所有权
所有权(系统)是 Rust 最与众不同的特性,它让 Rust 无需垃圾回收即可保障内存安全。
因此,理解 Rust 所有权如何工作是十分重要的。
所有运行的程序都必须管理其使用计算机内存的方式。一些语言中具有垃圾回收机制,在程序运行时不断地寻找不再使用的内存;
在另一些语言中,程序员必须亲自分配和释放内存。Rust 则选择了第三种方式:通过所有权系统管理内存,编译器在编译时会根据一系列的规则进行检查。
在运行时,所有权系统的任何功能都不会减慢程序
所有权是一个新概念,需要一些时间来适应。好消息是随着你对 Rust 和所有权系统的规则越来越有经验,你就越能自然地编写出安全和高效的代码。持之以恒!
当你理解了所有权,你将有一个坚实的基础来理解那些使 Rust 独特的功能。
栈(Stack)与堆(Heap)
在很多语言中,你并不需要经常考虑到栈和堆。不过在像 Rust 这样的系统编程语言中,值是位于栈上还是堆上在更大程度上影响了语言的行为以及为何必须做出这样的抉择。
栈和堆都是代码在运行时可供使用的内存,但是它们的结构不同。栈以放入值的顺序存储值并以相反顺序取出值。
栈中的所有数据都必须占用已知且固定的大小。在编译时大小未知或大小可能变化的数据,要改为存储在堆上。
堆是缺乏组织的:当向堆放入数据时,你要请求一定大小的空间。操作系统在堆的某处找到一块足够大的空位,把它标记为已使用,并返回一个表示该位置地址的指针。
这个过程称作在堆上分配内存,有时简称为“分配”。将数据推入栈中并不被认为是分配。因为指针的大小是已知并且固定的,你可以将指针存储在栈上,不过当需要实际数据时,必须访问指针。
想象一下去餐馆就座吃饭。当进入时,你说明有几个人,餐馆员工会找到一个够大的空桌子并领你们过去。如果有人来迟了,他们也可以通过询问来找到你们坐在哪。
入栈比在堆上分配内存要快,因为(入栈时)操作系统无需为存储新数据去搜索内存空间;其位置总是在栈顶。
相比之下,在堆上分配内存则需要更多的工作,这是因为操作系统必须首先找到一块足够存放数据的内存空间,并接着做一些记录为下一次分配做准备。
访问堆上的数据比访问栈上的数据慢,因为必须通过指针来访问。现代处理器在内存中跳转越少就越快(缓存)。
继续类比,假设有一个服务员在餐厅里处理多个桌子的点菜。在一个桌子报完所有菜后再移动到下一个桌子是最有效率的。
从桌子 A 听一个菜,接着桌子 B 听一个菜,然后再桌子 A,然后再桌子 B 这样的流程会更加缓慢。
出于同样原因,处理器在处理的数据彼此接近的时候(比如在栈上)比较远的时候(比如可能在堆上)能更好的工作。在堆上分配大量的空间也可能消耗时间
当你的代码调用一个函数时,传递给函数的值(包括可能指向堆上数据的指针)和函数的局部变量被压入栈中。当函数结束时,这些值被移出栈。
跟踪哪部分代码正在使用堆上的哪些数据,最大限度的减少堆上的重复数据的数量,以及清理堆上不再使用的数据确保不会耗尽空间,这些问题正是所有权系统要处理的。
一旦理解了所有权,你就不需要经常考虑栈和堆了,不过明白了所有权的存在就是为了管理堆数据,能够帮助解释为什么所有权要以这种方式工作。
所有权规则
- Rust 中的每一个值都有一个被称为其所有者的变量
- 值有且只有一个所有者
- 当所有者(变量)离开作用域,这个值将被丢弃
变量作用域
作用域是一个项(item)在程序中有效的范围。假设有这样一个变量:
1 |
|
变量s
绑定到了一个字符串字面量,这个字符串值是硬编码进程序代码中的。这个变量从声明的点开始直到当前作用域结束时都是有效的。
1 2 3 4 |
|
- 当
s
进入作用域时,它就是有效的 - 这一直持续到它离开作用域为止
目前为止,变量是否有效与作用域的关系跟
String类型
我们已经见过字符串字面值,字符串值被硬编码进程序里。字符串字面值是很方便的,不过他们并不适合使用文本的每一种场景。原因之一就是他们是不可变的。
另一个原因是并不是所有字符串的值都能在编写代码时就知道:例如,要是想获取用户输入并存储该怎么办呢?
为此,Rust 有第二个字符串类型,String
。这个类型被分配到堆上,所以能够存储在编译时未知大小的文本。
可以使用from
函数基于字符串字面值来创建String
,如下:
1 |
|
这两个冒号(::
)是运算符,允许将特定的from
函数置于String
类型的命名空间(namespace)下,而不需要使用类似string_from
这样的名字。
可以修改此类字符串:
1 2 3 |
|
那么这里有什么区别呢?为什么String
可变而字面值却不行呢?区别在于两个类型对内存的处理上。
内存与分配
就字符串字面值来说,我们在编译时就知道其内容,所有文本被直接硬编码进最终的可执行文件中。
这使得字符串字面值快速且高效。不过这些特性都只得益于字符串字面值的不可变性。
不幸的是,我们不能为了每一个在编译时大小未知的文本而将一块内存放入二进制文件中,并且它的大小还可能随着程序运行而改变。
对于String
类型,为了支持一个可变,可增长的文本片段,需要在堆上分配一块在编译时未知大小的内存来存放内容。这意味着:
- 必须在运行时向操作系统请求内存
- 需要一个当我们处理完
String
时将内存返回给操作系统的方法
第一部分由我们完成:当调用String::from
时,它的实现请求其所需的内存。这在编程语言中是非常通用的。
然而,第二部分实现起来就各有区别了。在有垃圾回收(garbage collector, GC)的语言中,GC 记录并清除不再使用的内存,而我们并不需要关心它。没有 GC 的话,识别出不再使用的内存并调用代码显式释放就是我们的责任了,跟请求内存的时候一样。
从历史的角度上说正确处理内存回收曾经是一个困难的编程问题。如果忘记回收了会浪费内存。如果过早回收了,将会出现无效变量。
如果重复回收,这也是个 bug。我们需要精确的为一个allocate
配对一个free
Rust 采取了一个不同的策略:内存在拥有它的变量离开作用域后就被自动释放。
1 2 3 4 5 |
|
这是一个将String
需要的内存返回给操作系统的很自然的位置:当s
离开作用域的时候。
当变量离开作用域,Rust 为我们调用一个特殊的函数。这个函数叫做drop
,在这里String
的作者可以放置释放内存的代码。Rust 在结尾的}
处自动调用drop
这个模式对编写 Rust 代码的方式有着深远的影响。现在它看起来很简单,不过在更复杂的场景下代码的行为可能是不可预测的,比如当有多个变量使用在堆上分配的内存时
变量与数据交互的方式(一):移动
Rust 中的多个变量可以采用一种独特的方式与同一数据交互。
1 2 |
|
"将5
绑定到x
;接着生成一个值x
的拷贝并绑定到y
"。
现在有了两个变量,x
和y
,都等于5
这也正是事实上发生了的,因为整数是有已知固定大小的简单值,所以这两个5
被放入了栈中
1 2 |
|
这看起来与上面的代码非常类似,所以我们可能会假设他们的运行方式也是类似的:也就说,第二行可能会生成一个s1
的拷贝并绑定到s2
上。
不过,事实上并不完全是这样。
将值"hello"
绑定给s1
的String
在内存中的表现形式
String
由三部分组成:一个指向存放字符串内容内存的指针,一个长度,和一个容量。这一组数据存储在栈上。右侧则是堆上存放内容的内存部分。
长度表示String
的内容当前使用了多少字节的内存。容量是String
从操作系统总共获取了多少字节的内存。
长度与容量的区别是很重要的,不过在当前上下文中并不重要,所以现在可以忽略容量
当我们将s1
赋值给s2
,String
的数据被复制了,这意味着我们从栈上拷贝了它的指针、长度和容量。我们并没有复制指针指向的堆上数据
内存中数据的表现如图所示
如果 Rust 也拷贝了堆上的数据,那么内存看起来就是这样。
如果 Rust 这么做了,那么操作s2 = s1
在堆上数据比较大的时候会对运行时性能造成非常大的影响
之前我们提到过当变量离开作用域后,Rust 自动调用drop
函数并清理变量的堆内存。
如果两个数据指针指向了同一个位置。这就有了一个问题:当s2
和s1
离开作用域,他们都会尝试释放相同的内存。这是一个叫做二次释放(double free)的错误,也是之前提到过的内存安全性 bug 之一。两次释放(相同)内存会导致内存污染,它可能会导致潜在的安全漏洞。
为了确保内存安全,这种场景下 Rust 的处理有另一个细节值得注意。与其尝试拷贝被分配的内存,Rust 则认为s1
不再有效,因此 Rust 不需要在s1
离开作用域后清理任何东西。看看在s2
被创建之后尝试使用s1
会发生什么;
这段代码不能运行:
1 2 3 4 5 |
|
会得到一个类似如下的错误,因为 Rust 禁止你使用无效的引用
1 2 3 4 5 6 7 8 9 |
|
如果你在其他语言中听说过术语浅拷贝(shallow copy)和深拷贝(deep copy),那么拷贝指针、长度和容量而不拷贝数据可能听起来像浅拷贝。
不过因为 Rust 同时使第一个变量无效了,这个操作被称为移动(move),而不是浅拷贝。
上面的例子可以解读为s1
被移动到了s2
中。
这样就解决了我们的问题!因为只有s2
是有效的,当其离开作用域,它就释放自己的内存,完毕。
另外,这里还隐含了一个设计选择:Rust 永远也不会自动创建数据的“深拷贝”。因此,任何自动的复制可以被认为对运行时性能影响较小
变量与数据交互的方式(二):克隆
如果我们确实需要深度复制String
中堆上的数据,而不仅仅是栈上的数据,可以使用一个叫做clone
的通用函数。
1 2 3 4 5 6 |
|
这段代码能正常运行,这里堆上的数据确实被复制了
当出现clone
调用时,你知道一些特定的代码被执行而且这些代码可能相当消耗资源。你很容易察觉到一些不寻常的事情正在发生。
只在栈上的数据:拷贝
这些代码使用了整型并且是有效的
1 2 3 |
|
但这段代码似乎与我们刚刚学到的内容相矛盾:没有调用clone
,不过x
依然有效且没有被移动到y
中
原因是像整型这样在编译时已知大小的类型被整个存储在栈上,所以拷贝其实际的值是快速的。
这意味着没有理由在创建变量y
后使x
无效。换句话说,这里没有深浅拷贝的区别,所以这里调用clone
并不会与通常的浅拷贝有什么不同,我们可以不用管它
Rust 有一个叫做Copy
trait 的特殊注解,可以用在类似整型这样的存储在栈上的类型。如果一个类型拥有Copy
trait,一个旧的变量在将其赋值给其他变量后仍然可用。Rust 不允许自身或其任何部分实现了Drop
trait 的类型使用Copy
trait。如果我们对其值离开作用域时需要特殊处理的类型使用Copy
注解,将会出现一个编译错误。
那么什么类型是Copy
的呢?可以查看给定类型的文档来确认,不过作为一个通用的规则,任何简单标量值的组合可以是Copy
的,不需要分配内存或某种形式资源的类型是Copy
的。如下是一些Copy
的类型:
- 所有整数类型,比如
u32
- 布尔类型,
bool
,它的值是true
和false
- 所有浮点数类型,比如
f64
- 字符类型,
char
- 元组,当且仅当其包含的类型也都是
Copy
的时候。比如,(i32, i32)
是Copy
的,但(i32, String)
就不是
所有权与函数
将值传递给函数在语义上与给变量赋值相似。向函数传递值可能会移动或者复制,就像赋值语句一样。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
|
当尝试在调用takes_ownership
后使用s
时,Rust 会抛出一个编译时错误。这些静态检查使我们免于犯错。
返回值与作用域
返回值也可以转移所有权
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
|
变量的所有权总是遵循相同的模式:将值赋给另一个变量时移动它。当持有堆中数据值的变量离开作用域时,其值通过drop
被清理掉,除非数据被移动为另一个变量所有。
在每一个函数中都获取所有权并接着返回所有权有些啰嗦。
如果我们想要函数使用一个值但不获取所有权该怎么办呢?
如果我们还要接着使用它的话,每次都传进去再返回来就有点烦人了,除此之外,我们也可能想返回函数体中产生的一些数据。
我们可以使用元组来返回多个值
1 2 3 4 5 6 7 8 9 10 |
|
但是这未免有些形式主义,而且这种场景应该很常见。幸运的是,Rust 对此提供了一个功能,叫做引用(references)
引用与借用
上面的元组代码有这样一个问题:我们必须将String
返回给调用函数,以便在调用calculate_length
后仍能使用String
,因为String
被移动到了calculate_length
内。
下面是如何定义并使用一个(新的)calculate_length
函数,它以一个对象的引用作为参数而不是获取值的所有权
1 2 3 4 5 6 7 8 9 |
|
首先,注意变量声明和函数返回值中的所有元组代码都消失了。
其次,注意我们传递&s1
给calculate_length
,同时在函数定义时,我们获取&String
而不是String
这些&
符号就是引用,它们允许你使用值但不获取其所有权。
注意,与使用&
引用相反的操作是解引用,它使用解引用运算符,*
。
仔细看看这个函数调用:
1 2 |
|
&s1
语法让我们创建一个指向值s1
的引用,但是并不拥有它。
因为并不拥有这个值,当引用离开作用域时其指向的值也不会被丢弃。
同理,函数签名使用&
来表明参数s
的类型是一个引用。让我们增加一些解释性的注释:
1 2 3 4 |
|
变量s
有效的作用域与函数参数的作用域一样,不过当引用离开作用域后并不丢弃它指向的数据,因为我们没有所有权。
当函数使用引用而不是实际值作为参数,无需返回值来交还所有权,因为就不曾拥有所有权
我们将获取引用作为函数参数称为借用。正如现实生活中,如果一个人拥有某样东西,你可以从他那里借来。当你使用完毕,必须还回去
如果我们尝试修改借用的变量呢?
1 2 3 4 5 6 7 |
|
错误:
1 2 3 4 5 6 7 |
|
正如变量默认是不可变的,引用也一样。(默认)不允许修改引用的值。
可变引用
1 2 3 4 5 6 7 8 9 |
|
首先,必须将s
改为mut
。然后必须创建一个可变引用&mut s
和接受一个可变引用some_string: &mut String
不过可变引用有一个很大的限制:在特定作用域中的特定数据有且只有一个可变引用
这些代码会失败:
1 2 3 4 5 6 |
|
报错信息:
1 2 3 4 5 6 7 8 9 |
|
这个限制允许可变性,不过是以一种受限制的方式允许。
这个限制的好处是 Rust 可以在编译时就避免数据竞争。数据竞争类似于竞态条件,它可由这三个行为造成:
- 两个或更多指针同时访问同一数据
- 至少有一个指针被用来写入数据
- 没有同步数据访问的机制
数据竞争会导致未定义行为,难以在运行时追踪,并且难以诊断和修复;Rust 避免了这种情况的发生,因为它甚至不会编译存在数据竞争的代码!
一如既往,可以使用打括号来创建一个新的作用域,以允许拥有多个可变引用,只是不能同时拥有:
1 2 3 4 5 |
|
类似的规则也存在于同时使用可变与不可变引用中。这些代码会导致一个错误:
1 2 3 4 5 6 7 |
|
1 2 3 4 5 6 7 8 9 10 |
|
我们也不能在拥有不可变引用的同时拥有可变引用。
不可变引用的用户可不希望在他们的眼皮底下值就被意外的改变了!
然而,多个不可变引用是可以的,因为没有哪个只能读取数据的人有能力影响其他人读取到的数据。
注意一个引用的作用域从声明的地方开始一直持续到最后一次使用为止。
例如,因为最后一次使用不可变引用在声明可变引用之前,所以如下代码是可以编译的:
1 2 3 4 5 6 7 8 9 10 11 |
|
不可变引用r1
和r2
的作用域在println!
最后一次使用之后结束,这是也创建可变引用r3
的地方。
它们的作用域没有重叠,所以代码是可以编译的
尽管这些错误有时使人沮丧,但请牢记这是 Rust 编译器在提前指出一个潜在的 bug(在编译时而不是在运行时)并精确显示问题所在。
这样你就不必去跟踪为何数据并不是你想象中的那样。
1 2 3 4 5 6 7 |
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 |
|
悬垂引用
在具有指针的语言中,很容易通过释放内存时保留指向它的指针而错误地生成一个悬垂指针,所谓垂直指针是其指向的内存可能已经被分配给其它持有者。
相比之下,在 Rust 中编译器确保引用永远不会变成悬垂状态:当你拥有一些数据的引用,编译器确保数据不会在其引用之前离开作用域
让我们尝试创建一个悬垂引用,Rust 会通过一个编译时错误来避免:
1 2 3 4 5 6 7 |
|
错误信息:
1 2 3 4 5 6 7 |
|
错误信息引用了一个我们还未介绍的功能:生命周期(lifetimes)
让我们仔细看看我们的dangle
代码的每一步到底发生了什么:
1 2 3 4 5 |
|
因为s
是在dangle
函数内创建的,当dangle
的代码执行完毕后,s
将被释放。不过我们尝试返回它的引用。
这意味着这个引用会指向一个无效的String
,这可不对!Rust 不会允许我们这么做
这里的解决方法是直接返回String
1 2 3 4 |
|
这样就没有任何错误了。所有权被移动出去,所以没有值被释放。
引用的规则
- 在任意给定时间,要么只能有一个可变引用,要么只能有多个不可变引用
- 引用必须总是有效的
Slice类型
另一个没有所有权的数据类型是 slice。slice 允许你引用集合中一段连续的元素序列,而不用引用整个集合。
编程小习题:编写一个函数,该函数接收一个字符串,并返回在该字符串中找到的第一个单词。如果函数在字符串中并未找到空格,则整个字符串就是一个单词,所以应该返回整个字符串。
我们并没有一个真正获取部分字符串的办法。不过,我们可以返回单词结尾的索引
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
|
因为需要逐个检查String
中的值是否为空格,需要用as_bytes
方法将String
转化为字符数组:
1 |
|
接下来,使用iter
方法在字节数组上创建一个迭代器:
1 |
|
现在,只需要知道iter
方法返回集合中的每一个元素,而enumerate
包装了iter
的结果,将这些元素作为元组的一部分来返回。
enumerate
返回的元组中,第一个元素是索引,第二个元素是集合中元素的引用。这比我们自己计算索引要方便一些
因为enumerate
方法返回一个元组,我们可以使用模式来解构,就像 Rust 中其他任何地方所做的一样。
所以在for
循环中,我们指定了一个模式,其中元组中的i
是索引而元组中&item
是单个字节。
我们从.iter().enumerate()
中获取了集合元素的引用,所以模式中使用了&
在for
循环中,我们通过字符的字面值语句来寻找代表空格的字节。如果找到了一个空格,返回它的位置。否则,使用s.len()
返回字符串的长度
现在有了一个找到字符串中第一个单词结尾索引的方法,不过这有一个问题。
我们返回了一个独立的usize
,不过它只在&String
的上下文中才是一个有意义的数字。
换句话说,因为它是一个与String
相分离的值,无法保证将来它仍然有效。
1 2 3 4 5 6 7 |
|
这个程序编译时没有任何错误,而且在调用s.clear()
之后使用word
也不会出错。因为word
与s
状态完全没有联系,所以word
仍然包含值5
。
可以尝试使用值5
来提取变量s
的第一个单词,不过这是有 bug 的,因为在我们将5
保存到word
之后s
的内容已经改变
我们不得不时刻担心word
的索引与s
中的数据不再同步,这很啰嗦且易出错!
如果编写这么一个second_word
函数的话,管理索引这件事将更加容易出问题。
现在我们要跟踪一个开始索引和一个结尾索引,同时有了更多从数据的某个特定状态计算而来的值,但都完全没有与这个状态相关联。
现在有三个飘忽不定的不相关变量需要保持同步
幸运的是,Rust 为这个问题提供了一个解决方法:字符串 slice
字符串slice
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
|
字符串 slice 是String
中一部分值的引用,它看起来像这样:
1 2 3 |
|
这类似于引用整个String
不过带有额外的[0..5]
部分。它不是对整个String
的引用,而是对部分String
的引用。
可以使用一个由中括号中的[starting_index..ending_index]
指定的 range 创建一个 slice,其中starting_index
是 slice 的第一个位置,ending_index
则是 slice 最后一个位置的后一个值。
在其内部,slice 的数据结构存储了 slice 的开始位置和长度,长度对应于ending_index
减去starting_index
的值。
所以对于let world = &s[6..11];
的情况,world
将是一个包含指向s
的第 7 个字节(从 1 开始)的指针和长度值 5 的 slice
对于 Rust 的..
range语法,如果想要从第一个索引(0)开始,可以不写两个点号之前的值。换句话说,如下两个语句是相同的:
1 2 3 |
|
依此类推,如果 slice 包含String
的最后一个字节,也可以舍弃尾部的数字。这意味着如下也是相同的:
1 2 3 4 |
|
也可以同时舍弃这两个值来获取整个字符串的 slice。所以如下亦是相同的:
1 2 3 4 |
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
|
编译错误:
1 2 3 4 5 6 7 8 9 |
|
回忆一下借用规则,当拥有某值的不可变引用时,就不能再获取一个可变引用。
因为clear
需要清空String
,它尝试获取一个可变引用。Rust 不允许这样做,因而编译失败。
Rust 不仅使得我们的 API 简单易用,也在编译时就消除了一整类的错误!
字符串字面值就是slice
1 |
|
这里s
的类型是&str
:它是一个指向二进制程序特定位置的 slice。这也就是为什么字符串字面值是不可变的;&str
是一个不可变引用
字符串slice作为参数
在知道了能够获取字面值和String
的 slice 后,我们对frist_word
做了改进,这是它的签名:
1 |
|
而更有经验的 Rustacean 会编写如下的签名,因为它使得可以对String
值和&str
值使用相同的函数
1 |
|
如果有一个字符串 slice,可以直接传递它。如果有一个String
,则可以传递整个String
的 slice。
定义一个获取字符串 slice 而不是String
引用的函数使得我们的 API 更加通用并且不会丢失任何功能:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 |
|
其他类型的slice
字符串 slice,正如你想象的那样,是针对字符串的。不过也有更通用的 slice 类型。考虑一下这个数组:
1 |
|
就跟我们想要获取字符串的一部分那样,我们也会想要引用数组的一部分。我们可以这样做:
1 2 |
|
这个 slice 的类型是&[i32]
。它跟字符串 slice 的工作方式一样,通过存储第一个集合元素的引用和一个集合总长度。
你可以对其他所有集合使用这类 slice
总结
所有权、借用和 slice 这些概念让 Rust 程序在编译时确保内存安全。
Rust 语言提供了跟其他系统编程语言相同的方式来控制你使用的内存,但拥有数据所有者在离开作用域后自动清除其数据的功能意味着你无须额外编写和调试相关的控制代码。