- http://www.cnblogs.com/abiao/articles/1267102.aspx
原文作者：陳皓
1、 概念
Scott Meyers在《More Effective C++》中舉了個例子，不知你是否還記得？在你還在上學的時候，你的父母要你不要看電視，而去複習功課，於是你把自己關在房間裏，做出一副正在複習功課的樣子，其實你在幹着別的諸如給班上的某位女生寫情書之類的事，而一旦你的父母出來在你房間要檢查你是否在複習時，你才真正撿起課本看書。這就是“拖延戰術”，直到你非要做的時候纔去做。
當然，這種事情在現實生活中時往往會出事，但其在編程世界中搖身一變，就成爲了最有用的技術，正如C++中的可以隨處聲明變量的特點一樣，Scott Meyers推薦我們，在真正需要一個存儲空間時纔去聲明變量（分配內存），這樣會得到程序在運行時最小的內存花銷。執行到那纔會去做分配內存這種比較耗時的工作，這會給我們的程序在運行時有比較好的性能。必竟，20%的程序運行了80%的時間。
當然，拖延戰術還並不只是這樣一種類型，這種技術被我們廣泛地應用着，特別是在操作系統當中，當一個程序運行結束時，操作系統並不會急着把其清除出內存，原因是有可能程序還會馬上再運行一次（從磁盤把程序裝入到內存是個很慢的過程），而只有當內存不夠用了，纔會把這些還駐留內存的程序清出。
寫時才拷貝（Copy-On-Write）技術，就是編程界“懶惰行爲”——拖延戰術的產物。舉個例子，比如我們有個程序要寫文件，不斷地根據網絡傳來的數據寫，如果每一次fwrite或是fprintf都要進行一個磁盤的I/O操作的話，都簡直就是性能上巨大的損失，因此通常的做法是，每次寫文件操作都寫在特定大小的一塊內存中（磁盤緩存），只有當我們關閉文件時，才寫到磁盤上（這就是爲什麼如果文件不關閉，所寫的東西會丟失的原因）。更有甚者是文件關閉時都不寫磁盤，而一直等到關機或是內存不夠時才寫磁盤，Unix就是這樣一個系統，如果非正常退出，那麼數據就會丟失，文件就會損壞。
呵呵，爲了性能我們需要冒這樣大的風險，還好我們的程序是不會忙得忘了還有一塊數據需要寫到磁盤上的，所以這種做法，還是很有必要的。
2、 標準C++類std::string的Copy-On-Write
在我們經常使用的STL標準模板庫中的string類，也是一個具有寫時才拷貝技術的類。C++曾在性能問題上被廣泛地質疑和指責過，爲了提高性能，STL中的許多類都採用了Copy-On-Write技術。這種偷懶的行爲的確使使用STL的程序有着比較高要性能。
這裏，我想從C++類或是設計模式的角度爲各位揭開Copy-On-Write技術在string中實現的面紗，以供各位在用C++進行類庫設計時做一點參考。
在講述這項技術之前，我想簡單地說明一下string類內存分配的概念。通過常，string類中必有一個私有成員，其是一個char*，用戶記錄從堆上分配內存的地址，其在構造時分配內存，在析構時釋放內存。因爲是從堆上分配內存，所以string類在維護這塊內存上是格外小心的，string類在返回這塊內存地址時，只返回const char*，也就是隻讀的，如果你要寫，你只能通過string提供的方法進行數據的改寫。
2.1、 特性
由表及裏，由感性到理性，我們先來看一看string類的Copy-On-Write的表面特徵。讓我們寫下下面的一段程序：
#include
#include
using namespace std;
main()
{
string str1 = "hello world";
string str2 = str1;
printf ("Sharing the memory:"n");
printf (""tstr1's address: %x"n", str1.c_str() );
printf (""tstr2's address: %x"n", str2.c_str() );
str1[1]='q';
str2[1]='w';
printf ("After Copy-On-Write:"n");
printf (""tstr1's address: %x"n", str1.c_str() );
printf (""tstr2's address: %x"n", str2.c_str() );
return 0;
}
這個程序的意圖就是讓第二個string通過第一個string構造，然後打印出其存放數據的內存地址，然後分別修改str1和str2的內容，再查一下其存放內存的地址。程序的輸出是這樣的（我在VC6.0和g++ 2.95都得到了同樣的結果）：
> g++ -o stringTest stringTest.cpp
> ./stringTest
Sharing the memory:
str1's address: 343be9
str2's address: 343be9
After Copy-On-Write:
str1's address: 3407a9
str2's address: 343be9
從結果中我們可以看到，在開始的兩個語句後，str1和str2存放數據的地址是一樣的，而在修改內容後，str1的地址發生了變化，而str2的地址還是原來的。從這個例子，我們可以看到string類的Copy-On-Write技術。
2.2、 深入
在深入這前，通過上述的演示，我們應該知道在string類中，要實現寫時才拷貝，需要解決兩個問題，一個是內存共享，一個是Copy-On-Wirte，這兩個主題會讓我們產生許多疑問，還是讓我們帶着這樣幾個問題來學習吧：
1、 Copy-On-Write的原理是什麼？
2、 string類在什麼情況下才共享內存的？
3、 string類在什麼情況下觸發寫時才拷貝（Copy-On-Write）?
4、 Copy-On-Write時，發生了什麼？
5、 Copy-On-Write的具體實現是怎麼樣的？
喔，你說只要看一看STL中stirng的源碼你就可以找到答案了。當然，當然，我也是參考了string的父模板類basic_string的源碼。但是，如果你感到看STL的源碼就好像看機器碼，並嚴重打擊你對C++自信心，乃至產生了自己是否懂C++的疑問，如果你有這樣的感覺，那麼還是繼續往下看我的這篇文章吧。
OK，讓我們一個問題一個問題地探討吧，慢慢地所有的技術細節都會浮出水面的。
2.3、 Copy-On-Write的原理是什麼？
有一定經驗的程序員一定知道，Copy-On-Write一定使用了“引用計數”，是的，必然有一個變量類似於RefCnt。當第一個類構造時，string的構造函數會根據傳入的參數從堆上分配內存，當有其它類需要這塊內存時，這個計數爲自動累加，當有類析構時，這個計數會減一，直到最後一個類析構時，此時的RefCnt爲1或是0，此時，程序纔會真正的Free這塊從堆上分配的內存。
是的，引用計數就是string類中寫時才拷貝的原理！
不過，問題又來了，這個RefCnt該存在在哪裏呢？如果存放在string類中，那麼每個string的實例都有各自的一套，根本不能共有一個RefCnt，如果是聲明成全局變量，或是靜態成員，那就是所有的string類共享一個了，這也不行，我們需要的是一個“民主和集中”的一個解決方法。這是如何做到的呢？呵呵，人生就是一個糊塗後去探知，知道後和又糊塗的循環過程。別急別急，在後面我會給你一一道來的。
2.3.1、 string類在什麼情況下才共享內存的？
這個問題的答案應該是明顯的，根據常理和邏輯，如果一個類要用另一個類的數據，那就可以共享被使用類的內存了。這是很合理的，如果你不用我的，那就不用共享，只有你使用我的，才發生共享。
使用別的類的數據時，無非有兩種情況，1）以別的類構造自己，2）以別的類賦值。第一種情況時會觸發拷貝構造函數，第二種情況會觸發賦值操作符。這兩種情況我們都可以在類中實現其對應的方法。對於第一種情況，只需要在string類的拷貝構造函數中做點處理，讓其引用計數累加；同樣，對於第二種情況，只需要重載string類的賦值操作符，同樣在其中加上一點處理。
嘮叨幾句：
1）構造和賦值的差別
對於前面那個例程中的這兩句：
string str1 = "hello world";
string str2 = str1;
不要以爲有“=”就是賦值操作，其實，這兩條語句等價於：
string str1 ("hello world"); //調用的是構造函數
string str2 (str1); //調用的是拷貝構造函數
如果str2是下面的這樣情況：
string str2; //調用參數默認爲空串的構造函數：string str2(“”);
str2 = str1; //調用str2的賦值操作：str2.operator=(str1);
2) 另一種情況
char tmp[]=”hello world”;
string str1 = tmp;
string str2 = tmp;
這種情況下會觸發內存的共享嗎？想當然的，應該要共享。可是根據我們前面所說的共享內存的情況，兩個string類的聲明和初始語句並不符合我前述的兩種情況，所以其並不發生內存共享。而且，C++現有特性也無法讓我們做到對這種情況進行類的內存共享。
2.3.2、 string類在什麼情況下觸發寫時才拷貝（Copy-On-Write）?
哦，什麼時候會發現寫時才拷貝？很顯然，當然是在共享同一塊內存的類發生內容改變時，纔會發生Copy-On-Write。比如string類的[]、=、+=、+、操作符賦值，還有一些string類中諸如insert、replace、append等成員函數。
修改數據纔會觸發Copy-On-Write，不修改當然就不會改啦。這就是託延戰術的真諦，非到要做的時候纔去做。
2.3.3、 Copy-On-Write時，發生了什麼？
我們可能根據那個訪問計數來決定是否需要拷貝，參看下面的代碼：
If ( RefCnt>0 ) {
char* tmp = (char*) malloc(strlen(_Ptr)+1);
strcpy(tmp, _Ptr);
_Ptr = tmp;
}
上面的代碼是一個假想的拷貝方法，如果有別的類在引用（檢查引用計數來獲知）這塊內存，那麼就需要把更改類進行“拷貝”這個動作。
我們可以把這個拷的運行封裝成一個函數，供那些改變內容的成員函數使用。
2.3.4、 Copy-On-Write的具體實現是怎麼樣的？
最後的這個問題，我們主要解決的是那個“民主集中”的難題。請先看下面的代碼：
string h1 = “hello”;
string h2= h1;
string h3;
h3 = h2;
string w1 = “world”;
string w2(“”);
w2=w1;
很明顯，我們要讓h1、h2、h3共享同一塊內存，讓w1、w2共享同一塊內存。因爲，在h1、h2、h3中，我們要維護一個引用計數，在w1、w2中我們又要維護一個引用計數。
如何使用一個巧妙的方法產生這兩個引用計數呢？我們想到了string類的內存是在堆上動態分配的，既然共享內存的各個類指向的是同一個內存區，我們爲什麼不在這塊區上多分配一點空間來存放這個引用計數呢？這樣一來，所有共享一塊內存區的類都有同樣的一個引用計數，而這個變量的地址既然是在共享區上的，那麼所有共享這塊內存的類都可以訪問到，也就知道這塊內存的引用者有多少了。
請看下圖：
於是，有了這樣一個機制，每當我們爲string分配內存時，我們總是要多分配一個空間用來存放這個引用計數的值，只要發生拷貝構造可是賦值時，這個內存的值就會加一。而在內容修改時，string類爲查看這個引用計數是否爲0，如果不爲零，表示有人在共享這塊內存，那麼自己需要先做一份拷貝，然後把引用計數減去一，再把數據拷貝過來。下面的幾個程序片段說明了這兩個動作：
//構造函數（分存內存）
string::string(const char* tmp)
{
_Len = strlen(tmp);
_Ptr = new char[_Len+1+1];
strcpy( _Ptr, tmp );
_Ptr[_Len+1]=0; // 設置引用計數
}
//拷貝構造（共享內存）
string::string(const string& str)
{
if (*this != str){
this->_Ptr = str.c_str(); //共享內存
this->_Len = str.szie();
this->_Ptr[_Len+1] ++; //引用計數加一
}
}
//寫時才拷貝Copy-On-Write
char& string::operator[](unsigned int idx)
{
if (idx > _Len || _Ptr == 0 ) {
static char nullchar = 0;
return nullchar;
}
_Ptr[_Len+1]--; //引用計數減一
char* tmp = new char[_Len+1+1];
strncpy( tmp, _Ptr, _Len+1);
_Ptr = tmp;
_Ptr[_Len+1]=0; // 設置新的共享內存的引用計數
return _Ptr[idx];
}
//析構函數的一些處理
~string()
{
_Ptr[_Len+1]--; //引用計數減一
// 引用計數爲0時，釋放內存
if (_Ptr[_Len+1]==0) {
delete[] _Ptr;
}
}
哈哈，整個技術細節完全浮出水面。
不過，這和STL中basic_string的實現細節還有一點點差別，在你打開STL的源碼時，你會發現其取引用計數是通過這樣的訪問：_Ptr[-1]，標準庫中，把這個引用計數的內存分配在了前面（我給出來的代碼是把引用計數分配以了後面，這很不好），分配在前的好處是當string的長度擴展時，只需要在後面擴展其內存，而不需要移動引用計數的內存存放位置，這又節省了一點時間。
STL中的string的內存結構就像我前面畫的那個圖一樣，_Ptr指着是數據區，而RefCnt則在_Ptr-1 或是 _Ptr[-1]處。
2.4、 臭蟲Bug
是誰說的“有太陽的地方就會有黑暗”？或許我們中的許多人都很迷信標準的東西，認爲其是久經考驗，不可能出錯的。呵呵，千萬不要有這種迷信，因爲任何設計再好，編碼再好的代碼在某一特定的情況下都會有Bug，STL同樣如此，string類的這個共享內存/寫時才拷貝技術也不例外，而且這個Bug或許還會讓你的整個程序crash掉！
不信？！那麼讓我們來看一個測試案例：
假設有一個動態鏈接庫（叫myNet.dll或myNet.so）中有這樣一個函數返回的是string類：
string GetIPAddress(string hostname)
{
static string ip;
……
……
return ip;
}
而你的主程序中動態地載入這個動態鏈接庫，並調用其中的這個函數：
main()
{
//載入動態鏈接庫中的函數
hDll = LoadLibraray(…..);
pFun = GetModule(hDll, “GetIPAddress”);
//調用動態鏈接庫中的函數
string ip = (*pFun)(“host1”);
……
……
//釋放動態鏈接庫
FreeLibrary(hDll);
……
cout << ip << endl;
}
讓我們來看看這段代碼，程序以動態方式載入動態鏈接庫中的函數，然後以函數指針的方式調用動態鏈接庫中的函數，並把返回值放在一個string類中，然後釋放了這個動態鏈接庫。釋放後，輸入ip的內容。
根據函數的定義，我們知道函數是“值返回”的，所以，函數返回時，一定會調用拷貝構造函數，又根據string類的內存共享機制，在主程序中變量ip是和函數內部的那個靜態string變量共享內存（這塊內存區是在動態鏈接庫的地址空間的）。而我們假設在整個主程序中都沒有對ip的值進行修改過。那麼在當主程序釋放了動態鏈接庫後，那個共享的內存區也隨之釋放。所以，以後對ip的訪問，必然做造成內存地址訪問非法，造成程序crash。即使你在以後沒有使用到ip這個變量，那麼在主程序退出時也會發生內存訪問異常，因爲程序退出時，ip會析構，在析構時就會發生內存訪問異常。
內存訪問異常，意味着兩件事：1）無論你的程序再漂亮，都會因爲這個錯誤變得暗淡無光，你的聲譽也會因爲這個錯誤受到損失。2）未來的一段時間，你會被這個系統級錯誤所煎熬（在C++世界中，找到並排除這種內存錯誤並不是一件容易的事情）。這是C/C++程序員永遠的心頭之痛，千里之堤，潰於蟻穴。而如果你不清楚string類的這種特徵，在成千上萬行代碼中找這樣一個內存異常，簡直就是一場噩夢。
備註：要改正上述的Bug，有很多種方法，這裏提供一種僅供參考：
string ip = (*pFun)(“host1”).cstr();
3、 後記
文章到這裏也應該結束了，這篇文章的主要有以下幾個目的：
1） 向大家介紹一下寫時才拷貝/內存共享這種技術。
2） 以STL中的string類爲例，向大家介紹了一種設計模式。
3） 在C++世界中，無論你的設計怎麼精巧，代碼怎麼穩固，都難以照顧到所有的情況。智能指針更是一個典型的例子，無論你怎麼設計，都會有非常嚴重的BUG。
4） C++是一把雙刃劍，只有瞭解了原理，你才能更好的使用C++。否則，必將引火燒身。如果你在設計和使用類庫時有一種“玩C++就像玩火，必須千萬小心”的感覺，那麼你就入門了，等你能把這股“火”控制的得心應手時，那纔是學成了。
最後，還是利用這個後序，介紹一下自己。我目前從事於所有Unix平臺下的軟件研發，主要是做系統級的產品軟件研發，對於下一代的計算機革命——網格計算非常地感興趣，同於對於分佈式計算、P2P、Web Service、J2EE技術方向也很感興趣，另外，對於項目實施、團隊管理、項目管理也小有心得，希望同樣和我戰鬥在“技術和管理並重”的陣線上的年輕一代，能夠和我多多地交流。我的MSN和郵件是：[email protected]。
我的專欄是：
http://blog.csdn.net/haoel/
補充1：std::string的另一個bug－－非線程安全的
線程A裏的string strA賦值線程B裏的string strB通過某個方法（void setstr(string& strA){ strB=strA;}）。這樣，當strA,strB到析構時都還共享內存,當它們同時析構時,就可能出現異常.
比如是這樣的流程:strA 對引用計數-1,strB對引用計數-1,這樣原本是2的計數變成了0, 然後strA釋放內存,strB釋放內存(crash).這個bug在現在雙核的cpu上發生的概率比較高.(單核的cpu概率低多了).
解決的辦法和上面的bug一樣,通過.c_str()方法(void setstr(LPCSTR lpszA){ strB=lpszA;})消除共享內存.
補充2：
昨天做一個dll，代碼很快寫完了，然而使用得時候總是遇到string內部指針刪除錯誤，鬱悶了一天，今天沒去公司，好好研究了一下。
首先看下下面這段代碼，聲明兩個string對象：
std:: string
s1 =
" wlwlxj "
;std::
string s2
= "
lxjwlwww "
; 調試狀態下可以看到內部指針：
s1=0x00364ff9
s2=0x00365061
然後執行
s2 =
s1; 按下f11，進入xstring源文件：
_Myt &
operator =
( const _Myt
& _X) // 賦值操作符
{
return (assign(_X)); } // 調用assign函數
繼續進入assign(_X)函數：
_Myt &
assign( const
_Myt & _X)
{
return (assign(_X,
0 , npos)); } // 調用assign函數 _Myt& assign(const _Myt& _X, size_type _P, size_type _M) {if (_X.size() < _P)
_Xran(); size_type _N = _X.size() - _P; if (_M < _N) _N = _M; if (this == &_X) erase((size_type)(_P + _N)), erase(0, _P); else if (0 < _N && _N == _X.size() //
這個分支意思就是如果拷貝源有內容且就是就是源本身，並且 && _Refcnt(_X.c_str()) < _FROZEN - 1 //
源字符串引用次數少於255-1次（可見引用次數最多255次）， && allocator == _X.allocator) //且源字符和目的字符分配器一致
{_Tidy(true); //
刪除本身 _Ptr = (_E *)_X.c_str(); //
複製內容到目的串 _Len = _X.size(); _Res = _X.capacity();
++_Refcnt(_Ptr); } // 增加一次引用 else if (_Grow(_N, true)) {_Tr::copy(_Ptr, &_X.c_str()[_P], _N); _Eos(_N); }
return (*this); }這樣結果就是調用=號以後，s2地址和s1地址一樣，都是0x00364ff9。
假如我們動態庫有這樣一個類class DLL接口：
SetString(std::string str){m_str = str;}在客戶調用時候：
std::string str = "wlwlxj";DLL d;d.SetString(str); // 此時沒有深拷貝，而是引用了str內部指針地址解決方法就是避免std::string引用計數，接口處修改爲SetString(const char*)，這樣在dll內部分配內存，內部釋放，就不會有問題。
bug分析:
此是老問題了，即跨module（exe、dll）間申請/釋放內存違例的問題，對發生在傳遞c++對象並使用時，不僅僅發生在std::string上
原因是由於程序中使用的內存管理多來源於crt提供的例程，而非直接使用操作系統的接口，這些例程都需要維護一些module全局數據（例如維護 池、維護空閒塊、或者標記已申請的塊等等，不同的實現中有不同的作用），當他們被靜態連編時，實際上這些“全局數據”就不“全局”了，不同的module 各自爲政，每份module都有自己的“全局數據”，自身的內存信息不爲他人所知，module A的合法內存快自然不可能通得過module B的合法性驗證
解決問題的方法有：
1、不要跨module傳遞c++對象，或者避免釋放跨module申請的內存
2、將參與合作的module統統以multithreaded dll方式鏈入crt庫，讓他們的“全局”數據真正全局，注意，所有有交互的module都需要動態鏈入crt，
STL std::string class causes crashes and memory corruption on multi-processor machines:
http://support.microsoft.com/kb/813810/en-us