PHP内核--数据类型_php那种数据能存64bit 大小的长整-优快云博客

本文链接：https://blog.youkuaiyun.com/luobobaicai3/article/details/142652154

PHP内核–数据类型

简介：在PHP语言中一共拥有整形、浮点型、字符串、引用、资源、实例和数组，一共7种数据类型。其中数组实现其他语言（如python）中的元组、列表和字典等功能。本文将对PHP内核中对数据类型的一些简单内容进行讲解。

PHP内核中保存数据的结构体

结构体zval是保存PHP代码中变量的值，而zend_value则是保存了实际的值。结构体定义在zend_types.h头文件中。


typedef union _zend_value {
	zend_long         lval;				/* long value */
	double            dval;				/* double value */
	zend_refcounted  *counted;
	zend_string      *str;
	zend_array       *arr;
	zend_object      *obj;
	zend_resource    *res;
	zend_reference   *ref;
	zend_ast_ref     *ast;
	zval             *zv;
	void             *ptr;
	zend_class_entry *ce;
	zend_function    *func;
	struct {
		uint32_t w1;
		uint32_t w2;
	} ww;
} zend_value;

struct _zval_struct {
	zend_value        value;			/* value */
	union {
		uint32_t type_info;
		struct {
			ZEND_ENDIAN_LOHI_3(
				zend_uchar    type,			/* active type */
				zend_uchar    type_flags,
				union {
					uint16_t  extra;        /* not further specified */
				} u)
		} v;
	} u1;
	union {
		uint32_t     next;                 /* hash collision chain */
		uint32_t     cache_slot;           /* cache slot (for RECV_INIT) */
		uint32_t     opline_num;           /* opline number (for FAST_CALL) */
		uint32_t     lineno;               /* line number (for ast nodes) */
		uint32_t     num_args;             /* arguments number for EX(This) */
		uint32_t     fe_pos;               /* foreach position */
		uint32_t     fe_iter_idx;          /* foreach iterator index */
		uint32_t     property_guard;       /* single property guard */
		uint32_t     constant_flags;       /* constant flags */
		uint32_t     extra;                /* not further specified */
	} u2;
};

`zval`

struct zval一共有三个成员变量（value,u1,u2），大小为16Bytes。

value保存了变量中实际的值。
u1用于标识数据类型
u2用于额外的操作需要（如用于hash冲突链表的next，用于函数参数的初始化cache_slot,快速调用FAST_CALL的opline_num,用于抽象语法树节点行号的lineno,用于执行的参数个数，用于foreach的位置，用于foreach的迭代器索引，单一类型保护，常量标识）

zend_value是一个共同体，大小是8Bytes,可以保存整形，浮点型数据。还有引用计数，字符串、数组、实例、资源、引用等指针。还包括内核自用的类结构体和函数结构体。

1.整形（integer）

在PHP内核中整形保存在zend_value中的zend_long,为有符号的64位数字。对于整形来说没有引用计数，在内核编译的过程中和执行过程中，整形可以直接释放。

2.浮点型(float|double)

浮点型根据服务器所采用的标准(IEEE 754标准)不同有不同的取值。与整形不同的是，浮点型采用的是二进制科学计数法进行表示（ $0.875)_{10} = (+1.11 * 2 ^{-1})_{2}$ ）。

一个浮点数（Value）可以表示为:
Value = sign * exponent * fraction

sign 是符号位，表示浮点数的正负，占一位二进制位。
exponent 是二进制科学计数法的指数位(俗称指数域)。在单精度float标准下占8位二进制位，在双精度浮点数在占11位二进制位。以指数偏移量的形式存储，固定偏移值为 $2^{e-1}-1$ ,在单精度下为 $2^{8-1}-1 = 127$ 。如指数实际值为 $12_{(10)}$ ,则在单精度浮点数中的指数域偏码值为 $12 + 127 = 139$
fraction 是浮点数中的尾数。分数 (fraction) 部分最高有效位（即整数字）是 $1$ 。如上面的例子，在浮点数的尾数域中只保存小数点之后的二进制位。

所以上面的 $1.11 * 2^{-1}$ 可以实际表示为：

$0∣01111110∣11000000000000000000000$

符号域为 $0$ 表示正数

指数域为 $01111110$ = $126_{(10)}$ ，实际的值为 $126 - 127 = - 1$

尾数域为 $11000000000000000000000$ ,实际可以表示为 $1.11000000000000000000000$

二进制小数

以上是十进制的小数转换成二进制的科学计数法的计算过程。最后都可以用 $1.p*2^{e}_{(2)}$ 来表示。

但是不可避免的，对于浮点数的存储位有限，对于有无限位数尾数的情况，必定会产生一定精度的损失。

浮点数的有效位

单精度和双精浮点数的有效数字分别是有存储的23位和52个位，加上最左边没有存储的第1个位，即是24和53个位。

$log2^{24} = 7.22$

$log2^{53} = 15.95$

由以上计算，单精和双精浮点数可以保证7位和15位十进制有效数字。

十进制精度
9位十进制浮点数才能保证近似转化为32比特浮点再近似转化回9位十进制浮点后保持值不变，双精浮点数则为17位。

3.字符串(string)

字符串结构体

struct _zend_string {
	zend_refcounted_h gc;
	zend_ulong        h;                /* hash value */
	size_t            len;
	char              val[1];
};

成员变量：

gc：引用计数，保存了字符串被引用的次数和字符串本身的数据类型type。
h：hash值，通过time33算法计算出的字符串的hash值，大部分用于数组操作。
len：字符串长度，在字符串操作中不需要要再重复计算字符串的长度。
val[1]：字符串数组占位符，用来表示字符串开始的位置。

在内核初始化时，会生成一份hashTable用来保存内部字符串。内部字符串是在程序编译时可以确认的字符串，如类名、函数名、变量名和常量字符串等。在初始化时就已经加入了1-256的数字字符串。

<?php
    class test{
        public $info;

        public function hello(){

        }
    }

    $a = new test();
    $b = "bye";
    $c = $b."!";
    $d = "test";
>

如上面这段代码，在内核编译时，test、hello、a、b、c、bye、!这些字符串都是可以直接确定，而$c所指向的字符串bye!则需要在执行时才能确认。

zend内核将这两种情况产生的字符串分开处理，内部字符串在编译时会加入到全局字符串表interned_strings中，相同的字符串指向相同的内存地址，如类test的类名与变量$d所指向的字符串是相同，所以他们指向的是同一个内存地址。

内部字符串在程序结束才会释放。

json_encode(str,option,depth)

在option的值为JSON_UNESCAPED_UNICODE时才会解析unicode字符，不然都是暴露出除ASCII码外的unicode字符，且该范围只包括基本平面，不包括增补平面。

utf8和UTF-8

uft8是MYSQL里的字符集，表示的是使用三个字节UTF-8进行编码的unicode字符集，只能表示基本平面，即65536个字符。包括几乎所有国家和地区的文字，不包括大部分制表符、特殊符号和EMOJI表情包。

UTF-8是UNICODE字符集的编码方式，unicode字符分为0-16一共17个平面，每个平面包含65536个编码，每个字符对应一个编码。平面0称为字符集的基本面，保存了几乎所有文字。而增补平面（1-16）通常用来标识制表符、特殊符号和EMOJI表情包。

最近发布的Unicode 14.0，共计144,697个字符。

utf8和utf8mb4

utf8和utf8mb4都是MYSQL的字符集。utf8mb4支持四字节UTF-8编码的unicode字符，所以utf8mb4支持增补平面。但utf8mb4是否支持对应的unicode字符由机器所使用的unicode版本决定。

在MYSQL5.6版本中，如果sql语句包含不支持的unicode字符（如emoji表情，特殊字符等），会在该字符处截断sql语句。而在MYSQL5.7及以上版本中，会报ERROR 1366(HY000):INCORRECT STRING VALUE :。如emoji表情🈶，用unicode来表示为U+1F236，如果MYSQL所在的机器的unicode版本不支持这个emoji字符，则会报错。

二进制安全

在C语言中，字符串是以’\0’结尾。所以在一串字符串中如果存在’\0’，在对这个字符串计算长度时会以第一个’\0’为界限。

如字符串’abc\0abc\0’,字符串的长度为3而不是8。这样在字符串的操作（如拼接、查找）中都是不安全的。

而在结构体中记录字符串的长度可以避免这个问题。

数组（hashTable）

typedef struct _Bucket {
	zval              val;
	zend_ulong        h;                /* hash value (or numeric index)   */
	zend_string      *key;              /* string key or NULL for numerics */
} Bucket;

typedef struct _zend_array HashTable;

struct _zend_array {
	zend_refcounted_h gc;
	union {
		struct {
			ZEND_ENDIAN_LOHI_4(
				zend_uchar    flags,
				zend_uchar    _unused,
				zend_uchar    nIteratorsCount,
				zend_uchar    _unused2)
		} v;
		uint32_t flags;
	} u;
	uint32_t          nTableMask;
	union {
		uint32_t     *arHash;   /* hash table (allocated above this pointer) */
		Bucket       *arData;   /* array of hash buckets */
		zval         *arPacked; /* packed array of zvals */
	};
	uint32_t          nNumUsed;
	uint32_t          nNumOfElements;
	uint32_t          nTableSize;
	uint32_t          nInternalPointer;
	zend_long         nNextFreeElement;
	dtor_func_t       pDestructor;
};

PHP用数组实现了其他语言中（元组，列表，字典等）数据结构的功能。尤其是在PHP8.0中，ZEND内核为数组增加了一个flag成员变量用来标识数组是否需要通过hash取值。

PHP数组的一个重要的特点是，在数据存储上是连续。对于hashTable来说，如何解决hash冲突是非常关键的，我们不仅需要在hash算法中，尽量使索引具有足够的离散性，还需要对产生hash冲突的数据进行处理。通常的解决办法是通脱开放地址和拉链式。拉链式是解决冲突的比较好的方法，但是会造成数据存储上的不连续。而开放地址法虽然能够让数据存储在连续的内存上，但是相对拉链式会降低取值的效率。

PHP为了实现内存的连续采取了个折中的办法。通过额外的数组来保存拉链的起始索引。这样做的好处是内存释放的时候只要调用一次free就够了。而对应拉链式需要遍历每一个元素单独进行释放。

数组重构，当数组的元素满的时候（指的是占用了最后一个数组位置），会申请一份本身内存的两倍的内存用于数组的扩容并rehash。

实例（Object）

struct _zend_object {
	zend_refcounted_h gc;
	uint32_t          handle; // TODO: may be removed ???
	zend_class_entry *ce;
	const zend_object_handlers *handlers;
	HashTable        *properties;
	zval              properties_table[1];
};

成员变量包括引用计数gc，类的编译结构ce，实例操作函数表（获取方法，获取类名等）handlers，类的成员变量数组properties。

序列化与反序列化

<?php
class a{
	public $c = 12;
	protected $e = 10;
	private $d = 11;
	
	public function test(){
		echo "111";
	}

	public function __sleep(){
		return ["c","e"];
	}
}

$a = new a();
var_dump($a);
$b = serialize($a);
$c = unserialize($b);
var_dump($b);
var_dump($c);
$c->test();

serialize()函数将变量转化成字符串的形式。以字母开头来标识变量的类型，例如：N(表示变量是空的)，R:(表示变量是引用类型)，b:0(表示false),b:1(表示true),d:(表示double)，s:(表示字符串变量)，E:(表示枚举类)，O:(表示实例)；
在PHP7以上中，在序列化时会截断序列化字符串（"O:1:"a":2:{s:1:"c";i:12;s:4:"），这是因为在类的编译结构中，存储private和protected变量时，会在变量名的头部插入"\000"。在反序列化时为空实例。可以通过__sleep()魔术方法返回公共变量来规避这个问题。字符串变为（"O:1:"a":1:{s:4:"var1";i:12}"）,unserialize()之后为正常的实例。

在PHP5.4则可以正常显示为（"O:1:"a":2:{s:1:"c";i:12;s:4:"\000*\000e";i:10;}"），可以正常反序列化。