从简单的链表定义初探Rust内存布局和内部细节

爱朴素啊
165 阅读3分钟

熟悉函数式编程语言的朋友可能很喜欢如下定义：

List e = Empty | Elem e (List e)

这是一种典型的递归表达，非常 简洁，我们把他迁移到 Rust 语言实现：

pub enum List {
    Empty,
    Elem(i32, List)
}

同样 简洁 的表达，但是在 Rust 中无法通过编译，因为 Rust 默认是 栈内存分配 ，而上述定义由于Elem递归定义，导致无法在编译时确定大小，从而无法通过编译。 我们可以通过简单的修改解决：

pub enum List {
    Empty,
    Elem(i32, Box<List>)
}

上述定义在 Rust 官方教程书中关于Box类型章节 (链接) 的讲解中可以看到。 Box在 Rust 中是声明对象在 堆内存 分配，这样我们就可以像其他语言（GO, JAVA）那样可以仅持有对象引用指针，而引用指针的大小在编译时是固定大小的，就可以完美解决我们编译问题。 这样我们就可以在 Rust 中定义一个简洁的链表对象。

let a_list = List::Elem(1, Box::new(List::Elem(2, Box::new(List::Empty))))

至此大家可能以为结束了，实际该定义存在一些潜在的问题：

  • 我们上面定义的a_list对象实际头节点会分配在栈中，而其余后续节点则在堆中分配，这导致我们的 List 内存分配不统一 内存不统一会导致一些潜在的消耗，比如我们要对链表进行拆分，就会导致链表头节点从堆内存到栈内存的Copy，同理合并操作会导致一次栈内存到堆内存的Copy，带来潜在开销。但我们通常使用链表的目的就是减少 Copy 操作。显然与我们的目的相悖。 聪明的朋友可能会想到，我们可以用Box对象把a_list定义包裹起来：

    let a_list = Box::new(List::Elem(1, Box::new(List::Elem(2, Box::new(List::Empty)))))

    这样的操作显然不合适，我们每次定义链表都需要显式的声明其在堆内存中分配。这个在协作中是很难把握的，我们无法预料使用者的习惯。

  • 另一个问题就是内存浪费。由于 Rust 的枚举设计特殊，我们可以在枚举中定义带有不同属性的对象，为了在编译时确定对象大小，枚举对象的大小会取最大对象的长度，其他对象长度做填充处理，保持对象长度的统一。回想我们定义的List枚举，其中Empty没有字段，Elem包含一个i32类型和一个Box类型。因此，即使我们使用Empty对象，其至少也会有两个字段长度的填充（具体长度不做讨论，我们确定会有填充即可）。这样的话，我们的尾节点必然存在内存浪费。

显然，我们上述链表定义看似优雅，实则问题颇多。这些问题并不是我们能够轻易发现的，可以确定的是，这些问题其实是由于 Rust 语言设计导致的。GO，JAVA 等带 GC 的堆内存语言并不会出现该问题。Rust 的实践难度可见一斑，Rust 在给我们提供高性能的同时，也需要我们更加关注底层细节，只有熟悉底层细节，我们在能更好的掌控这门语言，写出更高效的代码。

至于如何改进该定义，在此不做讨论。大家有兴趣可以阅读原文章，原文中还讨论了 Rust 关于枚举类型零开销优化的细节。本文并未提及。

作者水平有限，如有纰漏，敬请谅解。

avatar
文章
阅读
粉丝