PHP源码学习——变量与引用

by: funco 林鸿钊 2019-03-30

保护私人版权，尊重他人版权。转载请注明出处并附带页面链接

前言

《PHP7底层设计与源码实现》一书，内容不多也不少。看完后，对开发中的优化思路有不少启发，其中最多的，便是有关变量方面的认识，也是我个人认为，在日常开发中，最值得多注意多思考的方面。

在此，个人结合github中最新的php-src，整理一些个人认为应该注意的点以及想法出来，与大家交流。同时，我会对其中的关键结构体在github上php-src源码中的定义的位置标注出来（截止发文时的最新版本）。这一点，是原书中没有标注的，在这里给出，更易于必要时查阅。

请确保具备以下知识基础

有C/C++基础
确保了解结构体struct和联合体union的定义和使用（特别是联合体的）
确保了解C/C++的取地址符&

正文

很多同学应该都晓得php的写时拷贝这个点，但是我还是选择对这方面深入探讨，是因为我发现日常工作中，还是个人与其他同学理依然容易混淆php7与php5的拷贝机制，且网上大多数文章脱离了php源码仅对结论做列举和验证。因此，在这里，我结合github中的源码对该部分做知识梳理。

一个问题

我们先来做个赋值，并获取赋值前后的内存占用，以此抛出我们后续要讨论的问题。

$a = str_repeat('hello', 1);
$before = memory_get_usage();

$b = $a;
echo 'after: ' . (memory_get_usage() - $before); // 输出 after: 0

接下来，仅在第三行增加引用符号

$a = str_repeat('hello', 1);
$before = memory_get_usage();

$b = &$a; // 仅在这里增加取引用符
echo 'after: ' . (memory_get_usage() - $before); // 输出 after: 24

由此，我们可以得到一个简单的结论：取引用符不能帮助我们节省内存空间，反而会增加内存空间使用。学过C\C++的同学，可能会对此比较懵逼（实际上，我并不止一次听到用同学认为『&』与C/C++中的取地址符等效）

接下来，我们带着这点疑问，继续深入探讨，自然就明白了。

引用

先来看一段代码和原理图。

示例代码与原理图

1 2	$a = 10; $b = $a;

实际上，在php7的底层中，存在一个zval结构体，任何的变量底层都是该结构体，且该结构体不存储真实value，其结构体中存在一个value字段，指向真正的存储值的结构体（在这里指向zend_string）。

因此，我们可以看到，php7底层已经做了优化。在赋值后，只会创建表示变量的zval结构体实例，不会创建新的zend_value结构体实例。

那么，什么时候会创建新的zend_value呢？这就是接下来要讲的写时拷贝。

简单的扩展：

memory_get_usage()仅跟踪底层中emalloc()分配的内存。

所有底层定义，我们都可以很方便的在php的github中的源码查阅，具体路径为php-src/Zend/zend_types.h。

变量的结构体是zval，实际上他是_zend_struct的宏定义（typedef）。

zval中，实际存储值的是结构体成员zend_value value（line 197 from zend_types.h），而zend_value是_zend_value的宏定义。

zend_value通过联合体实现支持存储多种类型的(line 176 from zend_types.h)，其中实际存储字符串的是联合体成员zend_string。

zend_string是结构体_zend_string的宏定义，实际的字符串首地址即为_zend_string.val指向的首地址

写时拷贝

我们再来看一段代码与原理图

$a = str_repeat('hello1', 1);
$before = memory_get_usage();

$b = $a;
echo 'after: ' . (memory_get_usage() - $before) . PHP_EOL; // after: 0

$before = memory_get_usage();
$b = str_repeat('hello2', 1);
echo 'write after: ' . (memory_get_usage() - $before) . PHP_EOL; // write after: 40

通过对比上方两次赋值后的内存使用，可以看到，在第二次的时候，内存使用差值不再是0，因为，在执行$b = str_repeat('hello2', 1); 后，产生了一个新的zend_value，这就是所谓的写时拷贝——仅在变量值被执行写操作时，才拷贝新的zend_value空间，并对该新的zend_value执行相关修改操作。

这样的设计同时满足了两点需求（也是php7较php5的优点）：

节省空间
避免对变量的其中一个引用做修改时，影响了另一变量的值，因为对其中一个变量做修改时，会拷贝新的空间。

需要注意的是，不仅对变量执行对某个新的动态值执行=赋值操作，-=、+=、*=等变量的写操作都会触发『写时拷贝』

取引用赋值

我们回顾一下，开篇的两段示例代码。

$a = str_repeat('hello', 1);
$before = memory_get_usage();

$b = $a;
echo 'after: ' . (memory_get_usage() - $before); // 输出 after: 0

$a = str_repeat('hello', 1);
$before = memory_get_usage();

$b = &$a; // 仅在这里增加取引用符
echo 'after: ' . (memory_get_usage() - $before); // 输出 after: 24

对于第二段代码，执行后实际上会产生如下效果。

       也就是说，产生了一个新的结构体zend_reference实例，那么，我们应该就能明白了，引用赋值后，多出来的空间就是来自这里的。
       当执行了引用赋值后，我们不应该将其理解为C/C++中的指向同一地址，而是二者会指向同一引用，而该引用的zval字段的value字段才指向了真正的值存储空间。在引用赋值后，之所以实现了修改其中一个变量，会影响到另一变量的效果，是因为当zend发现当前zval变量的类型zval.u1.type_flag是引用类型IS_REFERENCE时，就知道zval.value是引用类型，此时会继续搜索zval.value.zval，并对该zval类型字段执行相应修改。
       再简单点说就是，引用赋值后，通过将两个zval指向同一zend_reference实例，实现与真正的zend_value实例隔离，从而避免了写时拷贝带来的影响。

zend_reference是_zend_reference的宏定义（line 94 from zend_types.h）。

_zend_reference里面也有一个zval，此时，zend_reference.zval.value才存储了真正的值。

查看联合体_zend_value，我们可以发现，其中存在字段zend_reference *ref，这也是为什么变量底层的zval.value能存储zend_reference的原因。

到这里可能有点绕，建议浏览zend_types.h中，_zval_struct、_zend_value、_zend_reference三者的定义和结构，再结合上下文，应该就很好理解了。

小结

现在，我们可以回到一开始的问题了：在函数传参或赋值过程中，使用取引用符号&，能减少内存空间占用吗？

这是我在之前重构项目的过程中，为了功能模块解耦，出现同一数据，向下传递多层嵌套函数参数时，想到的一个问题，为了避免数据重复copy，考虑到这样是否能够减少运行时间和内存占用。然而，目前的情况来看，是不行的。取引用符号&，与C/C++中的取地址符含义不一样，并且，对于只读不写的参数，使用引用传递，反而更浪费内存。

垃圾回收

又一个绕不开的，在这里，期望与最简单的描述，理清垃圾回收机制，而与童鞋们交流。在上文中，我们知道，当执行$b = $a时，不会创建新的的zend_value的存储空间，那么此时，除了会为$b创建一个zval，并将zval.value指向$a的zval.value以外，还会对zval.value共同指向的zend_string.gc执行增加计数操作（gc实际上是一个结构体，其中有一个字段用于计数）。
需要注意的是，php的整形和浮点型都直接存储在_zend_value中，并不会使用指针指向额外的空间，因此他们的引用计数由_zend_value.counted决定，它是zend_refcounted类型的指针，
而zend_refcounted其实是只有一个zend_refcounted_h类型字段gc的结构体。

由此，我们可以知道，任何类型的变量都存在zend_refcounted_h类型的引用计数器，垃圾回收本质也正是对引用计数为0的zend_value执行回收。但是，它又不会马上回收，而是会先标记，当空间池满时，才会释放被标记的zend_value。

实际上，除了zend_string存在zend_refcounted_h类型的引用计数字段gc以外，_zend_array、_zend_object、_zend_resource等结构体都有（建议在zend_types.h文件中自行搜索关键字zend_refcounted_h）。

隐式的类型转换

这点和前文所述内容关系不大，但是一个我认为非常重要的点，当整形数超出了最大值PHP_INT_MAX时，不会产生任何错误，而会自动转化为浮点型。

示例


$num = 0;
var_dump($num);		// 输出int(0)

$num = PHP_INT_MAX;
var_dump($num);		// 输出int(9223372036854775807)

$num++;
var_dump($num);		// 输出float(9.2233720368548E+18)

然而，如果对float继续增加，会导致float不会有任何变化，进一步的，如果对变量赋值2*PHP_FLOAT_MAX，会导致变量溢出，但此时变量依然不会报错，而是会自动转化为INF（无穷大），同时，INF可比较，这一点可能会导致php在处理大量数据的时候，产生预料意外的情况。

$num = PHP_FLOAT_MAX;
var_dump($num);		// 输出float(1.7976931348623E+308)

$num = PHP_FLOAT_MAX + PHP_FLOAT_MAX / pow(2, 512);
var_dump($num);		// 输出float(1.7976931348623E+308)

$num = 2 * PHP_FLOAT_MAX;
var_dump($num);		// 输出float(INF)

这个点，严格来讲，书中没有提及，是我在阅览过程中，无意中发现的一个点，我认为我们可能应该意识到并注意，避免可能对我们的程序产生意外的影响。当然，我们有时候也可以此来实现某些超出整形，但不超过浮点型的运算。

关于浮点数运算，还有很多验证性实验可做，由于实际应用很难遇到，这里不一一列举，有兴趣的同学可以对PHP_FLOAT_MAX进行各种运算尝试。

在PHP的底层中，数值类型的存储只有zend_long和double两种形式。

zend_long的定义在php-src/Zend/zend_long.h中（line 31），它实际上是int64_t的类型宏定义typedef int64_t zend_long;。

总结

这里我们对上方描述的做个小总结。

函数参数传递过程中，使用『&』取引用赋值，在该参数永远不会被改变值的情况下，并不会减少内存空间的使用，反而会增加内存空间(zend_reference结构体)。
不能相信php的垃圾收机制，且要注意buffer不满时，垃圾回收机制不会立即释放空间。
循环引用不能被回收的原因，正是因为出现了自己对自己的引用，导致引用计数始终不为0，因此垃圾回收机制便始终不生效。
数值越界时，存在隐式的类型转换，int -> float -> INF，且INF减去任意值依然是INF，INF大于任何值，我们使用php做大数运算时必须注意这一点（比如他可能造成循环逻辑的死循环）。

参考文献

[1] 陈雷. PHP7底层设计与源码实现[M]. 机械工业出版社, 2018.
[2] php-src in github

最后，再讲一下我写这一篇分享的小感受吧。可能是我理解不够透彻的原因，我在看完这本书之后，我又去github看了一下最新版的源码，并尽可能简单的描述它，但最后我发现我讲的还是有点乱了。
因此，如果同学们有任何不懂的或者认为我说的不正确的地方，都欢迎交流指教。