聊聊C语言和指针的本质

发表于 9月以前 | 总阅读数：311 次

今天我们聊一聊C语言的指针，以及和指针相关的一些东西。C语言在当今计算机体系中有着举足轻重的地位。

很多编程语言都以 “没有指针” 作为自己的优势来宣传，然而，对于C语言，指针却是与生俱来的，灵魂般的存在。

指针

那么，什么是指针，为什么大家都想避开指针。

指针是内存地址的一种抽象，当一个内存地址作为一个变量存在时，它就被叫做指针，该变量的类型，就是指针的类型，但指针本身是一个特定内存空间，其大小取决于计算机系统的体系结构。在32位系统中，指针通常占用4个字节（32位），而在64位系统中，指针通常占用8个字节（64位）。指针的大小决定了计算机可以访问的最大内存空间。例如，在32位系统中，最大寻址空间为2^32字节（4GB），而在64位系统中，最大寻址空间为2^64字节（16EB，1EB等于10亿GB）。指针的值保存的是另外一个变量或者函数等的内存地址。

指针的泛化能力

给指针定义类型只是为了后续读取内存，所有指针大小都是一样，指针实际上可以指万物。在冯·诺依曼系结构的计算机中，一起变量和函数都是内存地址，指针可以指向任何一个，在中间传递过程中，指针可以把值传给任何其他指针（我们可以定义void*指针），我们只需要读取时候对齐类型进行解析（因为有虚拟内存机制存在，跨进程一般不能直接传递指针，每个进程都有自己内存空间，相同地址可能是不一样内容，直接传递指针可能导致数据错误或程序崩溃），这个和TCP端到端通信原理很类似，我们在传输时候，中间传输节点可以是路由器或者交换机或者其他任何设备都可以，只要能传输就行，我们只需要在两端（起点和终点）对齐类型就可以了。

指针的泛化能力，给c语言带来无穷想象力（抽象能力）和编程的扩展性（泛型编程），比如glibc一些通用函数实现：

函数指针是指向函数的指针，可以用于将函数作为参数传递给其他函数，或者从函数中返回。这使得我们可以实现高阶函数和灵活的控制流，甚至函数式编程。

比如C++多态实现（虚函数）：

Linux内核用C语言指针实现了大量OOP编程：

Java异常处理机制通常使用指针来实现：

Go的切片也用指针来实现：

还可以实现异步编程（回调函数），引用计数（GC），各种高级数据结构等等，可以说指针是C语言的灵魂。

指针和内存关系

谈到指针，肯定需要理解内存原理：

来自深入理解计算机系统

内存中的每一个字节都是有一个编号的，这个编号就是“地址”，且内存空间是线性的。如果我们在程序中定义了一个变量，在对这个程序进行编译或者运行的时候，系统会自动给这个变量分配内存单元，并确定其地址。变量有两个固定属性：一个变量的内存地址。一个变量的值。

指针变量就是存放变量内存地址的一个变量。指针变量的运算（+，-，++,--等）就是内存地址的计算（偏移），指针解引用就是访问或者修改指针指向的内存地址处的数据，内存大小由指针类型决定，我们平时通常会把指针变量称作指针，由于指针本身也是一个变量，我们就可以根据自相似性（self-similarity，类似递归属性），用指针指向自己，从而扩展到多级指针（多维指针），用一个变量来描述多个维度。

指针的作用

指针的作用就是，给出一个指针，取出该指针指向地址处的值。为了理解本质，我们从计算机模型说起。宏观看来，计算机可以分为两类：

存储-执行计算机（冯·诺依曼结构）

这类机器典型的例子就是我们平时使用的计算机，有一个CPU，有一个内存，CPU仅包含运算逻辑，所有的指令和数据都在内存中，内存仅供存储，不包含任何运算组件。

现场编程计算机

这类机器的典型例子就是ASCI电路，FPGA这种。直接针对特定的需求构建逻辑电路，然而，FPGA则采用并行计算和查找表（LUT）等技术，更适合执行特定的任务。此外，FPGA的编程难度较高，需要专门的编程技能和工具，以及设计和实现的成本较高等问题，不太适合通用计算，通常是作为特定任务硬件加速。

我们看我们平时使用的存储-执行模型（**冯·诺依曼结构**）的计算机工作模式：

CPU在地址总线上发射一个地址到内存。内存把特定地址对应的数据返回到数据总线。看起来，通用计算机就是通过指针完成所有工作的。CPU没有能力直接操作内存里的值，它必须做以下的操作以迂回：

从特定地址A0取出值V0。对V0进行加工运算生成V1。将V1存入特定地址A1。

最开始人们就是按照以上的这么个逻辑编程的，这就是汇编语言：

mov    -0x4c(%rbp),%ebx

然而，这样太麻烦了，C语言随着简单通用的UNIX操作系统而生，下面的语句看起来更加方便：

int a = 10;
char *p = &a;
*p = 13;

C语言直接映射了CPU的工作方式，而且是用极其简单的方式，这就是C语言的艺术。

这就是C指针的背景。在那个年代，人们还没有渴望计算机帮助完成更复杂的业务逻辑，人们只是希望用一种更加简单的方式抽象出计算机的行为，最终的结晶，就是C语言。

于是，我们说，C语言的精华就是指针，指针是C语言的一切。我们可以没有if-else语言，我们可以没有switch-case语句，我们可以不要while，我们不要for，但我们必须有指针。

是的，我们可以用指针函数的状态矩阵代替if-else之类：

int (*routine)[...]();
...
condition = calc(...);
routine[condition](argv);

我们用状态矩阵成功规避了if-else…可以看到，还是用的指针。指针是存储-执行模型的计算机工作的必要条件！

我们再看存储-执行模型的计算机的工作方式：

给定一个地址，CPU就可以取出该地址的数据。
给定一个地址，CPU就可以写入该地址一个值。

这意味着什么？

只要想让CPU正常工作，就必须暴露整个内存地址空间给CPU，否则CPU就是一堆毫无用处的门电路，换句话说，CPU的数据一切来自内存！操作内存就必然要用指针！

其实，C语言就是简化版的汇编语言。最终，C语言接力汇编用指针创造了世界。

不管怎么样，C语言是面向计算机的编程语言，而不是面向业务的编程语言，它映射了计算机的工作方式而不太善于描述业务逻辑，因此，C语言深受黑客，编程手艺人这种计算机本身的爱好者喜爱，却不被业务程序员待见，因为摆弄指针确实太繁琐复杂了，一不小心就会出错。

存储-执行模型的问题在于，要设计复杂的带外机制防止内存被任意访问，由此而来的就是复杂的分段，分页，访问控制，MMU等机制，当然，这些机制和CPU依靠指针访问内存的工作方式并不冲突。

把C语言指针用的最绝的应该就是Linux内核的嵌入式链表 struct list_head 了：

struct list_head {
struct list_head *next, *prev;
};

它可以代表一切，它通过C指针完美诠释了OOD/OOP，list_head是世界的基类！

通过container_of宏，list_head可以转换为任意对象：

/**
 * container_of - cast a member of a structure out to the containing structure
 * @ptr:        the pointer to the member.
 * @type:       the type of the container struct this is embedded in.
 * @member:     the name of the member within the struct.
 *
 */
#define container_of(ptr, type, member) ({                              \
void *__mptr = (void *)(ptr);                                   \
        BUILD_BUG_ON_MSG(!__same_type(*(ptr), ((type *)0)->member) &&   \
                         !__same_type(*(ptr), void),                    \
"pointer type mismatch in container_of()");    \
        ((type *)(__mptr - offsetof(type, member))); })

这个转换背后的依赖，正是指针，通过链表节点地址可以反推数据节点地址，链表是基类，不需要存储数据，只需要任何一个结构"继承"（嵌入链表节点）就可以有链表功能：