SGI STL二级空间配置器源码剖析(1)

news2024/11/19 4:56:42

之前大概写过SGI STL相关的东西有关SGI STL,讲了讲空间配置器的原理,这一系列就剖析一下源码。

目录

下面就看看重要成员信息:

两个辅助接口函数:


关于C++的STL的空间配置器allocator的实现就是分了四部分:

  • allocate:负责给容器开辟内存:底层就是malloc
  • deallocate:负责给容器释放内存:底层就是free
  • construct:负责给榕溪构造一个对象:定位new
  • destroy:负责析构容器对象: p->~T()

拿C++STL里vector举例:

template<typename T,typename_Alloc=allocator<T>>
class vector{

};

在C++STL里空间配置器做的事情就是分离了对象内存的开辟,释放,对象构造,析构

我们看SGI STL的实现还是找到vector看他push_back实现会发现

 他的构造析构都是定义的全局的函数模板

SGI STL两个allocator的实现还是一级的是malloc和free,和C++STL基本无差,不过二级的用内存池的方式实现就复杂了


 进到空间配置器源码看看

 

 我们根据alloc层层找进去能看到SGI STL一级底层确实调的是malloc和free,和C++标准实现一样



直接进到二级配置器去看看

我们能看到人家写个这个__NODE_ALLOCATOR_THREADS,在线程里使用,说明SGI STL设计者保证了容器啊什么在多线程里的安全性,能直接去用。像C++ STL那就不是线程安全的了

这就到了二级空间配置器的实现


先给出实现图

 

下面就看看重要成员信息:

内存池的粒度信息

#if defined(__SUNPRO_CC) || defined(__GNUC__)
// breaks if we make these template class members:
  enum {_ALIGN = 8};//对齐八字节
  enum {_MAX_BYTES = 128};//最大字节
  enum {_NFREELISTS = 16}; //自由链表的个数  // _MAX_BYTES/_ALIGN
#endif

每一个内存块的头信息

 

  //将_bytes上调至最邻近的8的倍数
  static size_t
  _S_round_up(size_t __bytes) 
    { return (((__bytes) + (size_t) _ALIGN-1) & ~((size_t) _ALIGN - 1)); }

__PRIVATE:
  union _Obj {
        union _Obj* _M_free_list_link;//自由链表的连接
        char _M_client_data[1];    /* The client sees this.        */
  };

在源码里面多线程下有很多volatile,为的就是防止数据缓存,每次都从内存读数据

s_free_list就是数组名,_NFREELISTS 就是元素个数,挂了多少个链表


template <bool __threads, int __inst>
char* __default_alloc_template<__threads, __inst>::_S_start_free = 0;

template <bool __threads, int __inst>
char* __default_alloc_template<__threads, __inst>::_S_end_free = 0;

template <bool __threads, int __inst>
size_t __default_alloc_template<__threads, __inst>::_S_heap_size = 0;

两个辅助接口函数:

//将_bytes上调至最邻近的8的倍数
  static size_t _S_round_up(size_t __bytes) 
    { return (((__bytes) + (size_t) _ALIGN-1) & ~((size_t) _ALIGN - 1)); }
//返回小于_bytes大小的chunk块位于free-list的编号
  static  size_t _S_freelist_index(size_t __bytes) {
        return (((__bytes) + (size_t)_ALIGN-1)/(size_t)_ALIGN - 1);
  }
  

ALIGN是8,用size_t无符号整型强转成4字节,然后再取反,把两个按位与

1~8=>8

9~16=>16

....

(size_t) _ALIGN-1=>00000000 00000000 00000000 00000111  后面加_bytes

~((size_t) _ALIGN - 1)=>11111111 11111111 11111111 11111000

我们要申请1字节就会定位到第一个chunk块,0下标8字节位置,从链表上分配出去8字节

本节over

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/191631.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

云原生学习——容器的基本概念和Kubernetes 核心概念

https://developer.aliyun.com/learning/course/572/detail/7786什么是容器(Container)&#xff1f;什么是镜像(docker)&#xff1f;分层和复用运行后名称为 demo&#xff0c;进程是top命令二、容器的生命周期数据卷是一个特殊的目录四、容器 VS VM虚拟机一、什么是 Kubernetes…

KD:Distilling the Knowledge in a Neural Network 原理与代码解析

paper&#xff1a;Distilling the Knowledge in a Neural Networkcode&#xff1a;https://github.com/megvii-research/mdistiller/blob/master/configs/cifar100/kd.yaml存在的问题训练阶段&#xff0c;我们可以不考虑计算成本和训练时间&#xff0c;为了更高的精度训练一个很…

小程序提升篇-npm、数据共享、分包、自定义tabBar

npm 包的使用1.1 npm限制小程序支持npm第三方包&#xff0c;提高开发效率&#xff0c;有以下三种限制&#xff1a;不支持依赖node.js内置库包不支持依赖浏览器内置对象的包不支持依赖C插件的包限制较多&#xff0c;因此小程序可以使用的包不多1.2 Vant Weapp是一套开源的小程序…

带你读懂——频率响应与采样频率之间的关系

频响范围 频率响应&#xff1a;不同频率下的输入信号经过系统后响应之后的输出信号增益。大白话就是&#xff0c;输入信号频率是xxx Hz&#xff0c;幅值为yyy mg&#xff0c;观察此时的输出信号幅值为AyAyAy mg&#xff0c;此时升高或降低了AAA倍。 电压增益计算公式&#xff…

浅读人月神话笔记(2)

读书笔记&#xff1a;今日翻书浅读&#xff0c;从《为什么巴比伦塔会失败》开始至《干将莫邪》结束&#xff0c;巴比伦塔的建造对当下项目推进有广泛借鉴意义&#xff0c;今天这几个章节在PMBOK中有一些可以互相对照学习的内容&#xff0c;《为什么巴比伦塔会失败&#xff1f;》…

RPA自动化办公04——软件自动化(excel,word,浏览器)

参考&#xff1a;软件自动化_UiBot开发者指南 虽然我们可以使用前面的鼠标点击等操作打开excel表然后写入什么的&#xff0c;但是直接用Uibot里面的命令会更方便。 Excel 在旁边的命令里面打开excel簿 随便选一个excel表实验一下&#xff0c;然后读取区域&#xff0c;可以选。…

使用字典快速获取唯一值与重复值【单个字典对象】

在以前的博客《使用字典快速获取唯一值与重复值&#xff08;交集与并集&#xff09;》使用多个字典对象获取交集与并集&#xff0c;最近有同学提问&#xff0c;是否可以只使用一个字典对象实现相同的功能&#xff0c;对于有“编程洁癖”的同学来说&#xff0c;可能不喜欢使用多…

记录:windows+opencv3.4.16+vs2013+cmake编译

环境&#xff1a;vs2013,x64&#xff0c;opencv3.4.16&#xff0c;cmakeopencv官网&#xff1a;https://opencv.org/releases/1、opencv source下载&#xff1a;因为想用vs2013&#xff0c;现在opencv官网windows版安装包只有vc14和vc15了&#xff0c;只能自己编译了。找一个自…

良心无广的3款软件,每一款都逆天好用,且用且珍惜

闲话少说&#xff0c;直上干货&#xff01; 1、清浊 清浊是一款强大到离谱的国产手机清理APP&#xff0c;追求简约至上&#xff0c;界面非常清爽&#xff0c;无任何弹弹屏广告&#xff0c;值得关注的是&#xff0c;这款软件完全免费使用&#xff0c;常规清理、应用清理、空文件…

活体识别4:论文笔记之《Face Spoofing Detection Using Colour Texture Analysis》

说明 本文是我对论文《Face Spoofing Detection Using Colour Texture Analysis》做的一个简单笔记。 这个论文是芬兰奥卢大学(Oulu)课题组的一篇很有代表性的论文&#xff0c;写于2016年&#xff0c;使用的是“手工特征SVM分类器”这种比较传统的方案&#xff0c;方案不复杂&…

吾爱2023新年红包题第三题

吾爱论坛2023年春节红包安卓题&#xff0c;随便玩一玩&#xff1b; https://www.52pojie.cn/thread-1738015-1-1.html 第三题&#xff1a;https://www.52pojie.cn/home.php?modtask&doview&id22 首先我们下载后&#xff0c;打开apk是提示要点击 999次即可通关&…

Docker - 4. Docker 帮助启动类命令

目录 1. 启动 docker 2. 停止 docker 3. 重启 docker 4. 查看 docker 状态 5. 保持开机自动启动 6. 显示 docker 版本信息 7. 显示 docker 系统信息 8. 查看 docker 总体帮助文档 9. 查看 docker 命令帮助文档 1. 启动 docker systemctl start docker 2. 停止 dock…

macm1安装tensorflow以及pycharm配置

macm1安装tensorflow以及pycharm配置 本文目录macm1安装tensorflow以及pycharm配置使用MacOS 12安装conda创建一个conda环境安装tensorflowpycharm配置使用MacOS 12 必需条件&#xff1a;macOS 12 安装conda 安装Miniforge&#xff08;包含conda及一个python环境&#xff09;…

RabbitMQ消息队列实战(2)—— Java调用RabbitMQ的三种方式

本文主要介绍Java中调用RabbitMQ的三种方式。三种方式实际上对应了三种不同的抽象级别&#xff1a;首先&#xff0c;通过Java原生代码来访问RabbitMQ。在这种方式下&#xff0c;需要手动创建Connection&#xff0c;创建Channel&#xff0c;然后通过Channel对象可以显式的创建Ex…

基于springboot+vue的问卷调查系统(前后端分离)

博主主页&#xff1a;猫头鹰源码 博主简介&#xff1a;Java领域优质创作者、CSDN博客专家、公司架构师、全网粉丝5万、专注Java技术领域和毕业设计项目实战 主要内容&#xff1a;毕业设计(Javaweb项目|小程序等)、简历模板、学习资料、面试题库、技术咨询 文末联系获取 功能分析…

学校机房高效稳定,一招见效

校园安全作为公共安全领域重要的一部分&#xff0c;一直以来都格外受到重视。近年来&#xff0c;各地区陆续发布了多项加强校园安全管理的政策、法规及标准规范&#xff0c;旨在贯彻落实构建“平安校园”的宗旨&#xff0c;不断完善校园的人防、物防、技防建设。 学校机房常见四…

AutoLisp演练(二)

一、自动绘制出多个等半径圆相切 1.输入基准点baspt 2.输入小圆半径rad 3. 输入欲相切的圆的数量num 4.自动绘制出多个等半径圆相切 5. 涉及到相关变量&#xff0c;设定为baspt、rad、num、midpt、cenpt、kk、ang1、ang2 二、程序代码实现 三、测试及效果 测试一 四、…

盘点一些惊艳一时的 CSS 属性

✨ 个人主页&#xff1a;山山而川~xyj ⚶ 作者简介&#xff1a;前端领域新星创作者&#xff0c;专注于前端各领域技术&#xff0c;共同学习共同进步&#xff0c;一起加油&#xff01; &#x1f386; 系列专栏&#xff1a; web 大前端 &#x1f680; 学习格言&#xff1a;与其临…

2023爬虫学习笔记 -- 某狗网站爬取数据

一、爬取某狗网站的首页1、导入需要的库文件import requests2、指定我们要访问的网址网页"https://www.sogou.com"3、获取服务器的返回的所有信息响应requests.get(网页)4、通过text属性&#xff0c;从返回信息中读取字符串内容响应内容响应.text5、查看读取到的内容…

唐宇迪机器学习实战课程笔记(全)

1. 线性回归1.1线性回归理论1.2线性回归实战2.分类模型评估(Mnist实战SGD_Classifier)2.1 K折交叉验证K-fold cross validation2.2 混淆矩阵Confusion Matrix2.3 准确率accuracy、精度precision、召回率recall、F12.4 置信度confidence2.5 ROC曲线3.训练调参基本功(LinearRegre…