OCaml 如何在内存中表示值

摘要

30 秒看懂

一位 Jane Street 语言团队工程师介绍 OCaml 的常规值布局。通过交互式示例，讲者展示了带标签的整数、块头和标签如何帮助运行时与垃圾回收器区分值并理解堆块。

全文

对照原始文稿

讲者介绍立即值，并用 Obj 检查它们的表示。数组、元组和记录则用于展示装箱块。

我在 Jane Street 的 OCaml 语言团队工作。这个系列之前的视频讨论过局部性等模式；另一个开发方向是 kind 系统，它可以表达包括内存布局在内的属性。在讨论无装箱类型之前，我想先解释 OCaml 的常规值表示。

第一类是立即值。Unit 只有一个值，写作 ()，通常用于执行某种副作用而不返回有意义信息的计算。布尔值、字符和有符号整数也属于立即类型。

这些值都表示为 OCaml 整数。为了检查它们，我编写了一个辅助函数：先检查值的表示，再使用不安全的重新解释操作 Obj.magic，将其看作整数。Unit 和 false 表示为 0，true 表示为 1；字符对应其字节码，整数则对应自身。

值也可以组合成结构：列表或数组可以包含同一类型的元素，元组可以包含不同类型的元素，记录则可以为各自拥有类型的字段命名。与立即类型不同，这些复合值经过装箱，由堆上分配的块表示。

第二个辅助函数使用 Obj.repr 查看运行时表示，检查它是否为块，然后调用 Obj.size。在这些例子中，包含四个元素的数组大小为四个机器字，三元组为三个，两字段记录为两个。Obj.repr 是恒等操作，让我们能够检查其表示。

垃圾回收器必须识别值及其大小。对齐指针、整数最低位标签和块头提供了这些信息。

运行时如何区分整数和指针，又如何确定块的大小？这不仅关系到检查操作：垃圾回收器也必须区分立即值和引用，并了解引用所指向的内存。

OCaml 使用带标签的整数。在这里展示的 64 位布局中，堆块按机器字对齐，因此地址末尾有若干个零位。运行时将最低有效位作为区分标记：1 表示立即整数，0 表示指针。这样就留下 63 位用于整数表示。

每个堆块还有一个额外的头部机器字。在展示的布局中，大小字段记录块以机器字为单位的长度；Obj.size 读取该字段。两个颜色位供垃圾回收器使用，一个字节的标签则向运行时提供更多关于块的信息。

原始浮点数和字符串数据需要特殊处理，以免其位模式被解释为指针。块头标签用于标识这些不可扫描的块。

64 位浮点值无法总是留出一位来与指针区分。在普通装箱表示中，浮点数存储在一个堆块里，其标签为 Double_tag，即 253。垃圾回收器识别该标签，不会把浮点数的位模式当作指针扫描。

我可以对浮点数使用 Obj.repr 和 Obj.tag 来验证：报告的标签为 253。字符串也有类似问题，因为紧密排列的字节可以包含任意位模式。字符串块使用标签 252，因此其内容不会被误认为指针。

更一般地说，标签大于或等于 251 的块，其内容不会被垃圾回收器当作普通的含指针字段扫描。标签还有另一个重要用途：区分变体类型的构造器。

OCaml 分别对不带载荷和带载荷的构造器编号。前者使用立即整数，后者使用块标签。

考虑一个变体，包含构造器 A、B of int、C 和 D of string。表示某个值时，运行时既需要知道构造器的身份，也需要知道任何关联载荷。OCaml 将不带参数的构造器和带参数的构造器分组，分别从零开始编号。

不带载荷的构造器是立即整数。在这个例子中，A 为 0，C 为 1；再有一个不带载荷的构造器就会是 2。对于带载荷的构造器，块标签记录构造器编号：B 的标签为 0，D 的标签为 1。

由于标签的取值有限，一个变体中带载荷的构造器数量也有上限，不过这个限制对大多数用途来说已经足够。这种直接的表示方式让我们能够推理许多类型的布局，也有助于保持运行时和垃圾回收器相对简单。后续视频会讨论这些值类型如何与无装箱类型相互作用。