在 PHP 的日常开发中，字符串是最常用的数据类型之一。无论是处理用户输入、拼接 SQL 语句，还是进行模板渲染，字符串操作几乎无处不在。然而，在 PHP 7 之前，字符串的实现并不尽如人意。PHP 7 引入的 zend_string 结构，彻底改变了字符串在内存中的管理方式，通过引用计数、驻留机制和写时复制等策略，显著提升了性能。本文将深入 Zend 引擎内部，剖析 zend_string 的设计与优化。
一、从 zval 到 zend_string：为什么需要新结构
在 PHP 5 中，字符串以 char* 加长度存储在 zval 中，并通过 zend_string 的雏形结构管理。但 PHP 5 的字符串存在几个问题：
- 每次传递字符串都需要复制内存；
- 字符串长度需要额外维护；
- 缺乏统一的引用计数机制，导致大量不必要的内存分配。
PHP 7 重写了 zval 结构，将字符串的元信息集中到 zend_string 中，zval 仅保存一个指向 zend_string 的指针。这样，多个 zval 可以共享同一个字符串，减少内存占用和复制开销。
二、zend_string 的结构定义
zend_string 的定义位于 Zend/zend_string.h 中，简化后如下：
struct _zend_string {
zend_refcounted_h gc; // 引用计数及垃圾回收信息
zend_ulong h; // 字符串哈希值，用于数组键
size_t len; // 字符串长度
char val[1]; // 柔性数组，存储实际字符
};
几个关键点：
- gc：内嵌的
zend_refcounted_h包含引用计数refcount和类型信息。所有可被引用的 zend 数据结构（如数组、对象）都以此开头，便于统一管理。 - h：字符串的哈希值。在 PHP 中，字符串常作为数组键，缓存哈希值可以避免重复计算，提升数组操作性能。
- len：字符串长度，使得
strlen()成为 O(1) 操作。 - val：柔性数组，实际字符紧跟在结构体之后分配，一次内存分配即可完成。
这种设计将元数据与字符数据放在连续内存中，提高了缓存局部性。
三、引用计数与写时复制
zend_string 使用引用计数管理生命周期。当字符串被赋值给变量、作为参数传递或存入数组时，引用计数增加；当变量被销毁或重新赋值时，引用计数减少。当引用计数归零时，内存被释放。
但仅仅引用计数还不够。如果多个变量共享同一个字符串，其中一个变量尝试修改字符串，直接修改会影响其他变量。因此，PHP 采用写时复制（Copy-On-Write） 策略：
- 当尝试修改一个引用计数大于 1 的字符串时，引擎会先复制一份新的字符串，再修改副本。
- 如果引用计数为 1，则可以直接修改，无需复制。
这一机制在 zend_string 的修改函数中实现，例如 zend_string_extend 和 zend_string_realloc。写时复制保证了字符串的不可变性语义，同时避免了不必要的复制。
四、驻留机制（Interning）
在 PHP 中，许多字符串是重复出现的，比如函数名、类名、常量名、数组键等。如果每个字符串都独立分配内存，将造成大量浪费。为此，Zend 引擎引入了字符串驻留（Interning） 机制。
驻留的字符串被存储在一个全局哈希表中，称为驻留字符串缓冲区（Interned String Buffer）。当需要一个驻留字符串时，引擎先查找哈希表，如果已存在则直接返回指针，否则创建并加入哈希表。
驻留字符串具有以下特点：
- 不可变性：驻留字符串的引用计数被设置为特殊值（如
GC_IMMUTABLE），永远不会被释放，也不参与写时复制。 - 永久有效：在请求生命周期内始终存在，甚至可以跨请求持久化（如 opcache 中的字符串）。
- 哈希值预计算：驻留时计算哈希值并存储，后续使用无需重复计算。
哪些字符串会被驻留？主要包括：
- 编译时已知的字面量字符串；
- 函数名、类名、方法名；
- 数组键（在编译时确定的）；
- 通过
zend_string_init_interned显式创建的字符串。
驻留机制大幅减少了内存占用，并加速了字符串比较和哈希查找。
五、性能优化细节
除了上述核心机制，zend_string 还包含多项性能优化：
1. 内联哈希值
如前所述，h 字段缓存了字符串的哈希值。在数组操作中，哈希值用于快速定位桶。对于驻留字符串，哈希值在创建时计算一次；对于普通字符串，首次用作数组键时计算并缓存。这避免了每次数组查找都重新计算哈希。
2. 长度前缀
len 字段使得字符串长度获取为 O(1)，同时支持二进制安全。与 C 字符串不同，zend_string 不依赖 \0 终止符，可以存储任意二进制数据。
3. 内存分配优化
zend_string 使用 Zend 内存管理器（ZendMM）进行分配。ZendMM 针对小对象做了优化，减少了系统调用开销。此外，字符串的分配大小会按需对齐，提高内存利用率。
4. 字符串拼接优化
PHP 7 对字符串拼接做了专门优化。例如，concat_function 会检查操作数是否可重用，避免不必要的复制。对于 .= 操作，如果左操作数引用计数为 1，则直接扩展内存，否则创建新字符串。
5. 持久化字符串
在 opcache 中，驻留字符串可以被持久化到共享内存，跨请求复用。这进一步减少了每个请求的字符串创建开销，尤其对大型框架效果显著。
六、实战：观察 zend_string 行为
我们可以通过 debug_zval_refcount 或 Xdebug 观察引用计数变化。例如：
$a = "hello";
$b = $a;
xdebug_debug_zval('a'); // refcount=2
$b .= " world"; // 触发写时复制
xdebug_debug_zval('a'); // refcount=1
输出会显示 a 的引用计数从 2 变为 1，因为 $b 的修改触发了复制。这验证了写时复制机制。
对于驻留字符串，可以观察函数名等：
function test() {}
$ref = new ReflectionFunction('test');
// 函数名 'test' 是驻留字符串，refcount 为特殊值
七、总结
zend_string 是 PHP 7 性能提升的关键基石之一。通过引用计数、写时复制和驻留机制，它在内存占用和运行效率之间取得了良好平衡。理解其内部实现，有助于我们写出更高效的 PHP 代码，例如：
- 避免不必要的字符串复制，尽量使用引用传递；
- 利用驻留字符串特性，减少动态字符串创建；
- 在数组键中使用短字符串，降低哈希冲突。
Zend 引擎的优化远不止于此，但 zend_string 无疑是最值得深入研究的模块之一。希望本文能为你打开一扇窥探 PHP 内核的窗口。
未经允许不得转载：任鹏个人博客 » PHP 字符串内核实现：zend_string 的引用计数、驻留机制与性能优化
