TIPI: 深入理解PHP内核

第六节写时复制（Copy-On-Write）

写时复制（Copy-on-Write，也缩写为COW），顾名思义，就是在写入时才真正复制一份内存进行修改。 COW最早应用在*nix系统中对线程与内存使用的优化，后面广泛的被使用在各种编程语言中，如C++的STL等。在PHP内核中，COW也是主要的内存优化手段。在前面关于变量和内存的讨论中，引用计数对变量的销毁与回收中起着至关重要的标识作用。引用计数存在的意义，就是为了使得COW可以正常运作，从而实现对内存的优化使用。

写时复制的作用

经过上面的描述，大家可能会COW有了个主观的印象，下面让我们看一个小例子，非常容易看到COW在内存使用优化方面的明显作用：

<?php
$j = 1;
var_dump(memory_get_usage());
 
$tipi = array_fill(0, 100000, 'php-internal');
var_dump(memory_get_usage());
 
$tipi_copy = $tipi;
var_dump(memory_get_usage());
 
foreach($tipi_copy as $i){
    $j += count($i); 
}
var_dump(memory_get_usage());
 
?>
//-----执行结果-----
$ php t.php 
int(630904)
int(10479840)
int(10479944)
int(10480040)

上面的代码比较典型的突出了COW的作用，在一个数组变量$tipi被赋值给$tipi_copy时，内存的使用并没有立刻增加一半，甚至在循环遍历数 $tipi_copy时，实际上遍历的，仍是$tipi指向的同一块内存。

也就是说，即使我们不使用引用，一个变量被赋值后，只要我们不改变变量的值，也与使用引用一样。进一步讲，就算变量的值立刻被改变，新值的内存分配也会洽如其分。据此我们很容易就可以想到一些COW可以非常有效的控制内存使用的场景，如函数参数的传递，大数组的复制等等。

在这个例子中，如果$tipi_copy的值发生了变化，$tipi的值是不应该发生变化的，那么，此时PHP内核又会如何去做呢？我们引入下面的示例：

<?php
//$tipi = array_fill(0, 3, 'php-internal');  
//这里不再使用array_fill来填充 ，为什么？
$tipi[0] = 'php-internal';
$tipi[1] = 'php-internal';
$tipi[2] = 'php-internal';
var_dump(memory_get_usage());
 
$copy = $tipi;
xdebug_debug_zval('tipi', 'copy');
var_dump(memory_get_usage());
 
$copy[0] = 'php-internal';
xdebug_debug_zval('tipi', 'copy');
var_dump(memory_get_usage());
 
?>
//-----执行结果-----
$ php t.php 
int(629384)
tipi: (refcount=2, is_ref=0)=array (0 => (refcount=1, is_ref=0)='php-internal', 1 => (refcount=1, is_ref=0)='php-internal', 2 => (refcount=1, is_ref=0)='php-internal')
copy: (refcount=2, is_ref=0)=array (0 => (refcount=1, is_ref=0)='php-internal', 1 => (refcount=1, is_ref=0)='php-internal', 2 => (refcount=1, is_ref=0)='php-internal')
int(629512)
tipi: (refcount=1, is_ref=0)=array (0 => (refcount=1, is_ref=0)='php-internal', 1 => (refcount=2, is_ref=0)='php-internal', 2 => (refcount=2, is_ref=0)='php-internal')
copy: (refcount=1, is_ref=0)=array (0 => (refcount=1, is_ref=0)='php-internal', 1 => (refcount=2, is_ref=0)='php-internal', 2 => (refcount=2, is_ref=0)='php-internal')
int(630088)

从上面例子我们可以看出，当一个数组整个被赋给一个变量时，只是将内存将内存地址赋值给变量。当数组的值被改变时，Zend内核重新申请了一块内存，然后赋之以新值，但不影响其他值的内存状态。写时复制的最小粒度，就是zval结构体，而对于zval结构体组成的集合（如数组和对象等），在需要复制内存时，将复杂对象分解为最小粒度来处理。这样做就使内存中复杂对象中某一部分做修改时，不必将该对象的所有元素全部“分离”出一份内存拷贝，从而节省了内存的使用。

写时复制的实现

由于内存块没有办法标识自己被几个指针同时使用，仅仅通过内存本身并没有办法知道什么时候应该进行复制工作，这样就需要一个变量来标识这块内存是“被多少个变量名指针同时指向的”，这个变量，就是前面关于变量的章节提到的：引用计数。

这里有一个比较典型的例子：

<?php
    $foo = 1;
    xdebug_debug_zval('foo');
    $bar = $foo;
    xdebug_debug_zval('foo');
    $bar = 2;
    xdebug_debug_zval('foo');   
?>
//-----执行结果-----
foo: (refcount=1, is_ref=0)=1
foo: (refcount=2, is_ref=0)=1
foo: (refcount=1, is_ref=0)=1

经过前文对变量的章节，我们可以理解当$foo被赋值时，$foo变量的引用计数为1。当$foo的值被赋给$bar时，PHP并没有将内存直接复制一份交给$bar，而是直接把$foo和$bar指向同一个地址。这时，我们可以看到refcount=2; 最后，我们更改了$bar的值，这时如果两个变量再指向同一个内存地址的话，其值就会同时改变，于是，PHP内核这时将内存复制出来一份，并将其值写为2 ，（这个操作也称为分离操作），同时维护原$foo变量的引用计数：refcount=1。

上面小例子中的xdebug_debug_zval()是xdebug扩展中的一个函数，用于输出变量在zend内部的引用信息。如果你没有安装xdebug扩展，也可以使用debug_zval_dump()来代替。参考：http://www.php.net/manual/zh/function.debug-zval-dump.php

写时复制应用的场景很多，最常见是赋值和函数传参。在上面的例子中，就使用了zend_assign_to_variable()函数（Zend/zend_execute.c）对变量的赋值进行了各种判断和处理。其中最终处理代码如下：

if (PZVAL_IS_REF(value) && Z_REFCOUNT_P(value) > 0) {
    ALLOC_ZVAL(variable_ptr);
    *variable_ptr_ptr = variable_ptr;
    *variable_ptr = *value;
    Z_SET_REFCOUNT_P(variable_ptr, 1);
    zval_copy_ctor(variable_ptr);
} else {
    *variable_ptr_ptr = value;
    Z_ADDREF_P(value);
}

从这段代码可以看出，如果要进行操作的值已经是引用类型（如已经被&操作符操作过）, 则直接重新分配内存，否则只是将value的地址赋与变量，同时将值的zval_value.refcount进行加1操作。

如果大家看过前面的章节，应该对变量存储的结构体zval（Zend/zend.h）还有印象：

typedef struct _zval_struct zval;
...
struct _zval_struct {
    /* Variable information */
    zvalue_value value;     /* value */
    zend_uint refcount__gc;
    zend_uchar type;    /* active type */
    zend_uchar is_ref__gc;
};

PHP对值的写时复制的操作，主要依赖于两个参数：refcount__gc与is_ref__gc。如果是引用类型，则直接进行“分离”操作，即时分配内存，否则会写时复制，也就是在修改其值的时候才进行内存的重新分配。

写时复制的规则比较繁琐，什么情况会导致写时复制及分离，是有非常多种情况的。在这里只是举一个简单的例子帮助大家理解，后续会在附录中列举PHP中所有写时复制的相关规则。

写时复制的矛盾，PHP中不推荐使用&操作符的部分解释

上面是一个比较典型的例子，但现实中的PHP实现经过各种权衡，甚至有时对一个特性的支持与否，是互相矛盾且难以取舍的。比如，unset()看上去是用来把变量释放，然后把内存标记于空闲的。可是，在下面的例子中，unset并没有使内存池的内存增加：

<?php
$tipi = 10;
$o_o  = &$tipi;
unset($o_o);
echo $tipi;
?>

理论上$o_o是$tipi的引用，这两者应该指向同一块内存，其中一个被标识为回收，另一个也应该被回收才是。但这是不可能的，因为内存本身并不知道都有哪些指针指向了自已。在C中，o_o这时的值应该是无法预料的，但PHP不想把这种维护变量引用的工作交给用户，于是，使用了折中的方法，unset()此时只会把tipi变量名从hashtable中去掉，而内存值的引用计数减1。实际的内存使用完全没有变化。

试想，如果$tipi是一个非常大的数组，或者是一个资源型的变量。这种情形绝对是我们不想看到的。

上面这个例子我们还可以理解，如果每个这种类似操作都要用户来关心。那PHP就是变换了语法的C了。而下面的这个例子，与其说是语言特性，倒不如说是更像BUG多一些。（事实上对此在PHP官方的邮件组里有也争论）

<?php
$foo ['love'] = 1;
$bar  = &$foo['love'];
$tipi = $foo;
$tipi['love'] = '2';
echo $foo['love'];
?>

这个例子最后会输出 2 ，大家会非常惊讶于$tipi怎么会影响到$foo, 这完全是两个不同的变量么！至少我们希望是这样。

关于这个例子的原理，相信大家仔细推敲一下，不难找到答案。我们也欢迎大家在下方留言，或者进行讨论。

最后，不推荐大家使用 & ，让PHP自己决定什么时候该使用引用好了，除非你知道自己在做什么。