PHP底层运行机制与原理
1.PHP的设计理念以及特点
- 多进程模型:由于PHP是多进程模型,不同请求间互不干涉,这样保证了一个请求挂掉不会对全盘服务造成影响。当然,随着时代发展,PHP也早已支持多线程模型
- 弱类型语言:和C/C++、Java、C#等语言不同,PHP是一门弱类型语言。在PHP中,一个变量的类型并不是一开始就确定的,而是运行中才会确定并可能发生隐式或显式的类型转换,这种机制的灵活性在web开发中非常方便、高效。
- 引擎(Zend)+组件(ext)的模式降低内部耦合。
- 中间层(sapi)隔绝web server和PHP。
- 语法简单灵活,没有太多规范,但同时也导致风格混杂。
2.PHP的四层体系
PHP核心架构如下图:
PHP从下到上是一个4层体系:
- Zend引擎:Zend整体用纯C实现,是PHP的内核部分,它将PHP代码翻译(词法、语法解析等一系列编译过程)为可执行opcode处理,并实现相应的处理方法,实现了基本的数据结构(如hashtable)、内存分配及管理、提供了相应的api方法供外部调用,是一切的核心,所有的外围功能均围绕Zend实现。
- Extensions:围绕着Zend引擎,extensions通过组件式的方式提供各种基础服务,我们常见的各种内置函数(如array系列)、标准库等都是通过extension来实现,用户也可以根据需要实现自己的extension以达到功能扩展、性能优化等目的。
- Sapi:Sapi全称是Server Application Programming Interface,也就是服务端应用编程接口,Sapi通过一系列钩子函数,使得PHP可以和外围交互数据,这是PHP非常优雅和成功的一个设计,通过sapi成功的将PHP本身和上层应用解耦隔离,PHP可以不再考虑如何针对不同应用进行兼容,而应用本身也可以针对自己的特点实现不同的处理方式。
- Application:这就是我们平时编写的PHP程序,通过不同的sapi方式得到各种各样的应用模式,如通过webserver实现web应用、在命令行下以脚本方式运行等等。
3.Sapi
Sapi通过一系列的接口,使得外部应用可以和PHP交换数据,并可以根据不同应用特点实现特定的处理方法,我们常见的一些sapi有:
- apache2handler:PHP作为Apache模块,Apache服务器在系统启动后,预先生成多个进程副本驻留在内存中,一旦有请求出 现,就立即使用这些空余的子进程进行处理,这样就不存在生成子进程造成的延迟了。这些服务器副本在处理完一次HTTP请求之后并不立即退出,而是停留在计算机中等待下次请求。对于客户浏览器的请求反应更快,性能较高
- CGI:CGI方式在遇到请求先要创建CGI的子进程,激活一个CGI进程,然后处理请求,处理完后结束这个子进程。这就是fork-and-execute模式。所以用cgi方式的服务器有多少连接请求就会有多少cgi子进程,子进程反复加载是CGI性能低下的主要原因。当用户请求数量非常多时,会大量挤占系统的资源如内存,CPU时间等,造成效能低下。
- CLI:命令行调用的应用模式
- FastCGI:fast-cgi 是 CGI的升级版本,FastCGI可以看成是一个常驻型的CGI,它可以一直执行着,不会每次都要花费时间去fork一次。
4.PHP执行流程
1、词法分析 Scanning(Lexing):将PHP代码转换成语言片段(Tokens)。PHP是基于 re2c 语法分析依据表作为语法分析的。在PHP源码文件夹中可以看到 zend/zend_language_sanner.l这个规则文件。
2、语法分析 Parsing:将 Tokens 装换成简单有意义的表达式。Bison是一种通用目的的分析器生成器。它将LALR(1)上下文无关文法的描述转化成分析该文法的C程序。 使用它可以生成解释器,编译器,协议实现等多种程序,Bison分析器文件是定义了名为yyparse并且实现了某个语法的函数的C代码。PHP中 yyparse被zendparse代替。
3、编译 Compilation:将表达式编译成 Opcodes
4、执行 Execution :Zend 顺序执行 Opcodes,每次一条,从而实现PHP脚本的功能,和机器指令运行相似。
可以看到,PHP实现了一个典型的动态语言执行过程:拿到一段代码后,经过词法解析、语法解析等阶段后,源程序会被翻译成一个个指令(opcodes),然后Zend虚拟机顺次执行这些指令完成操作。PHP本身是用C实现的,因此最终调用的也都是C的函数,实际上,我们可以把PHP看做是一个C开发的软件。
PHP的执行的核心是翻译出来的一条一条指令,也即opcode。
Opcode是PHP程序执行的最基本单位。一个opcode由两个参数(op1,op2)
、返回值和处理函数组成。PHP程序最终被翻译为一组opcode处理函数的顺序执行。
5.HashTable — 核心数据结构
HashTable是Zend的核心数据结构,在PHP里面几乎被用来实现所有常见的功能,我们知道的数组即是其典型应用。此外,在zend内部,如函数符号表、全局变量等也都是基于hash table来实现。
PHP的hash table具有如下特点:
- 支持典型的key->value查询
- 添加、删除节点是 O(1) 复杂度
- key支持混合类型:同时存在关联数组合索引数组
- Value支持混合类型:
array ("string", 2332)
- 支持线性遍历:如
foreach
- 可以当做数组使用
Zend hash table实现了典型的hash表散列结构,同时通过附加一个双向链表,提供了正向、反向遍历数组的功能。
- 散列结构:Zend的散列结构是典型的hash表模型,通过链表的方式来解决冲突。需要注意的是zend的hash table是一个自增长的数据结构,当hash表数目满了之后,其本身会动态以2倍的方式扩容并重新填充元素位置。初始大小均为
8
。另外,在进行key->value快速查找时候,zend本身还做了一些优化,通过空间换时间的方式加快速度。比如在每个元素中都会用一个变量nKeyLength
标识key的长度以作快速判定。 - 双向链表:Zend hash table通过一个链表结构,实现了元素的线性遍历。理论上,做遍历使用单向链表就够了,之所以使用双向链表,主要目的是为了快速删除,避免遍历。Zend hash table是一种复合型的结构,作为数组使用时,即支持常见的关联数组也能够作为顺序索引数字来使用,甚至允许2者的混合。
- 关联数组:关联数组是典型的hash table应用。
getKeyHashValue h; index = n & nTableMask; Bucket *p = arBucket[index]; while (p) { if ((p->h == h) & (p->nKeyLength == nKeyLength)) { RETURN p->data; } p=p->next; } RETURN FALTURE;
- 索引数组:索引数组就是我们常见的数组,通过下标访问。例如
$arr[0]
,Zend HashTable内部进行了归一化处理,对于索引类型key同样分配了hash值和nKeyLength
(为0)。内部成员变量nNextFreeElement
就是当前分配到的最大id,每次push后自动加一。正是这种归一化处理,PHP才能够实现关联和非关联的混合。由于push操作的特殊性,索引key在PHP数组中先后顺序并不是通过下标大小来决定,而是由push的先后决定。例如$arr[1] = 2; $arr[2] = 3;
对于double类型的key,Zend HashTable会将他当做索引key处理。
6.PHP变量
PHP是一门弱类型语言,本身不严格区分变量的类型。PHP在变量声明的时候不需要指定类型,在程序运行期间可能进行变量类型的隐示转换。和其他强类型语言一样,程序中也可以进行显示的类型转换。PHP变量可以分为简单类型(int、string、bool)、集合类型(array resource object)和常量(const)。以上所有的变量在底层都是同一种结构 zval。
Zval是zend中另一个非常重要的数据结构,用来标识并实现PHP变量:
struct _zval_struct { union { long lval; double dval; struct { char *val; int len; } str; HashTable *ht; zend_object_value obj; zend_ast *ast; } value; zend_uint refcount__gc; zend_uchar type; zend_uchar is_ref__gc; };
Zval
主要由三部分组成:
- type:指定了变量所属的类型(整数、字符串、数组等)
- refcount&is_ref:用来实现引用计数
- value:核心部分,存储了变量的实际数据
6.1 引用计数
引用计数在内存回收、字符串操作等地方使用非常广泛。PHP中的变量就是引用计数的典型应用。Zval的引用计数通过成员变量is_ref和ref_count实现,通过引用计数,多个变量可以共享同一份数据。避免频繁拷贝带来的大量消耗。
在进行赋值操作时,zend将变量指向相同的zval同时ref_count++,在unset操作时,对应的ref_count-1。只有ref_count减为0时才会真正执行销毁操作。如果是引用赋值,则zend会修改is_ref为1。
PHP变量通过引用计数实现变量共享数据,那如果改变其中一个变量值呢?当试图写入一个变量时,Zend若发现该变量指向的zval被多个变量共享,则为其复制一份ref_count为1的zval,并递减原zval的refcount,这个过程称为“zval分离”。可见,只有在有写操作发生时zend才进行拷贝操作,因此也叫copy-on-write(写时拷贝)
对于引用型变量,其要求和非引用型相反,引用赋值的变量间必须是捆绑的,修改一个变量就修改了所有捆绑变量。
6.2 整数和浮点数
整数、浮点数是PHP中的基础类型之一,也是一个简单型变量。对于整数和浮点数,在zvalue
中直接存储对应的值。其类型分别是long
和double
。
从zvalue
结构中可以看出,对于整数类型,和c等强类型语言不同,PHP是不区分int
、unsigned int
、long
、long long
等类型的,对它来说,整数只有一种类型也就是long
。由此,可以看出,在PHP里面,整数的取值范围是由编译器位数来决定而不是固定不变的。
对于浮点数,类似整数,它也不区分float
和double
而是统一只有double
一种类型。
在PHP中,如果整数范围越界了怎么办?这种情况下会自动转换为double
类型,这个一定要小心,很多trick都是由此产生。
6.3 字符和字符串
和整数一样,字符变量也是PHP中的基础类型和简单型变量。通过zvalue
结构可以看出,在PHP中,字符串是由由指向实际数据的指针和长度结构体组成,这点和c++中的string比较类似。由于通过一个实际变量表示长度,和c不同,它的字符串可以是2进制数据(包含\0
),同时在PHP中,求字符串长度strlen
是O(1)
操作。
在新增、修改、追加字符串操作时,PHP都会重新分配内存生成新的字符串。最后,出于安全考虑,PHP在生成一个字符串时末尾仍然会添加\0
。
$strA = '123'; $strB = '456'; $intA = 123; $intB = 456; // 现在对如下的几种字符串拼接方式做一个比较和说明: // 下面两种情况,zend会重新malloc一块内存并进行相应处理,其速度一般 $res = $strA . $strB $res = "$strA$strB" // 这种是速度最快的,zend会在当前strA基础上直接relloc,避免重复拷贝 $strA = $strA . $strB // 这种速度较慢,因为需要做隐式的格式转换,实际编写程序中也应该注意尽量避免 $res = $intA . $intB // 这会是最慢的一种方式,因为sprintf在PHP中并不是一个语言结构, // 本身对于格式识别和处理就需要耗费比较多时间,另外本身机制也是malloc。 // 不过sprintf的方式最具可读性,实际中可以根据具体情况灵活选择。 $strA = sprintf ("%s%s", $strA . $strB);
6.4 数组
PHP的数组通过Zend HashTable来天然实现。
foreach
操作如何实现?对一个数组的foreach
就是通过遍历hashtable中的双向链表完成。对于索引数组,通过foreach
遍历效率比for
高很多,省去了key->value的查找。count
操作直接调用HashTable->NumOfElements
,O(1)
操作。对于 '123'
这样的字符串,zend会转换为其整数形式。$arr['123']
和$arr[123]
是等价的。
6.5 资源
资源类型变量是PHP中最复杂的一种变量,也是一种复合型结构。
PHP的zval
可以表示广泛的数据类型,但是对于自定义的数据类型却很难充分描述。由于没有有效的方式描绘这些复合结构,因此也没有办法对它们使用传统的操作符。要解决这个问题,只需要通过一个本质上任意的标识符(label)引用指针,这种方式被称为资源。
在zval
中,对于resource,lval
作为指针来使用,直接指向资源所在的地址。Resource可以是任意的复合结构,我们熟悉的mysqli、fsock、memcached等都是资源。
如何使用资源:
- 注册:对于一个自定义的数据类型,要想将它作为资源。首先需要进行注册,zend会为它分配全局唯一标示。
- 获取一个资源变量:对于资源,zend维护了一个id->实际数据的hash_tale。对于一个
resource
,在zval
中只记录了它的id。fetch
的时候通过id在hash_table中找到具体的值返回。 - 资源销毁:资源的数据类型是多种多样的。Zend本身没有办法销毁它。因此需要用户在注册资源的时候提供销毁函数。当
unset
资源时,zend调用相应的函数完成析构。同时从全局资源表中删除它。
资源可以长期驻留,不只是在所有引用它的变量超出作用域之后,甚至是在一个请求结束了并且新的请求产生之后。这些资源称为持久资源,因为它们贯通SAPI的整个生命周期持续存在,除非特意销毁。很多情况下,持久化资源可以在一定程度上提高性能。比如我们常见的mysql_pconnect
,持久化资源通过pemalloc
分配内存,这样在请求结束的时候不会释放。 对zend来说,对两者本身并不区分。
6.6 变量作用域
PHP中的局部变量和全局变量是如何实现的?对于一个请求,任意时刻PHP都可以看到两个符号表(symbol_table
和active_symbol_table
),其中前者用来维护全局变量。后者是一个指针,指向当前活动的变量符号表,当程序进入到某个函数中时,zend就会为它分配一个符号表x同时将active_symbol_table
指向a。通过这样的方式实现全局、局部变量的区分。
获取变量值:PHP的符号表是通过hash_table
实现的,对于每个变量都分配唯一标识,获取的时候根据标识从表中找到相应zval返回。
函数中使用全局变量:在函数中,我们可以通过显式申明global
来使用全局变量。在active_symbol_table
中创建symbol_table
中同名变量的引用,如果symbol_table
中没有同名变量则会先创建