程序优化之\"变量名长短\",内存逻辑地址,物理地址

简介: 网上有着不少常见的程序优化点的文章,比如PHP中使用单引号、双引号的性能差别等等。 但这其中并没有说到”变量名长度”会影响性能,那么它为什么不会影响性能呢,就需要引入我们今天要讲的这篇文章的知识了。

程序优化为何没有说明”变量名长度”


网上有着不少常见的程序优化点的文章,比如PHP中使用单引号、双引号的性能差别等等。 但这其中并没有说到”变量名长度”会影响性能,那么它为什么不会影响性能呢,就需要引入我们今天要讲的这篇文章的知识了。


编译过程内存地址


我们的程序代码在运行的时候(或者之前)需要先经过编译器的处理,编译成更为底层的代码。 编译时是不分配内存的。此时只是根据声明时的类型进行占位,到以后程序执行时分配内存才会正确。所以声明是给编译器看的。变量名在编译过后的程序中是以内存地址存在的。所以它的长度不会影响程序性能,只会占用你的代码文件大小(基本可以忽略) 引用一下文献说明


接下来,汇编器会将汇编代码转换为二进制目标代码文件。目标代码文件是机器代码的一种形式,它包含所有指令的二进制表现,但是还没有填入全局值的地址。


原文博客


地址


程序如何确认内存地址


我们都知道,所有内存数据都是储存在我们硬件内存条上面的,那么它的空间是固定的,并且某个位置被占用的时候,应该是不能被其他程序使用的,否则将会内存冲突。 (一个空教室,小明已经坐了一个位置,其他同学不能坐在他大腿上了诶)


物理内存地址


上面这个概念就是物理内存地址,描述说明在硬件中实际的储存位置(好比 二排三列)


逻辑内存地址


那么我们的程序在编译完成之后,怎么确定它在运行时到底使用哪一块内存地址呢? 使用的是相对的逻辑内存地址。 比如我们有以下一份PHP代码


<?php
$a = 1;
$b = 3;


那么编译后的程序可能如下(用文字描述)


Location = 向系统申请内存地址,并返回物理内存地址
申请一块内存,储存代码$a的值,对应的物理内存地址为 ·Location + 1·
申请一块内存,储存代码$b的值,对应的物理内存地址为 ·Location + 1 + 1·
这里用1来代表一个变量需要占用的大小(仅仅为了说明,每个语言的数据结构不同)


这就是相对的逻辑内存地址了。

目录
相关文章
|
2月前
|
存储 缓存 监控
|
2月前
|
NoSQL 测试技术
内存程序崩溃
【10月更文挑战第13天】
141 62
|
6天前
|
存储 缓存 监控
如何使用内存监控工具来优化 Node.js 应用的性能
需要注意的是,不同的内存监控工具可能具有不同的功能和特点,在使用时需要根据具体工具的要求和操作指南进行正确使用和分析。
26 3
|
21天前
|
缓存 算法 Java
本文聚焦于Java内存管理与调优,介绍Java内存模型、内存泄漏检测与预防、高效字符串拼接、数据结构优化及垃圾回收机制
在现代软件开发中,性能优化至关重要。本文聚焦于Java内存管理与调优,介绍Java内存模型、内存泄漏检测与预防、高效字符串拼接、数据结构优化及垃圾回收机制。通过调整垃圾回收器参数、优化堆大小与布局、使用对象池和缓存技术,开发者可显著提升应用性能和稳定性。
40 6
|
21天前
|
监控 安全 程序员
如何使用内存池池来优化应用程序性能
如何使用内存池池来优化应用程序性能
|
21天前
|
存储 监控 Java
深入理解计算机内存管理:优化策略与实践
深入理解计算机内存管理:优化策略与实践
|
24天前
|
存储 缓存 Java
结构体和类在内存管理方面的差异对程序性能有何影响?
【10月更文挑战第30天】结构体和类在内存管理方面的差异对程序性能有着重要的影响。在实际编程中,需要根据具体的应用场景和性能要求,合理地选择使用结构体或类,以优化程序的性能和内存使用效率。
|
1月前
|
存储 JavaScript 前端开发
如何优化代码以避免闭包引起的内存泄露
本文介绍了闭包引起内存泄露的原因,并提供了几种优化代码的策略,帮助开发者有效避免内存泄露问题,提升应用性能。
|
2月前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
2月前
|
存储 弹性计算 算法
前端大模型应用笔记(四):如何在资源受限例如1核和1G内存的端侧或ECS上运行一个合适的向量存储库及如何优化
本文探讨了在资源受限的嵌入式设备(如1核处理器和1GB内存)上实现高效向量存储和检索的方法,旨在支持端侧大模型应用。文章分析了Annoy、HNSWLib、NMSLib、FLANN、VP-Trees和Lshbox等向量存储库的特点与适用场景,推荐Annoy作为多数情况下的首选方案,并提出了数据预处理、索引优化、查询优化等策略以提升性能。通过这些方法,即使在资源受限的环境中也能实现高效的向量检索。