GCC中的std :: string实现及其短字符串的内存开销

Question

我目前正在开发一个低内存平台的应用程序，它需要一个std :: set的许多短字符串（> 100,000个字符串，每个字符串4-16个字符）。 我最近将这个集合从std :: string转换为const char *以节省内存，我想知道我是否真的避免了每个字符串的所有开销。

我尝试使用以下内容：

std::string sizeTest = "testString";
std::cout << sizeof(sizeTest) << " bytes";

但它只给了我一个4字节的输出，表明该字符串包含一个指针。 我很清楚字符串在内部将它们的数据存储在char *中，但我认为字符串类会有额外的开销。

std :: string的GCC实现是否比sizeof（std :: string）指示的更多开销？ 更重要的是，这个数据集的重要性是否显着？

以下是我平台上相关类型的大小（它是32位，每字节有8位）：

char：1个字节
void *：4个字节
char *：4个字节
std :: string：4个字节

Answer 1

好吧，至少GCC 4.4.5，这是我在这台机器上的便利， std::string是std::basic_string<char>的typdef，而basic_string是在/usr/include/c++/4.4.5/bits/basic_string.h定义的/usr/include/c++/4.4.5/bits/basic_string.h 。 该文件中有很多间接，但它归结为非空std::string存储指向其中一个的指针：

  struct _Rep_base
  {
size_type       _M_length;
size_type       _M_capacity;
_Atomic_word        _M_refcount;
  };

在实际的字符串数据中跟随内存。 所以std::string对于每个字符串至少要有三个字的开销，加上capacity高于`length任何开销（可能不是，取决于你如何构造字符串 - 你可以通过询问capacity()来检查capacity()方法）。

你的内存分配器也会有大量的小额分配开销; 我不知道GCC对C ++使用什么，但假设它类似于它用于C的dlmalloc分配器，每个分配至少可以有两个字，加上一些空间可以将大小与至少8个字节的倍数对齐。

Answer 2

我猜你是在32位，每字节8位平台上。 我还要猜测，至少在您使用的gcc版本上，他们正在使用std :: string的引用计数实现。 您看到的4字节大小是指向包含引用计数和字符串数据（以及任何分配器状态，如果适用）的结构的指针。

在这个gcc的设计中，唯一的“短”字符串的大小为== 0，在这种情况下，它可以与其他每个空字符串共享一个表示。 否则，您将获得一个refcounted COW字符串。

要自己调查一下，编写一个分配器来跟踪它分配和释放多少内存，以及多少次。 使用此分配器来调查您感兴趣的容器的实现。

Answer 3

如果它保证“> 100,000个字符串，每个4-16个字符”，那么不要使用std :: string。 相反，编写自己的ShortString类。 有趣的是“sizeof（std :: string）== 4”，这怎么可能？ 什么是sizeof（char）和sizeof（void *）？

Answer 4

我已经对std :: string开销进行了一些比较。 一般来说它大约是48个字节！ 看看我博客上的文章： http ： //jovislab.com/blog/？p = 76