go 字符串与切片数据结构底层分析

持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第7天，点击查看活动详情

1. 字符串切片

1.1 查看字符串大小

看看下面的code，打印不同字符串占用的大小

package main
import (
	"fmt"
	"unsafe"
) 
func main() {
	fmt.Println(unsafe.Sizeof("刘德华"))
	fmt.Println(unsafe.Sizeof("刘德华是一个	good man"))
	// 16
	// 16
}

为什么两个不同长度在系统中占用的长度都是一样的呢

在go中是stringStruct 表示的

1. 字符串本质是个结构体
2. data指针指向底层Byte 数组

1.2 len 中表示的什么长度？

我们可从上面的源码中查看，结构体是私有化，但是我们可以看反射包中的StringHeader 中的结构 code:

import (
	"fmt"
	"reflect"
	"unsafe"
) 
func main() {
	s := "刘德华"
	sh := (*reflect.StringHeader)(unsafe.Pointer(&s))
	fmt.Println(sh.Len) // 9, utf-8 编码
}

经过两次类型转化求出的结果，结果就是len 表示的是Byte数组长度（字节数），并不是字符个数

1.3 go中字符编码问题（变长编码）

首先需要了解的是：

1. go 所有的字符均使用unicode 字符集
2. go中使用utf-8 编码

看看下面代码

import (
	"fmt"
	"reflect"
	"unsafe"
) 
func main() {
	s := "刘德华"
	s1 := "刘德华good man"
	sh := (*reflect.StringHeader)(unsafe.Pointer(&s))
	sh1 := (*reflect.StringHeader)(unsafe.Pointer(&s1))
	fmt.Println(sh.Len)   // 9, utf-8 编码
	fmt.Println(sh1.Len)  // 17, utf-8 编码
}

1.4 Unicode 字符集

1. 一种统一的字符集
2. 囊括了159种文字的144679个字符
3. 14万个字符至少需要3个字节表示（2个字节只能表示65536个字符）
4. 英文字母均排在前128个，所以在全部的英文字符中，这样就很浪费空间了，在这种情况下，就出现了utf-8 变长编码

1.5 utf-8变长编码

1. unicode 的一种变长格式
2. 128个US-ASCII 字符自需要 一个字节编码
3. 西方常用字符需要两个字节
4. 其他字符（中日韩）需要3个字节，极少数字符需要4个字节

1.6 字符串存储图画表示

2. 字符串访问与切分

2.1 下标访问

func main() {
	s := "刘德华good man"
	//for i := 0; i < len(s); i++ {
	// fmt.Println(s[i]) // 以脚标访问得到的是底层字节， 三个字节是一个字
	//}
｝

2.2 range 访问，正确

package main
import "fmt"
func main() {
	s := "刘德华good man"
	for _, c := range s {
		//fmt.Println(c) // 打印的每一个字
		fmt.Printf("%c\n", c) // 自动判断出汉字是3个	字节，英文是1个字节
	}
}

2.3 go 底层如何判断汉字占3字节，英文占1字节？

在runtime/utf8.go 文件中

2.4 字符串的切分

字符串的数字是不能随便切分的，因为可能多个字节代表这一个汉字，如果到了必须切分的情况，又该如何处理呢 切分流程（不唯一）

1. 转为rune 数组
2. 切片
3. 转为string 代码： s = string([]rune(s)[:3]) 取字符串的前三个字符

3. slice 数据结构

3.1 切片的本质

在runtime/slice.go 文件中这样的数据结构 切片的本质是对数组的引用

切片的图画表示：

3.2 切片的创建

1. 根据数组创建 arr[0:3] or slice[0:3]
2. 字面量创建（编译时插入创建数组的代码） slice := []int{1, 2,3 }
3. make： 运行时创建数组 slice := make([]int, 10)

3.3 汇编分析

code ：

func main() {
	s := []int{1, 2, 3}
	fmt.Println(s)
}

通过命令go build -gcflags -S main.go 查看编译出来的汇编代码

s := []int{1, 2, 3} 的汇编如下 main.go:6) LEAQ type.[3]int(SB), AX // 创建一个数组 main.go:6) MOVQ AX, (SP) main.go:6) PCDATA $1,$0 main.go:6) CALL runtime.newobject(SB) // 新建了一个结构体的值，把三个变量塞进来 main.go:6) MOVQ 8(SP), AX main.go:6) MOVQ $1, (AX) main.go:6) MOVQ$2, 8(AX) main.go:6) MOVQ $3, 16(AX)

3.4 分析代码

arr := [10]int{0,1,2,3,4,5,6,7,8,9}
slice := arr[1,4]

上面的代码用下面的图文表示，可以是这样

3.5 切片的访问

1. 下标直接访问元素
2. range 遍历元素
3. len(slice) 查看切片的长度
4. cap(slice) 查看数组容量

3.6 切片的追加

1. 不扩容时，只用调整len （编译器负责）

类似下面你的两幅图，表示其过程 2. 扩容时，编译转为调用runtime.growslice() 这其中的增加空间有点类似c++ 中的vector， 数组是连续的空间，必须这样增长，不能像上面那样直接增长的 过程： 显示扩容成原先的两倍空间（达到一定大小后，就不是两倍的关系了，下面有叙述），之后再将原先空间中的数据拷贝到这里来，最后删除掉原先的数据 3. 补充

• 如果期望容量大于当前容量的两倍就会使用期望容量
• 如果当前切片的长度小于1024, 将容量翻倍
• 如果当前切片的长度大于1024， 每次增加25%
• 切片扩容时，并发不安全的，注意切片并发要加锁

在runtime.slice.go 中体现上面描述的

3.7 解释并发不安全现象

两个协程读切片的话，如果切片两倍扩容，会废弃原来的数组，会追加新的数组，这时前面的协程还在读老的数组，新追加的数据就会读不到，进而导致不一致问题。