[置顶] PHP内核探索之变量（2）-理解引用

本文主要内容：

1. 引论
2. 符号表与zval
3. 援用原理
4. 回到最初的问题

1、引论

　　很久之前写了1篇关于援用的文章，当时写的寥寥草草，很多原理都没有说清楚。最近在翻阅Derick Rethans（home: http://derickrethans.nl/ Github: https://github.com/derickr）大牛之前做的报告时，发现了1篇讲授PHP援用机制的文章,也就是这个PDF.文中从zval和符号表的角度讲授了援用计数、援用传参、援用返回、全局参数等的原理，洋洋洒洒，图文并茂，甚是精彩，建议童鞋们有时间都读读原版，相信会有很多的收获。

　　空话不多说，接着说今天的正题。

　　我们知道，很多语言都提供了援用的机制，援用可让我们使用不同的名字（或符号）访问一样的内容。PHP手册中对援用的定义是："在PHP中援用意味着用不同的名字访问同1个变量内容。这其实不像C的指针，替换的是，援用是符号表别名。"，换句话说，援用实现了某种情势的"绑定"。例如我们常常碰到的这类面试题，便是援用的典范：

$a = array(1,2,3,4); foreach($a as &$v){ $v *= $v; } foreach($a as $v){ echo $v; }

　　抛开本题的输出不谈，我们今天就跟随Derick Rethans先辈的脚步，1步1步去揭开援用的神秘面纱。

2、  符号表和zval

　　在开始援用的原理之前，我们有必要对文中反复出现的术语做个简单的说明，其中最主要也最重要的便是: 1.符号表 2.zval.

1.　　 符号表

　　计算机语言是人与机器交换的工具，但不幸的是，我们赖以生存和引以为傲的高级语言却没法直接在计算机上履行，由于计算机只能理解某种情势的机器语言。这意味着，高级语言必须要经过编译（或解释）进程才能被计算机理解和履行。在这其间，要经过词法分析、语法分析、语义分析、中间代码生成和优化等很多复杂的进程，而这些进程中，编译程序可能要反复用到源程序中出现的标识符等信息（例如变量的类型检查、语义分析阶段的语义检查），这些信息便是保存在不同的符号表中的。符号表保存了源程序中标识符的名字和属性信息，这些信息可能包括：类型、存储类型、作用域、存储分配信息和其他1些额外信息等。为了高效的插入和查询符号表项，很多编译器的符号表都使用Hashtable来实现。我们可以简单的理解为：符号表就是1个保存了符号名和该符号的各类属性的hashtable或map。例如，对程序：

$str = 'this is a test'; function foo( $a, $b ){ $tmp = 12; return $tmp + $a + $b; } function to(){ }

1个可能的符号表(并不是实际的符号表)是类似这样的结构：

 

　　我们其实不去关注符号表的具体结构，只需要知道：每一个函数、类、命名空间等都有自己的独立的符号表（与全局的符号表分开）。说到这里，突然想起来1件事情，最开始使用PHP编程的时候，在读extract()函数的手册时，对"从数组中将变量导入到当前的符号表"这句话的含义百思不得其解，更是对先辈们所说的"不建议使用extract($_POST)和extract($_GET)提取变量"的建议万分苦恼。实际上，extract的滥用不但会有严重的安全性问题，而且会污染当前的符号表( active symbol table)。

　　那末active symbol table又是甚么东西呢？

　　我们知道，PHP代码的履行进程中，几近都是从全局作用域开始，顺次扫描，顺序履行。如果遇到函数调用，则进入该函数的内部履行，该函数履行终了以后会返回到调用程序继续履行。这意味着，必须要有某种机制用于辨别不同阶段所要使用的符号表，否则就会造成编译和履行的错乱。Active symbol table便是用于标志当前活动的符号表（这时候应当最少存在着全局的global symbol table和活动的active symbol table，通常情况下，active symbol table就是指global symbol table）。符号表其实不是1开始就建立好的，而是随着编译程序的扫描不断添加和更新的。在进入函数调用时，zend（PHP的语言解释引擎）会创建该函数的符号表，并将active symbol table指向该符号表。也就是说，在任意时刻使用的的符号表都应当是当前的active symbol table。

　　以上就是符号表的全部内容了，我们简单抽离1下其中的关键内容：

1. 符号表记录了程序中符号的name-attribute对，这些信息对编译和履行是相当重要的。
2. 符号表类似1个map或hashtable
3. 符号表不是1开始就建立好的，而是不断添加和更新的进程。
4. 活动符号表是1个指针，指向的是当前活动的符号表。

　　更多的资料可以查看：

　　1. http://www.scs.stanford.edu/11wi-cs140/pintos/specs/sysv-abi-update.html/ch4.symtab.html

　　2. http://arantxa.ii.uam.es/~modonnel/Compilers/04_SymbolTablesI.pdf

2.       Zval

　　在上1篇博客（PHP内核探索之变量（1）Zval）中，我们已对zval的结构和基本原理有了1些了解。对zval不了解的童鞋可以先看看。为了方便浏览，我们再次贴出zval的结构：

struct _zval_struct {
    zvalue_value value;       /* value */
    zend_uint refcount__gc;   /* variable ref count */
    zend_uchar type;         /* active type */
    zend_uchar is_ref__gc;    /* if it is a ref variable */
};

typedef struct _zval_struct zval;

3、援用

1.　　援用计数

　　正如上节所言，zval是PHP变量底层的真正容器，为了节省空间，其实不是每一个变量都有自己独立的zval容器，例如对赋值（assign-by-value）操作:$a = $b（假定$b,$a都不是援用型变量），Zend其实不会为$b变量开辟新的空间，而是将符号表中a符号和b符号指向同1个zval。只有在其中1个变量产生变化时，才会履行zval分离的操作。这被称为COW(Copy-on-write)的机制，可以在1定程度上节省内存和提高效力。

　　为了实现上述机制，需要对zval的援用状态做标记，zval的结构中，refcount__gc便是用于计数的，这个值记录了有多少个变量指向该zval, 在上述赋值操作中,$a=$b ,会增加原始的$b的zval的refcount值。关于这1点，上次(PHP内核探索之变量（1）Zval)已做了详细的解释，这里不再赘述。

2.         函数传参

　　在脚本履行的进程中，全局的符号表几近是1直存在的，但除这个全局的global symbol table，实际上还会生成其他的symbol table：例如函数调用的进程中，Zend会创建该函数的内部symbol table，用于寄存函数内部变量的信息，而在函数调用结束后，会删除该symbol table。我们接下来以1个简单的函数调用为例，介绍1下在传参的进程中，变量和zval的状态变化,我们使用的测试脚本是：

function do_zval_test($s){ $s = "change "; return $s; } $a = "before"; $b = do_zval_test($a);

我们来逐渐分析:

(1).   $a = "before";

　　这会为$a变量开辟1个新的zval（refcount=1,is_ref=0）,以下所示：

　　

(2).   函数调用do_zval_test($a)

　　由于函数的调用，Zend会为do_zval_test这个函数创建单独的符号表（其中包括该函数内部的符号s），同时，由于$s实际上是函数的形参，因此其实不会为$s创建新的zval，而是指向$a的zval。这时候，$a指向的zval的refcount应当为3（分别是$a,$s和函数调用堆栈）：

a: (refcount=3, is_ref=0)='before func'

　　以下图所示：

　　                  

(3).函数内部履行$s = "change "

　　由于$s的值产生了改变，因此会履行zval分离，为s专门copy生成1个新的zval:

 

(4).函数返回 return $s ; $b = do_zval_test($a).

　　$b与$s同享zval（暂时），准备烧毁函数中的符号表：

 

(5).   烧毁函数中的符号表，回到Global环境中：

 

　　这里我们顺便说1句，在你使用debug_zval_dump()等函数查看zval的refcount时，会令zval本身的refcount值加1，所以实际的refcount的值应当是打印出的refcount减1，以下所示：

$src = "string"; debug_zval_dump($src);

结果是：

string(6) "string" refcount(2)

3.         援用初探

同上，我们还是直接上代码，然后1步步分析（这个例子比较简单，为了完全性，我们还是略微分析1下）：

$a = "simple test"; $b = &a; $c = &a; $b = 42; unset($c); unset($b);

则变量与zval的对应关系以下图所示：（因而可知，unset的作用仅仅是将变量从符号表中删除，并减少对应zval的refcount值）

 

上图中值得注意的最后1步，在unset($b)以后，zval的is_ref值又变成了0。

那如果是混合了援用（assign-by-reference）和普通赋值(assign-by-value)的脚本，又是甚么情况呢？

我们的测试脚本：

(1). 先普通赋值后援用赋值

$a = "src"; $b = $a; $c = &$b;

具体的进程见下图：

 

(2). 先援用赋值后普通赋值

$a = "src"; $b = &$a; $c = $a;

具体进程见下图：

 

4.　　传递援用

一样，向函数传递的参数也能够以援用的情势传递，这样可以在函数内部修改变量的值。作为实例，我们仍使用2（函数传参）中的脚本，只是参数改成援用的情势：

function do_zval_test(&$s){ $s = "after"; return $s; } $a = "before"; $b = do_zval_test($a);

这与上述函数传参进程基本1致，不同的是，援用的传递使得$a的值产生了变化。而且，在函数调用结束以后 $a的is_ref恢复成0：

 

可以看出，与普通的值传递相比，援用传递的不同在于：

(1)     第3步 $s = "change";时，并没有为$s新建1个zval，而是与$a指向同1个zval,这个zval的is_ref=1。

(2)     还是第3步。$s = "change";履行后，由于zval的is_ref=1，因此,间接的改变了$a的值

5.　　援用返回

　　PHP支持的另外一个特性是援用返回。我们知道，在C/C++中，函数返回值时，实际上会生成1个值的副本，而在援用返回时，其实不会生成副本，这类援用返回的方式可以在1定程度上节省内存和提高效力。而在PHP中，情况其实不完全是这样。那末，究竟甚么是援用返回呢？PHP手册上是这么说的："援用返回用在当想用函数找到援用应当被绑定在哪个变量上面时"，是否是1头雾水，完全不知所云？其实，英文手册上是这样描写的"Returning by reference is useful when you want to use a function to find to which variable a reference should be bound"。提取文中的主干和关键点，我们可以得到这样的信息：

（1）.       援用返回是将援用绑定在1个变量上。

（2）.       这个变量不是肯定的，而是通过函数得到的（否者我们就能够使用普通的援用了）。

这其实也说明了援用返回的局限性：函数必须返回1个变量，而不能是1个表达式，否者就会出现类似下面的问题：

PHP Notice:  Only variable references should be returned by reference in xxx(参看PHP手册中的Note).

那末，援用返回时如何工作的呢？例如，对以下的例子：

function &find_node($key,&$tree){ $item = &$tree[$key]; return $item; } $tree = array(1=>'one',2=>'two',3=>'three'); $node =& find_node(3,$tree); $node ='new';

Zend都做了哪些工作呢？我们1步步来看。

(1).    $tree = array(1=>'one',2=>'two',3=>'three')

同之前1样，这会在Global symbol table中添加tree这个symbol，并生成该变量的zval。同时，为数组$tree的每一个元素都生成相应的zval：

tree: (refcount=1, is_ref=0)=array (
    1 => (refcount=1, is_ref=0)='one',
    2 => (refcount=1, is_ref=0)='two',
    3 => (refcount=1, is_ref=0)='three'
)

以下图所示：

（2）. find_node(3,&$tree)

　　由于函数调用，Zend会进入函数的内部，创建该函数的内部symbol table，同时，由于传递的参数是援用参数，因此zval的is_ref被标志为1，而refcount的值增加为3（分别是全局tree,内部tree和函数堆栈）：

 

（3）$item = &$tree[$key];

　　由于item是$tree[$key]的援用（在本例的调用中，$key是3），因此更新$tree[$key]指向zval的is_ref和refcount值：

 

（4）return $item，并履行援用绑定：

（5）函数返回，烧毁局部符号表。

　　tree对应的zval的is_ref恢复了0，refcount=1,$tree[3]被绑定在了$node变量上，对该变量的任何改变都会间接更改$tree[3]:  

            

（6） 更改$node的值，会反射到$tree的节点上，$node ='new'：

 

Note:为了使用援用返回，必须在函数定义和函数调用的地方都显式的使用&符号。

6.    Global关键字

PHP中允许我们在函数内部使用Global关键字援用全局变量（不加global关键字时援用的是函数的局部变量），例如：

$var = "outside"; function inside() { $var = "inside"; echo $var; global $var; echo $var; } inside();

输出为insideoutside

我们只知道global关键字建立了1个局部变量和全局变量的绑定，那末具体机制是甚么呢？

使用以下的脚本测试：

$var = "one"; function update_var($value){ global $var; unset($var); global $var; $var = $value; } update_var('four'); echo $var;

具体的分析进程为：

（1）.$var = 'one';

     同之前1样，这会在全局的symbol table中添加var符号,并创建相应的zval：

 

(2).update_var('four')

     由于直接传递的是string而不是变量，因此会创建1个zval,该zval的is_ref=0,ref_count=2(分别是形参$value和函数的堆栈)，以下所示：

 

（3）global $var

　　global $var这句话，实际上会履行两件事情:

    (1).在函数内部的符号表中插入局部的var符号

    (2).建立局部$var与全局变量$var之间的援用.

（4）unset($var);

     这里要注意的是，unset只是删除函数内部符号表中var符号，而不是删除全局的。同时，更新原zval的refcount值和is_ref援用标志（援用解绑）：

 

(5).global $var

     同3，再次建立局部$var与全局的$var的援用：

 

（6）$var = $value;

　　更改$var对应的zval的值，由于援用的存在，全局的$var的值也随之改变：

                  

（7）函数返回，烧毁局部符号表（又回到最初的出发点，但，1切已大不1样了）：

 

据此，我们可以总结出global关键字的进程和特性：

1. 函数中声明global，会在函数内部生成1个局部的变量，并与全局的变量建立援用。
2. 函数中对global变量的任何更改操作都会间接更改全局变量的值。
3. 函数unset局部变量不会影响global，而只是消除与全局变量的绑定。

4、回到最初的问题

现在，我们对援用已有了1个基本的认识。让我们回到最初的问题：

$a = array(1,2,3); foreach($a as &$v){ $v *= $v; } foreach($a as $v){ echo $v; }

这当中，究竟产生了甚么事情呢？

(1).$a = array(1,2,3);

这会在全局的symbol table中生成$a的zval并且为每一个元素也生成相应的zval：

 

(2).   foreach($a as &$v) {$v *= $v;}

这里由因而援用绑定，所以相当于对数组中的元素履行:

$v = &$a[0];
$v = &$a[1];
$v = &$a[2];

履行进程以下:

我们发现，在这次的foreach履行终了以后，$v = &$a[2].

（3）第2次foreach循环

foreach($a as $v){ echo $v; }

这次由于是普通的assign-by-value的赋值情势，因此，类似与履行：

$v = $a[0];
$v = $a[1];
$v = $a[2];

别忘了$v现在是$a[2]的援用，因此，赋值的进程会间接更改$a[2]的值。

进程以下：

因此，输出结果应当为144.

附：本文中的zval的调试方法。

如果要查看某1进程中zval的变化，最好的办法是在该进程的前后均加上调试代码。例如

$a = 123; xdebug_debug_zval('a'); $b=&$a; xdebug_debug_zval('a');

配合画图，可以得到1个直观的zval更新进程。

参考文献：

1. http://en.wikipedia.org/wiki/Symbol_table
2. http://arantxa.ii.uam.es/~modonnel/Compilers/04_SymbolTablesI.pdf
3. http://web.cs.wpi.edu/~kal/courses/cs4533/module5/myst.html
4. http://www.cs.dartmouth.edu/~mckeeman/cs48/mxcom/doc/TypeInference.pdf
5. http://www.cs.cornell.edu/courses/cs412/2008sp/lectures/lec12.pdf
6. http://php.net/manual/zh/language.references.return.php
7. http://stackoverflow.com/questions/10057671/how-foreach-actually-works

由于写作匆忙，文中难免会有毛病的地方，欢迎指出探讨。