PHP內核介紹及擴展開發指南—基礎知識

一、 基礎知識

　　本章簡要介紹一些Zend引擎的內部機制，這些知識和Extensions密切相關，同時也可以幫助我們寫出更加高效的PHP代碼。

　　1.1 PHP變量的存儲

　　1.1.1 zval結構

　　Zend使用zval結構來存儲PHP變量的值，該結構如下所示：

1. typedef union _zvalue_value { 
2.     long lval;              /* long value */ 
3.     double dval;                /* double value */ 
4.     struct { 
5.         char *val; 
6.         int len; 
7.     } str; 
8.     HashTable *ht;              /* hash table value */ 
9.     zend_object_value obj; 
10. } zvalue_value; 
11.  
12. struct _zval_struct { 
13.     /* Variable information */ 
14.     zvalue_value value;     /* value */ 
15.     zend_uint refcount; 
16.     zend_uchar type;            /* active type */ 
17.     zend_uchar is_ref; 
18. }; 
19.  
20. typedef struct _zval_struct zval; 
21. "more-597">Zend根據type值來決定訪問value的哪個成員，可用值如下： 

　　IS_NULLN/A

　　IS_LONG對應value.lval

　　IS_DOUBLE對應value.dval

　　IS_STRING對應value.str

　　IS_ARRAY對應value.ht

　　IS_OBJECT對應value.obj

　　IS_BOOL對應value.lval.

　　IS_RESOURCE對應value.lval

　　根據這個表格可以發現兩個有意思的地方：首先是PHP的數組其實就是一個HashTable，這就解釋了為什么PHP能夠支持關聯數組了;其次，Resource就是一個long值，它里面存放的通常是個指針、一個內部數組的index或者其它什么只有創建者自己才知道的東西，可以將其視作一個handle

　　1.1.1 引用計數

　　引用計數在垃圾收集、內存池以及字符串等地方應用廣泛，Zend就實現了典型的引用計數。多個PHP變量可以通過引用計數機制來共享同一份zval，zval中剩余的兩個成員is_ref和refcount就用來支持這種共享。

　　很明顯，refcount用于計數，當增減引用時，這個值也相應的遞增和遞減，一旦減到零，Zend就會回收該zval。

　　那么is_ref呢?

　　1.1.2 zval狀態

　　在PHP中，變量有兩種——引用和非引用的，它們在Zend中都是采用引用計數的方式存儲的。對于非引用型變量，要求變量間互不相干，修改一個變量時，不能影響到其他變量，采用Copy-On-Write機制即可解決這種沖突——當試圖寫入一個變量時，Zend若發現該變量指向的zval被多個變量共享，則為其復制一份refcount為1的zval，并遞減原zval的refcount，這個過程稱為“zval分離”。然而，對于引用型變量，其要求和非引用型相反，引用賦值的變量間必須是捆綁的，修改一個變量就修改了所有捆綁變量。

　　可見，有必要指出當前zval的狀態，以分別應對這兩種情況，is_ref就是這個目的，它指出了當前所有指向該zval的變量是否是采用引用賦值的——要么全是引用，要么全不是。此時再修改一個變量，只有當發現其zval的is_ref為0，即非引用時，Zend才會執行Copy-On-Write。

　　1.1.3 zval狀態切換

　　當在一個zval上進行的所有賦值操作都是引用或者都是非引用時，一個is_ref就足夠應付了。然而，世界總不會那么美好，PHP無法對用戶進行這種限制，當我們混合使用引用和非引用賦值時，就必須要進行特別處理了。

　　情況I、看如下PHP代碼：

　　全過程如下所示：

　　這段代碼的前三句將把a、b和c指向一個zval，其is_ref=1, refcount=3;第四句是個非引用賦值，通常情況下只需要增加引用計數即可，然而目標zval屬于引用變量，單純的增加引用計數顯然是錯誤的， Zend的解決辦法是為d單獨生成一份zval副本。

　　1.1.1 參數傳遞

　　PHP函數參數的傳遞和變量賦值是一樣的，非引用傳遞相當于非引用賦值，引用傳遞相當于引用賦值，并且也有可能會導致執行zval狀態切換。這在后面還將提到。

　　1.2 HashTable結構

　　HashTable是Zend引擎中最重要、使用最廣泛的數據結構，它被用來存儲幾乎所有的東西。

　　1.1.1 數據結構

　　HashTable數據結構定義如下：

1. typedef struct bucket { 
2.     ulong h;                // 存放hash 
3.     uint nKeyLength; 
4.     void *pData;            // 指向value，是用戶數據的副本 
5.     void *pDataPtr; 
6.     struct bucket *pListNext;   // pListNext和pListLast組成 
7.     struct bucket *pListLast;   // 整個HashTable的雙鏈表 
8.     struct bucket *pNext;       // pNext和pLast用于組成某個hash對應 
9.     struct bucket *pLast;       // 的雙鏈表 
10.     char arKey[1];              // key 
11. } Bucket; 
12.  
13. typedef struct _hashtable { 
14.     uint nTableSize; 
15.     uint nTableMask; 
16.     uint nNumOfElements; 
17.     ulong nNextFreeElement; 
18.     Bucket *pInternalPointer;   /* Used for element traversal */ 
19.     Bucket *pListHead; 
20.     Bucket *pListTail; 
21.     Bucket **arBuckets;         // hash數組 
22.     dtor_func_t pDestructor;    // HashTable初始化時指定，銷毀Bucket時調用 
23.     zend_bool persistent;       // 是否采用C的內存分配例程 
24.     unsigned char nApplyCount; 
25.     zend_bool bApplyProtection; 
26. #if ZEND_DEBUG 
27.     int inconsistent; 
28. #endif 
29. } HashTable; 

　　總的來說，Zend的HashTable是一種鏈表散列，同時也為線性遍歷進行了優化。

　　HashTable中包含兩種數據結構，一個鏈表散列和一個雙向鏈表，前者用于進行快速鍵-值查詢，后者方便線性遍歷和排序，一個Bucket同時存在于這兩個數據結構中。

　　關于該數據結構的幾點解釋：

　　l 鏈表散列中為什么使用雙向鏈表?

　　一般的鏈表散列只需要按key進行操作，只需要單鏈表就夠了。但是，Zend有時需要從鏈表散列中刪除給定的Bucket，使用雙鏈表可以非常高效的實現。

　　l nTableMask是干什么的?

　　這個值用于hash值到arBuckets數組下標的轉換。當初始化一個HashTable，Zend首先為arBuckets數組分配nTableSize大小的內存，nTableSize取不小于用戶指定大小的最小的2^n，即二進制的10*。nTableMask = nTableSize – 1，即二進制的01*，此時h & nTableMask就恰好落在 [0, nTableSize – 1] 里，Zend就以其為index來訪問arBuckets數組。

　　l pDataPtr是干什么的?

　　通常情況下，當用戶插入一個鍵值對時，Zend會將value復制一份，并將pData指向value副本。復制操作需要調用Zend內部例程 emalloc來分配內存，這是個非常耗時的操作，并且會消耗比value大的一塊內存(多出的內存用于存放cookie)，如果value很小的話，將會造成較大的浪費。考慮到HashTable多用于存放指針值，于是Zend引入pDataPtr，當value小到和指針一樣長時，Zend就直接將其復制到pDataPtr里，并且將pData指向pDataPtr。這就避免了emalloc操作，同時也有利于提高Cache命中率。

　　arKey大小為什么只有1?為什么不使用指針管理key?

　　arKey是存放key的數組，但其大小卻只有1，并不足以放下key。在HashTable的初始化函數里可以找到如下代碼：

　　1p = (Bucket *) pemalloc(sizeof(Bucket) - 1 + nKeyLength, ht->persistent);

　　可見，Zend為一個Bucket分配了一塊足夠放下自己和key的內存，

　　l 上半部分是Bucket，下半部分是key，而arKey“恰好”是Bucket的最后一個元素，于是就可以使用arKey來訪問key了。這種手法在內存管理例程中最為常見，當分配內存時，實際上是分配了比指定大小要大的內存，多出的上半部分通常被稱為cookie，它存儲了這塊內存的信息，比如塊大小、上一塊指針、下一塊指針等，baidu的Transmit程序就使用了這種方法。

　　不用指針管理key，是為了減少一次emalloc操作，同時也可以提高Cache命中率。另一個必需的理由是，key絕大部分情況下是固定不變的，不會因為key變長了而導致重新分配整個Bucket。這同時也解釋了為什么不把value也一起作為數組分配了——因為value是可變的。

　　1.2.2 PHP數組

　　關于HashTable還有一個疑問沒有回答，就是nNextFreeElement是干什么的?

　　不同于一般的散列，Zend的HashTable允許用戶直接指定hash值，而忽略key，甚至可以不指定key(此時，nKeyLength為0)。同時，HashTable也支持append操作，用戶連hash值也不用指定，只需要提供value，此時，Zend就用nNextFreeElement作為hash，之后將nNextFreeElement遞增。

　　HashTable的這種行為看起來很奇怪，因為這將無法按key訪問value，已經完全不是個散列了。理解問題的關鍵在于，PHP數組就是使用HashTable實現的——關聯數組使用正常的k-v映射將元素加入HashTable，其key為用戶指定的字符串;非關聯數組則直接使用數組下標作為hash值，不存在key;而當在一個數組中混合使用關聯和非關聯時，或者使用array_push操作時，就需要用nNextFreeElement了。

　　再來看value，PHP數組的value直接使用了zval這個通用結構，pData指向的是zval*，按照上一節的介紹，這個zval*將直接存儲在pDataPtr里。由于直接使用了zval，數組的元素可以是任意PHP類型。

　　數組的遍歷操作，即foreach、each等，是通過HashTable的雙向鏈表來進行的，pInternalPointer作為游標記錄了當前位置。

　　1.2.3 變量符號表

　　除了數組，HashTable還被用來存儲許多其他數據，比如，PHP函數、變量符號、加載的模塊、類成員等。

　　一個變量符號表就相當于一個關聯數組，其key是變量名(可見，使用很長的變量名并不是個好主意)，value是zval*。

　　在任一時刻PHP代碼都可以看見兩個變量符號表——symbol_table和active_symbol_table——前者用于存儲全局變量，稱為全局符號表;后者是個指針，指向當前活動的變量符號表，通常情況下就是全局符號表。但是，當每次進入一個PHP函數時(此處指的是用戶使用PHP代碼創建的函數)，Zend都會創建函數局部的變量符號表，并將active_symbol_table指向局部符號表。Zend總是使用active_symbol_table來訪問變量，這樣就實現了局部變量的作用域控制。

　　但如果在函數局部訪問標記為global的變量，Zend會進行特殊處理——在active_symbol_table中創建symbol_table中同名變量的引用，如果symbol_table中沒有同名變量則會先創建。

　　1.3 內存和文件

　　程序擁有的資源一般包括內存和文件，對于通常的程序，這些資源是面向進程的，當進程結束后，操作系統或C庫會自動回收那些我們沒有顯式釋放的資源。

　　但是，PHP程序有其特殊性，它是基于頁面的，一個頁面運行時同樣也會申請內存或文件這樣的資源，然而當頁面運行結束后，操作系統或C庫也許不會知道需要進行資源回收。比如，我們將php作為模塊編譯到apache里，并且以prefork或worker模式運行apache。這種情況下apache進程或線程是復用的，php頁面分配的內存將永駐內存直到出core。

　　為了解決這種問題，Zend提供了一套內存分配API，它們的作用和C中相應函數一樣，不同的是這些函數從Zend自己的內存池中分配內存，并且它們可以實現基于頁面的自動回收。在我們的模塊中，為頁面分配的內存應該使用這些API，而不是C例程，否則Zend會在頁面結束時嘗試efree掉我們的內存，其結果通常就是crush。

　　emalloc()

　　efree()

　　estrdup()

　　estrndup()

　　ecalloc()

　　erealloc()

　　另外，Zend還提供了一組形如VCWD_xxx的宏用于替代C庫和操作系統相應的文件API，這些宏能夠支持PHP的虛擬工作目錄，在模塊代碼中應該總是使用它們。宏的具體定義參見PHP源代碼”TSRM/tsrm_virtual_cwd.h”。可能你會注意到，所有那些宏中并沒有提供close操作，這是因為close的對象是已打開的資源，不涉及到文件路徑，因此可以直接使用C或操作系統例程;同理，read/write之類的操作也是直接使用C或操作系統的例程。

標簽：北京網站制作 高端網站建設