Question

我目前正在开发一个低内存平台的应用程序，该平台需要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实现是否会产生比sizeof（std :: string）更多的开销？更重要的是，这个数据集的大小是否显着？

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，这就是我对此有用的东西机器，std::string是std::basic_string<char>的典型代码，并且 basic_string定义于 /usr/include/c++/4.4.5/bits/basic_string.h。有很多在该文件中的间接，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;
  };

通过实际的字符串数据跟踪内存。所以std::string是每个字符串至少要有三个字句，加上比capacity更高`length的任何开销（可能是。{ 不是，取决于你如何构建你的字符串 - 你可以检查询问capacity()方法。

你的内存分配器也会产生开销很多小额拨款;我不知道GCC用于C ++的是什么，但是假设它类似于它用于C的dlmalloc分配器，那可以是每个分配至少两个单词，加上一些空格来对齐大小为至少8个字节的倍数。

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gcc的这种设计中，唯一的“短”字符串的大小为== 0，在这种情况下，它可以与每个其他空字符串共享一个表示。否则你会得到一个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的内存量，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

如果保证“＆gt; 100,000个字符串，每个字符串4-16个字符”，则不要使用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

GCC中的std :: string实现及其短字符串的内存开销

4 个答案: