GCC中的std :: string實現及其短字符串的內存開銷

Question

我目前正在開發一個低內存平台的應用程序，它需要一個std :: set的許多短字符串（> 100,000個字符串，每個字符串4-16個字符）。 我最近將這個集合從std :: string轉換為const char *以節省內存，我想知道我是否真的避免了每個字符串的所有開銷。

我嘗試使用以下內容：

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

但它只給了我一個4字節的輸出，表明該字符串包含一個指針。 我很清楚字符串在內部將它們的數據存儲在char *中，但我認為字符串類會有額外的開銷。

std :: string的GCC實現是否比sizeof（std :: string）指示的更多開銷？ 更重要的是，這個數據集的重要性是否顯着？

以下是我平台上相關類型的大小（它是32位，每字節有8位）：

char：1個字節
void *：4個字節
char *：4個字節
std :: string：4個字節

Answer 1

好吧，至少GCC 4.4.5，這是我在這台機器上的便利， std::string是std::basic_string<char>的typdef，而basic_string是在/usr/include/c++/4.4.5/bits/basic_string.h定義的/usr/include/c++/4.4.5/bits/basic_string.h 。 該文件中有很多間接，但它歸結為非空std::string存儲指向其中一個的指針：

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

在實際的字符串數據中跟隨內存。 所以std::string對於每個字符串至少要有三個字的開銷，加上capacity高於`length任何開銷（可能不是，取決於你如何構造字符串 - 你可以通過詢問capacity()來檢查capacity()方法）。

你的內存分配器也會有大量的小額分配開銷; 我不知道GCC對C ++使用什么，但假設它類似於它用於C的dlmalloc分配器，每個分配至少可以有兩個字，加上一些空間可以將大小與至少8個字節的倍數對齊。

Answer 2

我猜你是在32位，每字節8位平台上。 我還要猜測，至少在您使用的gcc版本上，他們正在使用std :: string的引用計數實現。 您看到的4字節大小是指向包含引用計數和字符串數據（以及任何分配器狀態，如果適用）的結構的指針。

在這個gcc的設計中，唯一的“短”字符串的大小為== 0，在這種情況下，它可以與其他每個空字符串共享一個表示。 否則，您將獲得一個refcounted COW字符串。

要自己調查一下，編寫一個分配器來跟蹤它分配和釋放多少內存，以及多少次。 使用此分配器來調查您感興趣的容器的實現。

Answer 3

如果它保證“> 100,000個字符串，每個4-16個字符”，那么不要使用std :: string。 相反，編寫自己的ShortString類。 有趣的是“sizeof（std :: string）== 4”，這怎么可能？ 什么是sizeof（char）和sizeof（void *）？

Answer 4

我已經對std :: string開銷進行了一些比較。 一般來說它大約是48個字節！ 看看我博客上的文章： http ： //jovislab.com/blog/？p = 76