Массивы в памяти компьютера — PHP: Массивы

• Массивы в языке C
• Безопасность
• Массивы в динамических языках

В работе с PHP и другими высокоуровневыми языками позволительно не знать устройство массивов для решения повседневных задач. С другой стороны, подобное понимание делает код менее магическим и дает возможность заглянуть чуть дальше.

Массивы в языке C

Реальные массивы лучше всего рассматривать на языке C (читается как «си»). С одной стороны, язык C достаточно простой и понятный, а с другой — он очень близок к железу и не скрывает от нас практически ничего. Когда мы говорим о строках, числах и других примитивных типах данных, на интуитивном уровне все довольно понятно. Под каждое значение выделяется некоторый объем памяти в соответствии с типом, в которой хранится само значение.

А как должна выделяться память под хранение массива? Что такое массив в памяти? На уровне хранения, понятия «массив» не существует. Массив представляется цельным куском памяти, размер которого вычисляется так:

количество элементов * количество памяти под каждый элемент

Из этого утверждения есть два интересных вывода:

• Размер массива — это фиксированная величина. Динамические массивы, с которыми мы имеем дело во многих языках, реализованы внутри языка, а не на уровне железа
• Все элементы массива имеют один тип и занимают одно и то же количество памяти. Благодаря этому мы можем просто применить формулу выше и получить адрес ячейки, в которой лежит нужный нам элемент. Именно это происходит при обращении к элементу массива под определенным индексом

Фактически, индекс в массиве — это смещение относительно начала куска памяти, содержащего данные массива. Адрес, по которому расположен элемент под конкретным индексом, рассчитывается так:

начальный адрес + индекс * количество памяти, занимаемое одним элементом (для данного типа данных)

Начальный адрес — это адрес ячейки памяти, начиная с которой размещается массив. Он формируется во время выделения памяти под массив.

Рассмотрим пример на языке C:

// Инициализация массива из пяти элементов типа int
// В этом месте резервируется память под него
// Непрерывный кусок памяти размером _количество элементов * количество байт под int_
int mark[] = {19, 10, 8, 17, 9};
// _Начальный адрес + 3 * количество байт под int_
// Так рассчитывается фактический адрес, по которому располагаются данные
mark[3]; // 17

Если предположить, что тип int занимает в памяти 2 байта (зависит от архитектуры), то адрес элемента с индексом 3 вычисляется так: начальный адрес + 3 * 2. Для индекса 1 – начальный адрес + 1 * 2.

В такой формуле расчета адреса есть ровно один способ физически разместить данные в начале доступной памяти – использовать нулевой индекс: начальный адрес + 0 * размер элемента конкретного типа = начальный адрес.

// Первый элемент
// Начальный адрес + 2 * 0 = начальный адрес
mark[0]; // 19

// Начальный адрес + 2 * 1 = начальный адрес + 2
// То есть сместились на 2 байта
mark[1]; // 10

// Начальный адрес + 2 * 2 = начальный адрес + 4
// То есть сместились на 4 байта
mark[2]; // 8

// Последний элемент
// Начальный адрес + 2 * 4 = начальный адрес + 8
// То есть сместились на 8 байт
// И сам элемент занимает 2 байта, в сумме как раз 10
mark[4]; // 9

Теперь должно быть понятно, почему индексы в массиве начинаются с нуля. В этом случае ноль означает отсутствие смещения.

Но не все данные имеют одинаковый размер. Как будет храниться массив строк? Строки ведь имеют разную длину — значит, они требуют разное количество памяти для своего хранения.

Один из способов сохранить строки в массиве на языке C – создать массив массивов. Здесь нужно понимать, что любая строка в C — это массив символов. Вложенные массивы обязательно должны быть одного размера, невозможно обойти физические ограничения массивов. Хитрость в том, что этот размер должен быть достаточно большой, чтобы туда поместились необходимые строки:

// Массив из трех элементов, внутри которого массивы по 10 элементов
// Это значит, что здесь можно хранить 3 строки длиной не больше 10 символов
char strings[3][10] = {
   "spike",
   "tom",
   "jerry"
};

strings[0]; // spike

Безопасность

В высокоуровневых языках код защищен от выхода за границу массива. Но в языке C выход за границу не приводит к ошибкам.

Для примера представим, что мы обратились к элементу, индекс которого находится за пределами массива. Такое обращение вернет данные, которые лежат в той самой области памяти, куда мы попросили обратиться в соответствие с формулой выше. Чем окажутся эти данные? Никому не известно. Они будут проинтерпретированы в соответствие с типом массива. Если массив имеет тип int, то вернется число.

Из-за отсутствия какой-либо защиты, выход за границу массива активно эксплуатируется хакерами для взлома программ.

Массивы в динамических языках

В PHP, JavaScript и других динамических языках устройство массивов значительно сложнее, чем в C, потому что типы данных вычисляются автоматически во время выполнения кода. Массив в такой среде не может работать так же, как в C. Неизвестно, данные каких типов окажутся внутри в процессе работы.

Массивы в таких языках содержат не сами данные, а ссылки на них (то есть адреса в памяти). Тогда становится не так важно, что хранить. Любое значение в массиве – адрес, имеющий одинаковый размер независимо от данных, на которые он указывает. Такой подход делает массивы гибкими, но более медленными.

Кроме того, массивы в динамических языках тоже динамические — их размер может увеличиваться или уменьшаться в процессе работы программы. Технически это работает так: если ссылки (помним, что данные там не хранятся) в массив не помещаются, то интерпретатор внутри себя создает новый массив большего размера (обычно в два раза) и переносит все ссылки туда. Динамические массивы очень упрощают процесс разработки, но за это тоже приходится платить скоростью.