01介紹

在 Golang 語言中，string 類型的值是只讀的，不可以被修改。如果需要修改，通常的做法是對(duì)原字符串進(jìn)行截取和拼接操作，從而生成一個(gè)新字符串，但是會(huì)涉及內(nèi)存分配和數(shù)據(jù)拷貝，從而有性能開銷。本文我們介紹在 Golang 語言中怎么高效使用字符串。

02字符串的數(shù)據(jù)結(jié)構(gòu)

在 Golang 語言中，字符串的值存儲(chǔ)在一塊連續(xù)的內(nèi)存空間，我們可以把存儲(chǔ)數(shù)據(jù)的內(nèi)存空間看作一個(gè)字節(jié)數(shù)組，字符串在 runtime 中的數(shù)據(jù)結(jié)構(gòu)是一個(gè)結(jié)構(gòu)體 stringStruct，該結(jié)構(gòu)體包含兩個(gè)字段，分別是指針類型的 str 和整型的 len。字段 str 是指向字節(jié)數(shù)組頭部的指針值，字段 len 的值是字符串的長度（字節(jié)個(gè)數(shù)）。

type stringStruct struct {
 str unsafe.Pointer
 len int
}

我們通過示例代碼，比較一下字符串和字符串指針的性能差距。我們定義兩個(gè)函數(shù)，分別用 string 和 *string 作為函數(shù)的參數(shù)。

var strs string = `Go is an open source programming language that makes it easy to build simple, reliable, and efficient software.`

func str (str string) {
 _ = str + "golang"
}

func ptr (str *string) {
 _ = *str + "golang"
}

func BenchmarkString (b *testing.B) {
 for i := 0; i < b.N; i++ {
 str(strs)
 }
}

func BenchmarkStringPtr (b *testing.B) {
 for i := 0; i < b.N; i++ {
 ptr(&strs)
 }
}

output：

go test -bench . -benchmem string_test.go
goos: darwin
goarch: amd64
cpu: Intel(R) Core(TM) i9-9880H CPU @ 2.30GHz
BenchmarkString-16    21987604    46.05 ns/op   128 B/op    1 allocs/op
BenchmarkStringPtr-16   24459241    46.23 ns/op   128 B/op    1 allocs/op
PASS
ok  command-line-arguments 2.590s

閱讀上面這段代碼，我們可以發(fā)現(xiàn)使用字符串作為參數(shù)，和使用字符串指針作為參數(shù)，它們的性能基本相同。

雖然字符串的值并不是具體的數(shù)據(jù)，而是一個(gè)指向存儲(chǔ)字符串?dāng)?shù)據(jù)的內(nèi)存地址的指針和一個(gè)字符串的長度，但是字符串仍然是值類型。

03字符串是只讀的，不可修改

在 Golang 語言中，字符串是只讀的，它不可以被修改。

func main () {
 str := "golang"
 fmt.Println(str) // golang
 byteSlice := []byte(str)
 byteSlice[0] = 'a'
 fmt.Println(string(byteSlice)) // alang
 fmt.Println(str) // golang
}

閱讀上面這段代碼，我們將字符串類型的變量 str 轉(zhuǎn)換為字節(jié)切片類型，并賦值給變量 byteSlice，使用索引下標(biāo)修改 byteSlice 的值，打印結(jié)果仍未發(fā)生改變。

因?yàn)樽址D(zhuǎn)換為字節(jié)切片，Golang 編譯器會(huì)為字節(jié)切片類型的變量重新分配內(nèi)存來存儲(chǔ)數(shù)據(jù)，而不是和字符串類型的變量共用同一塊內(nèi)存空間。

可能會(huì)有讀者想到用指針修改字符串類型的變量存儲(chǔ)在內(nèi)存中的數(shù)據(jù)。

func main () {
 var str string = "golang"
 fmt.Println(str)
 ptr := (*uintptr)(unsafe.Pointer(&str))
 var arr *[6]byte = (*[6]byte)(unsafe.Pointer(*ptr))
 var len *int = (*int)(unsafe.Pointer(uintptr(unsafe.Pointer(&str)) + unsafe.Sizeof((*uintptr)(nil))))
 for i := 0; i < (*len); i++ {
  fmt.Printf("%p => %c\n", &((*arr)[i]), (*arr)[i])
  ptr2 := &((*arr)[i])
  val := (*ptr2)
  (*ptr2) = val + 1
 }
 fmt.Println(str)
}

output:

go run main.go
golang
0x10c96d2 => g
unexpected fault address 0x10c96d2
fatal error: fault
[signal SIGBUS: bus error code=0x2 addr=0x10c96d2 pc=0x10a4c56]

閱讀上面這段代碼，我們可以發(fā)現(xiàn)在代碼中嘗試通過指針修改 string 類型的 str 變量的存儲(chǔ)在內(nèi)存中的數(shù)據(jù)，結(jié)果引發(fā)了 signal SIGBUS 運(yùn)行時(shí)錯(cuò)誤，從而證明 string 類型的變量是只讀的。

我們已經(jīng)知道字符串在 runtime 中的結(jié)構(gòu)體包含兩個(gè)字段，指向存儲(chǔ)數(shù)據(jù)的內(nèi)存地址的指針和字符串的長度，因?yàn)樽址侵蛔x的，字符串被賦值后，它的數(shù)據(jù)和長度都不會(huì)被修改，所以讀取字符串的長度，實(shí)際上就是讀取字段 len 的值，復(fù)雜度是 O(1)。

在字符串比較時(shí)，因?yàn)樽址侵蛔x的，不可修改的，所以只要兩個(gè)比較的字符串的長度 len 的值不同，就可以判斷這兩個(gè)字符串不相同，不用再去比較兩個(gè)字符串存儲(chǔ)的具體數(shù)據(jù)。

如果 len 的值相同，再去判斷兩個(gè)字符串的指針是否指向同一塊內(nèi)存，如果 len 的值相同，并且指針指向同一塊內(nèi)存，則可以判斷兩個(gè)字符串相同。但是如果 len 的值相同，而指針不是指向同一塊內(nèi)存，那么還需要繼續(xù)去比較兩個(gè)字符串的指針指向的字符串?dāng)?shù)據(jù)是否相同。

04字符串拼接

在 Golang 語言中，關(guān)于字符串拼接有多種方式，分別是：

• 使用操作符 +/+=
• 使用 fmt.Sprintf
• 使用 bytes.Buffer
• 使用 strings.Join
• 使用 strings.Builder

其中使用操作符是最易用的，但是它不是最高效的，一般使用場景是用于已知需要拼接的字符串的長度。

使用 fmt.Sprintf 拼接字符串，性能是最差的，但是它可以格式化，所以一般使用場景是需要格式化拼接字符串。

使用 bytes.Buffer 和使用 strings.Join 的性能比較接近，性能最高的字符串拼接方式是使用 strings.Builder 。

我準(zhǔn)備對(duì) strings.Builder 的字符串拼接方式多費(fèi)些筆墨。

Golang 語言標(biāo)準(zhǔn)庫 strings 中的 Builder 類型，用于在 Write 方法中有效拼接字符串，它減少了數(shù)據(jù)拷貝和內(nèi)存分配。

type Builder struct {
 addr *Builder // of receiver, to detect copies by value
 buf []byte
}

Builder 結(jié)構(gòu)體中包含兩個(gè)字段，分別是 addr 和 buf，字段 addr 是指針類型，字段 buf 是字節(jié)切片類型，但是它的值仍然不允許被修改，但是字節(jié)切片中的值可以被拼接或者被重置。

Builder 提供了一系列 Write* 拼接方法，這些方法可以用于把新數(shù)據(jù)拼接到已存在的數(shù)據(jù)的末尾，同時(shí)如果字節(jié)切片的容量不夠用，可以自動(dòng)擴(kuò)容。需要注意的是，只要觸發(fā)擴(kuò)容，就會(huì)涉及內(nèi)存分配和數(shù)據(jù)拷貝。自動(dòng)擴(kuò)容規(guī)則和切片的擴(kuò)容規(guī)則相同。

除了自動(dòng)擴(kuò)容，還可以手動(dòng)擴(kuò)容，Builder 提供的 Grow 方法，可以根據(jù) int 類型的傳參，擴(kuò)充字節(jié)數(shù)量。因?yàn)閿U(kuò)容操作，會(huì)涉及內(nèi)存分配和數(shù)據(jù)拷貝，所以調(diào)用 Grow 方法手動(dòng)擴(kuò)容時(shí)，Golang 也做了優(yōu)化，如果當(dāng)前字節(jié)切片的容量剩余字節(jié)數(shù)小于或等于傳參的值， Grow 方法將不會(huì)執(zhí)行擴(kuò)容操作。手動(dòng)擴(kuò)容規(guī)則是原字節(jié)切片容量的 2 倍加上傳參的值。

Builder 類型還提供了一個(gè)重置方法 Reset，它可以將 Builder 類型的變量重置為零值。被重置后，原字節(jié)切片將會(huì)被垃圾回收。

在了解完上述 Builder 的介紹后，相信讀者已對(duì) Builder 有了初步認(rèn)識(shí)。下面我們通過代碼看一下預(yù)分配字節(jié)數(shù)量和未分配字節(jié)數(shù)量的區(qū)別：

var lan []string = []string{
 "golang",
 "php",
 "javascript",
}

func stringBuilder (lan []string) string {
 var str strings.Builder
 for _, val := range lan {
 str.WriteString(val)
 }
 return str.String()
}

func stringBuilderGrow (lan []string) string {
 var str strings.Builder
 str.Grow(16)
 for _, val := range lan {
 str.WriteString(val)
 }
 return str.String()
}

func BenchmarkBuilder (b *testing.B) {
 for i := 0; i < b.N; i++ {
 stringBuilder(lan)
 }
}

func BenchmarkBuilderGrow (b *testing.B) {
 for i := 0; i < b.N; i++ {
 stringBuilderGrow(lan)
 }
}

output:

go test -bench . -benchmem builder_test.go
goos: darwin
goarch: amd64
cpu: Intel(R) Core(TM) i9-9880H CPU @ 2.30GHz
BenchmarkBuilder-16    13761441    81.85 ns/op   56 B/op    3 allocs/op
BenchmarkBuilderGrow-16   20487056    56.20 ns/op   48 B/op    2 allocs/op
PASS
ok  command-line-arguments 2.888s

閱讀上面這段代碼，可以發(fā)現(xiàn)調(diào)用 Grow 方法，預(yù)分配字節(jié)數(shù)量比未預(yù)分配字節(jié)數(shù)量的字符串拼接效率高。我們?cè)诳梢灶A(yù)估字節(jié)數(shù)量的前提下，盡量使用 Grow 方法預(yù)先分配字節(jié)數(shù)量。

注意：第一，Builder 類型的變量在被調(diào)用之后，不可以再被復(fù)制，否則會(huì)引發(fā) panic。第二，因?yàn)?Builder 類型的值不是完全不可修改的，所以使用者需要注意并發(fā)安全的問題。

05字符串和字節(jié)切片互相轉(zhuǎn)換

因?yàn)榍衅愋统酥荒芎?nil 做比較之外，切片類型之間是無法做比較操作的。如果我們需要對(duì)切片類型做比較操作，通常的做法是先將切片類型轉(zhuǎn)換為字符串類型。但是因?yàn)?string 類型是只讀的，不可修改的，所以轉(zhuǎn)換操作會(huì)涉及內(nèi)存分配和數(shù)據(jù)拷貝。

為了提升轉(zhuǎn)換的性能，唯一的方法就是減少或者避免內(nèi)存分配的開銷。在 Golang 語言中，運(yùn)行時(shí)對(duì)二者的互相轉(zhuǎn)換也做了優(yōu)化，感興趣的讀者可以閱讀 runtime 中的相關(guān)源碼：

/usr/local/go/src/runtime/string.go

但是，我們還可以繼續(xù)優(yōu)化，實(shí)現(xiàn)零拷貝的轉(zhuǎn)換操作，從而避免內(nèi)存分配的開銷，提升轉(zhuǎn)換效率。

先閱讀 reflect 中 StringHeader 和 SliceHeader 的數(shù)據(jù)結(jié)構(gòu)：

// /usr/local/go/src/reflect/value.go

type StringHeader struct {
 Data uintptr // 指向存儲(chǔ)數(shù)據(jù)的字節(jié)數(shù)組
 Len int // 長度
}

type SliceHeader struct {
 Data uintptr // 指向存儲(chǔ)數(shù)據(jù)的字節(jié)數(shù)組
 Len int // 長度
 Cap int // 容量
}

閱讀上面這段代碼，我們可以發(fā)現(xiàn) StringHeader 和 SliceHeader 的字段只缺少一個(gè)表示容量的字段 Cap，二者都有指向存儲(chǔ)數(shù)據(jù)的字節(jié)數(shù)組的指針和長度。我們只需要通過使用 unsafe.Pointer 獲取內(nèi)存地址，就可以實(shí)現(xiàn)在原內(nèi)存空間修改數(shù)據(jù)，避免了內(nèi)存分配和數(shù)據(jù)拷貝的開銷。

因?yàn)?StringHeader 比 SliceHeader 缺少一個(gè)表示容量的字段 Cap，所以通過 unsafe.Pointer 將 *SliceHeader 轉(zhuǎn)換為 *StringHeader 沒有問題，但是反之就不行了。我們需要補(bǔ)上一個(gè) Cap 字段，并且將字段 Len 的值作為字段 Cap 的默認(rèn)值。

func main () {
 str := "golang"
 fmt.Printf("str val:%s type:%T\n", str, str)
 strPtr := (*reflect.SliceHeader)(unsafe.Pointer(&str))
 // strPtr[0] = 'a'
 strPtr.Cap = strPtr.Len
 fmt.Println(strPtr.Data)
 str2 := *(*[]byte)(unsafe.Pointer(strPtr))
 fmt.Printf("str2 val:%s type:%T\n", str2, str2)
 fmt.Println((*reflect.SliceHeader)(unsafe.Pointer(&str2)).Data)
}

output:

go run main.go
golang
str val:golang type:string
17602449
str2 val:golang type:[]uint8
17602449

閱讀上面這段代碼，我們可以發(fā)現(xiàn)通過使用 unsafe.Pointer 把字符串轉(zhuǎn)換為字節(jié)切片，可以做到零拷貝，str 和 str2 共用同一塊內(nèi)存，無需新分配一塊內(nèi)存。但是需要注意的是，轉(zhuǎn)換后的字節(jié)切片仍然不能修改，因?yàn)樵?Golang 語言中字符串是只讀的，通過索引下標(biāo)修改會(huì)引發(fā) panic。

06總結(jié)

本文我們介紹了怎么高效使用 Golang 語言中的字符串，先是介紹了字符串在 runtime 中的數(shù)據(jù)結(jié)構(gòu)，然后介紹了字符串拼接的幾種方式，字符串與字節(jié)切片零拷貝互相轉(zhuǎn)換，還通過示例代碼證明了字符串在 Golang 語言中是只讀的。更多關(guān)于字符串的操作，讀者可以閱讀標(biāo)準(zhǔn)庫 strings 和 strconv 了解更多內(nèi)容。

到此這篇關(guān)于Golang 語言高效使用字符串的方法的文章就介紹到這了,更多相關(guān)Golang 語言使用字符串內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論