復的。

如何取捨?

既然string就是一系列位元組,而[]byte也可以表達一系列位元組,那麼實際運用中應當如何取捨?

  • string可以直接比較,而[]byte不可以,所以[]byte不可以當map的key值。
  • 因為無法修改string中的某個字元,需要粒度小到操作一個字元時,用[]byte。
  • string值不可為nil,所以如果你想要通過返回nil表達額外的含義,就用[]byte。
  • []byte切片這麼靈活,想要用切片的特性就用[]byte。
  • 需要大量字串處理的時候用[]byte,效能好很多。

最後脫離場景談效能都是耍流氓,需要根據實際場景來抉擇。

相關文章