C#中的值类型及装箱

 

尽管在.NET框架里，我们不需要为内存管理以及垃圾收集操心，但我们还是应该了解它们，来优化我们的应用程序。其中之一便是，公共语言运行环境（CLR）是如何处理对值类型的引用的。 当一个值类型实例被转换成System.Object类型或是接口时，CLR需要把值类型转换为一个恰当的引用类型。然后在托管堆上分配内存并将对象拷上去。我们之所以要了解它，有两个原因：装箱是一个非常耗费资源的过程（将整个对象从栈上拷到堆上会耗费处理器周期以及托管堆空间），我们因此（装箱）而有了两个在内存中可以有相矛盾状态的对象。 这是一个简单的装箱的例子。 int i = 0; object obj = (object) i;     //装箱 obj = ((int) i) + 3;     // 在堆上改变i的值 i += 1;     // 在栈上改变i的值 Console.WriteLine(obj.ToString()); Console.WriteLine(i.ToString()); 结果： 下面来一步一步分析这一过程 第一步：i 被放放置在栈上 第二步：i 被拷到堆上（装箱）并将 obj 放到栈上，obj 的值是在堆上的新对象的内在地址（即指针） 第三步：在堆上的对象被更新，值变为3 第四步：在栈上的对象 i 被更新，值变为1 下面是一个更复杂的例子： class Class1 {     [STAThread]     static void Main(string[] args)     {         MyInt test = new MyInt();         test.value = 100;         test.AddOne();         aDelegate del = new aDelegate(test.AddOne);         del();         test.AddOne();     } } public delegate void aDelegate(); public struct MyInt {     public int value;     public void AddOne()     {         Console.WriteLine(string.Format("Before: {0}", value.ToString()));         value += 1;         Console.WriteLine(string.Format("After : {0}", value.ToString()));     } }

 

 

 

下面是输出: 结果有没有让你感意外？发生了什么？让我们来分析一下它的过程。在Main()和args[]被置于栈上后，主函数开始执行： 第一步：test被置于栈上 第二步：AddOne()被置于栈上并执行，将Mint.value的值变为101; 第三步：AddOne()被从栈上移除，Myint被装箱（拷）到堆上。现在Del指向MyInt对象在堆上的版本。 第四步：装箱的对象的AddOne()被调用，将其值更新为102. 第五步：来自堆的AddOne()被移除 第六步：Myint对象在栈上的版本(即test)的AddOne()入栈，将其值变为102. 最后：主函数执行完毕，栈被清空。而留在堆上的对象则等待被垃圾回收。 下面让我们做一个改变，来提高我们的应用程序的性能，并使其结果更符合我们的意愿。如果我们将MyInt改为引用类型，我们就只需处理在堆上的一个对象并且没有装箱的过程。 public class MyInt {     public int value;     public void AddOne()     {         Console.WriteLine(string.Format("Before: {0}", value.ToString()));         value += 1;         Console.WriteLine(string.Format("After : {0}", value.ToString()));     } } 修改后，我们得到了我们期望的结果： Before: 100 After : 101 Before: 101 After : 102 Before: 102 After : 103 总结 当我们在一个值类型上调用ToString()或是GetType()，会有更多的意想不到的装箱过程。因为在这种情况下，方法是从基类（System.Object）被调用，所以必需经过装箱过程后，方法才能被调用。当我们将值类型加入ArrayList()（在这种情况下它们被类型转换为System.Object）时也会发生装箱过程。你可以想象，当装箱过程大规模发生时，将会严重影响程序的性能。