该篇文章将从Lua string的底层代码去分析字符串是如何创建、缓存、以及扩容的，深入分析了Lua字符串的整个工作原理。

字符串结构定义

Lua中字符串结构体定义:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29






/*
** Header for string value; string bytes follow the end of this structure
** (aligned according to 'UTString'; see next).
*/
typedef struct  {
  CommonHeader;
  lu_byte extra;  /* reserved words for short strings; "has hash" for longs */
  lu_byte shrlen;  /* length for short strings */
  unsigned int hash;
  union {
    size_t lnglen;  /* length for long strings */
    struct  *hnext;  /* linked list for hash table */
  } u;
} TString;


/*
** Ensures that address after this type is always fully aligned.
*/
typedef union UTString {
  L_Umaxalign dummy;  /* ensures maximum alignment for strings */
  TString tsv;
} UTString;

字符串缓存

在创建字符串时，首先会从global_State的strcache缓存中查找看是否存在:

strcache结构.png

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
// #define STRCACHE_N		53
// #define STRCACHE_M		2

TString *luaS_new (lua_State *L, const char *str) {
  unsigned int i = point2uint(str) % STRCACHE_N;  /* hash */
  int j;
  TString **p = G(L)->strcache[i];
  for (j = 0; j < STRCACHE_M; j++) {
    // strcmp == 0，两个str相同
    // getstr --> TString转string
    if (strcmp(str, getstr(p[j])) == 0) 
      return p[j]; // 找到相同str
  }
  for (j = STRCACHE_M - 1; j > 0; j--)
    p[j] = p[j - 1]; // 移动元素
  // 新元素会插入到list最前端
  p[0] = luaS_newlstr(L, str, strlen(str));
  return p[0];
}

创建一个字符串的时候，首先会在strcache中查找，第7行根据str计算出该str在strcache的索引位置，在该strcache位置上又有一个大小为2( STRCACHE_M )的TString数组，若在这个数组中找到相同的字符串，则返回cache中字符串对应的TString；若未找到，会将p[0]位置的TString挪到p[1]位置，而p[0]位置存放luaS_newlstr新创建的TString。

创建字符串

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
// #define LUAI_MAXSHORTLEN	40

/*
** new string (with explicit length)
*/
TString *luaS_newlstr (lua_State *L, const char *str, size_t l) {
  if (l <= LUAI_MAXSHORTLEN)  /* short string? */
    return internshrstr(L, str, l);
  else {
    TString *ts;
    if (l >= (MAX_SIZE - sizeof(TString))/sizeof(char))
      luaM_toobig(L);
    ts = luaS_createlngstrobj(L, l);
    memcpy(getstr(ts), str, l * sizeof(char));
    return ts;
  }
}

新建一个TString时，会判断字符串长度是否大于40( LUAI_MAXSHORTLEN )，对于长度大于40的str，会直接创建TString并返回，而对于长度40以内的short string，会从global_State中的一个stringtable(strt)查找并记录:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
/*
** checks whether short string exists and reuses it or creates a new one
*/
static TString *internshrstr (lua_State *L, const char *str, size_t l) {
  TString *ts;
  global_State *g = G(L);
  unsigned int h = luaS_hash(str, l, g->seed);
  TString **list = &g->strt.hash[lmod(h, g->strt.size)];
  lua_assert(str != NULL);  /* otherwise 'memcmp'/'memcpy' are undefined */
  for (ts = *list; ts != NULL; ts = ts->u.hnext) {
    if (l == ts->shrlen &&
        (memcmp(str, getstr(ts), l * sizeof(char)) == 0)) {
      /* found! */
      if (isdead(g, ts))  /* dead (but not collected yet)? */
        changewhite(ts);  /* resurrect it */
      return ts;
    }
  }
  // list中如果没找到
  // resize 扩容
  if (g->strt.nuse >= g->strt.size && g->strt.size <= MAX_INT/2) {
    luaS_resize(L, g->strt.size * 2);
    list = &g->strt.hash[lmod(h, g->strt.size)];  /* recompute with new size */
  }
  // 不需要扩容的情况
  ts = createstrobj(L, l, LUA_TSHRSTR, h);
  memcpy(getstr(ts), str, l * sizeof(char));
  ts->shrlen = cast_byte(l);
  ts->u.hnext = *list;
  *list = ts;
  g->strt.nuse++;
  return ts;
}

strt的数据结构类似于HashMap，它的初始化的数组长度为128，首先根据str计算得到的hash值(0~127),找到数组对应的下标索引，取出对应下标的list链表，10 ~ 18行是对该list进行遍历，若找到则直接返回；如未找到，则继续向下走。第21行， 如果 nuse(当前strt中TSring总数) 超过容量size(初始128)值，就会进行luaS_resize扩容操作(后续细讲)，strt的容量将扩为原来的2倍。如果不需要扩容，第26行开始，会创建一个新的TString，并将其插入到当前list的头部。

strt结构.png

扩容

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
/*
** resizes the string table
*/
void luaS_resize (lua_State *L, int newsize) {
  int i;
  stringtable *tb = &G(L)->strt;
  if (newsize > tb->size) {  /* grow table if needed */
    luaM_reallocvector(L, tb->hash, tb->size, newsize, TString *);
    for (i = tb->size; i < newsize; i++)
      tb->hash[i] = NULL;
  }
  for (i = 0; i < tb->size; i++) {  /* rehash */
    TString *p = tb->hash[i];
    tb->hash[i] = NULL;
    while (p) {  // 遍历每一个节点
      TString *hnext = p->u.hnext; 
      unsigned int h = lmod(p->hash, newsize); 
      p->u.hnext = tb->hash[h];
      tb->hash[h] = p;
      p = hnext;
    }
  }
  if (newsize < tb->size) {  /* shrink table if needed */
    /* vanishing slice should be empty */
    lua_assert(tb->hash[newsize] == NULL && tb->hash[tb->size - 1] == NULL);
    luaM_reallocvector(L, tb->hash, tb->size, newsize, TString *);
  }
  tb->size = newsize;
}

第7行，如果需要扩容，则调用luaM_reallocvector将 tb->hash 数组扩大到newsize (2倍)，12行~22行对每一个数组位置list链表中每一个TString节点的元素重新计算hash值，并将其插入到对应数组中的链表头部位置处。