Swift进阶之内存模型和方法调度

本文深入探讨Swift的内存模型,包括栈和堆的使用、内存对齐的原理和重要性,以及自动引用计数(ARC)的工作机制。此外,文章详细介绍了方法调度的静态和动态调度,分析了Struct、Class、继承、协议和范型在方法调度中的不同行为,为优化Swift代码提供了宝贵见解。

前言

Apple今年推出了Swift3.0,较2.3来说,3.0是一次重大的升级。关于这次更新,在这里都可以找到,最主要的还是提高了Swift的性能,优化了Swift API的设计(命名)规范

前段时间对之前写的一个项目ImageMaskTransition做了简单迁移,先保证能在3.0下正常运行,只用了不到30分钟。总的来说,这次迁移还是非常轻松的。但是,有一点要注意:3.0的API设计规范较2.3有了质变,建议做迁移的开发者先看下WWDC的Swift API Design Guidelines。后面有时间了,我有可能也会总结下。


内存分配

通过查看Github上Swift的源代码语言分布

可以看到

  • Swift语言是用C++写的
  • Swift的核心Library是用Swift自身写的。

对于C++来说,内存区间如下

  • 堆区
  • 栈区
  • 代码区
  • 全局静态区

Swift的内存区间和C++类似。也有存储代码和全局变量的区间,这两种区间比较简单,本文更多专注于以下两个内存区间。

  • Stack(栈),存储值类型的临时变量,函数调用栈,引用类型的临时变量指针
  • Heap(堆),存储引用类型的实例

在栈上分配和释放内存的代价是很小的,因为栈是一个简单的数据结构。通过移动栈顶的指针,就可以进行内存的创建和释放。但是,栈上创建的内存是有限的,并且往往在编译期就可以确定的。

举个很简单的例子:当一个递归函数,陷入死循环,那么最后函数调用栈会溢出。

例如,一个没有引用类型Struct的临时变量都是在栈上存储的

struct Point{
    var x:Double // 8 Bytes
    var y:Double // 8 bytes
}
let size = MemoryLayout<Point>.size
print(size) // 16
let point1 = Point(x:5.0,y:5.0)
let instanceSize = MemoryLayout<Point>.size(ofValue: point1)
print(instanceSize) //16
那么,这个内存结构如图

Tips: 图中的每一格都是一个Word大小,在64位处理器上,是8个字节

在堆上可以动态的按需分配内存,每次在堆上分配内存的时候,需要查找堆上能提供相应大小的位置,然后返回对应位置,标记指定位置大小内存被占用。

在堆上能够动态的分配所需大小的内存,但是由于每次要查找,并且要考虑到多线程之间的线程安全问题,所以性能较栈来说低很多。

比如,我们把上文的struct改成class,

class PointClass{
   
   
    var x:Double = 0.0
    var y:Double = 0.0
}
let size2 = MemoryLayout<PointClass>.size
print(size2) //8 
let point2 = Point(x:5.0,y:5.0)
let instanceSize = MemoryLayout<Point>.size(ofValue: point2)
print(instanceSize) //8
### 加权区间调度问题的C++实现 加权区间调度问题是给定一组具有权重的任务,每个任务有一个开始结束间。目标是在不重叠的情况下选择总权重最大的子集。 #### 动态规划方法 动态编程是一种有效的方法来解决这个问题。通过预先计算每个区间的最晚兼容区间并存储这些信息,可以显著提高效率[^1]。 ```cpp #include <iostream> #include <vector> #include <algorithm> using namespace std; struct Interval { int start; int finish; double value; // 权重 }; // 找到最后一个与当前活动i相容的最大索引j (即finish[j]<=start[i]) int findLatestNonConflict(const vector<Interval>& intervals, int i) { for(int j=i-1;j>=0;j--) { if(intervals[j].finish <= intervals[i].start) return j; } return -1; } double weightedJobScheduling(vector<Interval> &jobs){ sort(jobs.begin(), jobs.end(), [](const Interval& lhs, const Interval& rhs){return lhs.finish < rhs.finish;} ); vector<double> dp(jobs.size()); dp[0]=jobs[0].value; for(size_t i=1;i<dp.size();i++){ auto includeProf = jobs[i].value; int l = findLatestNonConflict(jobs,i); if(l != -1) includeProf += dp[l]; dp[i] = max(includeProf , dp[i-1]); } return dp.back(); } ``` 此代码实现了基于动态规划的加权区间调度算法。首先按照完成间对所有作业进行了排序,接着构建了一个`dp[]`数组用于保存截止至第i项工作的最大收益。对于每一个工作,程序会尝试找到之前最近的一个与其互斥的工作,并决定是否应该加入该项工作以获得更高的累积价值[^2]。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值