【关于结构体内存对齐问题】(下)

简介: 【关于结构体内存对齐问题】

2)对齐规则


首先我们拿结构体S1来说,char是一个字节,VS默认对齐数是8,取较小值,所以c1的对齐数为1,又根据对齐规则的第一条:第一个成员在与结构体变量偏移量为0的地址处,所以c1放在第一个格子里,也就是对齐数为0的格子里,int i是4个字节,VS默认对齐数是8,取较小值,所以i的对齐数为4,所以i要放到对齐数为4的地方,同理,c2是1个字节,VS的默认对齐数为8,取较小值,对齐数为1,8是1的倍数,所以c2放在i的下面,到这里,总共占9个字节,又根据对齐规则的第三条:结构体总大小为最大对齐数(每个成员变量都有一个对齐数)的整数倍,S1成员变量的最大对齐数为4,所以最终结构体的总大小是4的倍数,所以结果就是12,而中间空白处的空间就被浪费掉了,图解如下:

91da7a3ae8f9469eb37738732e7bb12d.png


接下来我们来分析一下S2的大小,c1是1个字节,VS默认对齐数为8,取较小值,为1,所以c1放在起始位置,这里说一下,不管第一个成员变量是几个字节,都从起始位置开始放,c2是1个字节,VS默认对齐数为8,取较小值,为1,放在c1下面,i是4个字节,VS默认对齐数为8,取较小值,为4,放在对齐数为4的地方,总共占8个字节,是成员变量最大对齐数的倍数,所以S2的大小就是8,图解如下:f2f76386405c44f4a6499ae04f6d2ca3.png


 这里还介绍一个关于结构体嵌套,内存是如何对齐的 ???

structS2{
charc1;
charc2;
inti;
};
structS3{
chara;
structS2;
intb;
};

我们来分析一下S3的大小,char a是一个字节,放在起始位置,也就是0偏移处,根据对齐规则第四条;如果嵌套了结构体的情况,嵌套的结构体对齐到自己的最大对齐数的整数倍处,那么S2的对齐数就是int i对齐数的大小,所以S2放在偏移处为4的位置上,int b占4个字节,偏移量为12的位置恰好是4的倍数,所以b放在偏移量为12的地方,这里总共是16个字节,那么16个字节是不是结构体S3的总大小呢?我们根据对齐规则:整体大小就是所有最大对齐数(含嵌套结构体的对齐数)的整数倍,S3的最大对齐数是4,16是4的倍数,所以S3的最终大小就是16;

6e0f4c6691b74f8fb125e8a5f7ed74de.png



三.  为什么存在内存对齐?


1. 平台原因 ( 移植原因 ) :

不是所有的硬件平台都能访问任意地址上的任意数据的;某些硬件平台只能在某些地址处取某些特定类型的数据,否则抛出硬件异常;

2. 性能原因 :

数据结构 ( 尤其是栈 ) 应该尽可能地在自然边界上对齐。

原因在于,为了访问未对齐的内存,处理器需要作两次内存访问;而对齐的内存访问仅需要一次访问;


四.  总结


总体来说,结构体的内存对齐是拿空间来换取时间的做法;

如对上文有意见或者有错误,还请大佬们斧正,觉得有帮助的童鞋们,创作不易,蟹蟹三连!

目录
相关文章
|
6天前
|
数据采集 人工智能 安全
|
15天前
|
云安全 监控 安全
|
2天前
|
存储 SQL 大数据
删库跑路?别慌!Time Travel 带你穿回昨天的数据世界
删库跑路?别慌!Time Travel 带你穿回昨天的数据世界
243 156
|
9天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
650 5
|
12天前
|
人工智能 自然语言处理 API
一句话生成拓扑图!AI+Draw.io 封神开源组合,工具让你的效率爆炸
一句话生成拓扑图!next-ai-draw-io 结合 AI 与 Draw.io,通过自然语言秒出架构图,支持私有部署、免费大模型接口,彻底解放生产力,绘图效率直接爆炸。
792 152
|
20天前
|
机器学习/深度学习 人工智能 自然语言处理
Z-Image:冲击体验上限的下一代图像生成模型
通义实验室推出全新文生图模型Z-Image,以6B参数实现“快、稳、轻、准”突破。Turbo版本仅需8步亚秒级生成,支持16GB显存设备,中英双语理解与文字渲染尤为出色,真实感和美学表现媲美国际顶尖模型,被誉为“最值得关注的开源生图模型之一”。
1902 9
|
3天前
|
机器学习/深度学习 人工智能 监控
别把模型当宠物养:从 CI/CD 到 MLOps 的工程化“成人礼”
别把模型当宠物养:从 CI/CD 到 MLOps 的工程化“成人礼”
223 163