Go 字符串类型的实现原理

Posted 2023-01-23 Aspirantlu

Go 字符串类型的实现原理

Go 字符串性质

• string 类型的数据是不可变的，提高了字符串的并发安全性和存储利用率
• 获取长度的时间复杂度是常数时间
• 原生支持"所见即所得"的原始字符串，大大降低构造多行字符串时的心智负担
• 对非 ASCII 字符提供原生支持，消除了源码在不同环境下显示乱码的可能

Go 字符串类型内部表示

上面提到的 Go 字符串类型的这些优秀的性质，与Go 字符串在编译器和运行时中的内部表示是分不开的。Go 字符串在运行时的内部表示是什么样的呢？在标准库reflect包中，我们可以找到如下代码：

// StringHeader is the runtime representation of a string.
// It cannot be used safely or portably and its representation may
// change in a later release.
// Moreover, the Data field is not sufficient to guarantee the data
// it references will not be garbage collected, so programs must keep
// a separate, correctly typed pointer to the underlying data.
type StringHeader struct 
	Data uintptr
	Len  int

我们可以看到，string 类型其实是一个"描述符"，它本身并不真正存储字符串数据，而仅是由一个指向底层存储的指针和字符串的长度字段组成的。下面直观地展示了一个 string 类型变量在 Go 内存中的存储：

Go 编译器把源码中的 string 类型映射为运行时的一个二元组（Data, Len），真实的字符串值数据就存储在一个被 Data 指向的底层数组中。通过 Data 字段，我们可以得到这个数组的内容，看看下面这段代码：

func dumpBytesArray(arr []byte) 
	fmt.Printf("[")
	for _, b := range arr 
		fmt.Printf("%c ", b)
	
	fmt.Printf("]\\n")

func displayGroundArray() 
	var str string = "hello"
	hdr := (*reflect.StringHeader)(unsafe.Pointer(&str)) // 将string类型变量地址显式转型为reflect.StringHeader
	p := (*[5]byte)(unsafe.Pointer(hdr.Data))            // 获取Data字段所指向的数组的指针
	dumpBytesArray((*p)[:])                              // 输出底层数组的内容

func main() 
	displayGroundArray()

这段代码利用了 unsafe.Pointer 的通用指针转型能力，按照 StringHeader 给出的结构内存布局，“顺藤摸瓜”，一步步找到了底层数组的地址，并输出了底层数组内容。

知道了 string 类型的实现原理后，我们再回头看看 Go 字符串类型性质中"获取长度的时间复杂度是常数时间"那句，就很好理解，之所以是常数时间，那是因为字符串类型中包含了字符串长度信息，当我们用 len 函数获取字符串长度时，len 函数只要简单地将这个信息提取出来就可以了。

了解了 string 类型的实现原理后，我们还可以得到这样一个结论，那就是我们直接将 string 类型通过函数 / 方法参数传入也不会带来太多的开销。因为传入的仅仅是一个"描述符"，而不是真正的字符串数据。