你知道 .NET 字符串在内存中是如何存储的吗?-轻识

前言

毫无疑问，字符串是我们使用频率最高的类型。但是如果我问大家一个问题"一个字符串对象在内存中如何表示的?" 我相信绝大部分人回答不上来。我们就来讨论这个问题。

一、字符串对象的内存布局

从"值类型"和"引用类型"来划分，字符串自然属于引用类型的范畴，所以一个字符串对象自然采用引用类型的内存布局。

在很多文章中都介绍过引用类型实例的内存布局（《以纯二进制的形式在内存中绘制一个对象》和《如何将一个实例的内存二进制内容读出来？》，总的来说整个内存布局分三块：ObjHeader + TypeHandle + Payload。

对于一般的引用类型实例来说，最后一部分存放的就是该实例所有字段的值，但是字符串有点特别，它有哪些字段呢？

说到这里，可能有人想去反编译一下String类型，看看它定义了那些字段。其实没有必要，字符串这个类型有点特别，它的Payload部分由两部分组成：字符串长度（不是字节长度）+编码的文本，下图揭示了字符串对象的内存布局。

那么具体采用怎样的编码方式呢？可能很多人会认为是UTF-8，实在不然，它采用的是UTF-16，大部分字符通过两个字节来表示，少数的则需要使用四个字节。

至于字节序，自然是使用小端字节序。我们知道Go的字符串采用UTF-8编码，这也是Go在网络编程具有较好性能的原因之一。

二、以二进制的方式创建一个String对象

在《以纯二进制的形式在内存中绘制一个对象》中，我们通过构建一个字节数组来表示创建的对象，现在我们依然可以采用类似的方式来创建一个真正的String对象。

如下所示的AsString方法用来将用于承载字符串实例的字节数组转换成一个String对象，至于这个字节数组的构建，则有CreateString方法完成。

CreateString方法根据指定的字符串内容创建一个String对象，并利用输出参数返回该对象映射在内存中的字节数组。

      static unsafe string CreateString(string value, out byte[] bytes)
{
    var byteCount = Encoding.Unicode.GetByteCount(value);
    // ObjHeader + TypeHandle + Length + Encoded string
    var size = sizeof(nint) + sizeof(nint) + sizeof(int) + byteCount;
    bytes = new byte[size];

    // TypeHandle
    BinaryPrimitives.WriteInt64LittleEndian(bytes.AsSpan(sizeof(nint)), typeof(string).TypeHandle.Value.ToInt64());

    // Length
    BinaryPrimitives.WriteInt32LittleEndian(bytes.AsSpan(sizeof(nint) * 2), value.Length);

    // Encoded string
    Encoding.Unicode.GetBytes(value).CopyTo(bytes, 20);

    return AsString(bytes);
}

static unsafe string AsString(byte[] bytes)
{
    string s = null!;
    Unsafe.Write(Unsafe.AsPointer(ref s), new IntPtr(Unsafe.AsPointer(ref bytes[8])));
    return s;
}

由于我们需要创建一个字节数组来表示String对象，所以必须先计算出这个字节数组的长度。我们在上面说过，String类型采用UTF-16/Unicode编码方式，所以我们调用Encoding.Unicode的GetByteCont方法可以计算出指定的字符串编码后的字节数。

在此基础上我们还需要加上通过一个整数（sizeof(int)）表示字符串长度和TypeHandle（sizeof(nint)）和ObjHeader（sizeof(nint)，含padding），就是整个String实例在内存中占用的字节数。

接下来我们填充String类型的TypeHandle的值（String类型方法表地址）、字符串长度和编码后的字节，最终将填充好的字节数组作为参数调用AsString方法，返回的就是我们创建的String对象。CreateString方法针字符串对象的创建可以通过如下的代码来验证。

      var literal = "foobar";
string s = CreateString(literal, out var bytes);
Debug.Assert(literal == s);

对于上面定义的AsString方法来说，作为输入参数的字节数组字符串实例的内存片段，所以该方法针对同一个数组返回的都是同一个实例，如下的演示代码证明了这一点。

      var literal = "foobar";
CreateString(literal, out var bytes);
var s1 = AsString(bytes);
var s2 = AsString(bytes);
Debug.Assert(ReferenceEquals(s1,s2));

三、字符串的"可变性"

我们都知道字符串一经创建就不会改变，但是对于上面创建的字符串来说，由于我们都将承载字符串实例的内存字节都拿捏住了，那还不是想怎么改就怎么改。

比如在如下所示的代码片段中，我们将同一个字符串的文本从"foo"改成了"bar"。

      var literal = "foo";
var s = CreateString(literal, out var bytes);
Debug.Assert(s == "foo");

Encoding.Unicode.GetBytes("bar").CopyTo(bytes, 20);
Debug.Assert(s == "bar");

转自：Artech

链接：cnblogs.com/artech/p/string-memory-layout.html