跳到主要内容

Smi、HeapObject 和字符串

V8 引擎为了极致性能，在底层对 JavaScript 值的表示做了高度优化。它使用一种称为 “指针标记”（Pointer Tagging） 的技术，将不同类型的数据（如整数、对象、字符串等）统一用 64 位（或 32 位）字（word）表示，并通过低位 bit 区分类型。

一、V8 的统一值表示：TaggedValue​

在 V8 中，所有 JavaScript 值（包括数字、对象、undefined 等）都用一个 TaggedValue（也叫 Object* 或 Handle<Object>）表示 —— 本质上是一个 机器字（machine word），通常是 64 位（在 64 位系统上）。

V8 利用这个字的最低几位（tag bits） 来区分值的类型：

类型最低 2 位（64 位系统）存储方式
Smi（小整数）00值直接内联（无需堆分配）
HeapObject（堆对象）01指向堆中对象的指针
其他特殊值（如 undefined, null, true, false）11用预定义的常量指针表示

✅ 这种设计避免了为每个值分配额外的类型字段，节省内存并加速类型判断。

二、Smi（Small Integer）的表示​

1. 什么是 Smi？​

  • Smi = Small Integer
  • 表示范围内的整数可直接编码在指针中，无需堆分配。
  • 在 64 位系统上，V8 使用 32 位有符号整数作为 Smi（实际用 31 位，因需左移 1 位）。

2. 编码方式（64 位系统）​

Smi 值 N → 实际存储为 `(N << 1) | 0b00`
  • 左移 1 位腾出最低位；
  • 最低位设为 00 表示 Smi。

✅ 例如：

  • 100 → 100 << 1 = 200 → 二进制 ...11001000（末两位 00）
  • -1 → -1 << 1 = -2 → 二进制 ...11111110（末两位 00）

3. 范围​

  • 64 位系统：-2³¹ 到 2³¹−1（即 -2,147,483,648 到 2,147,483,647）
  • 超出此范围的数字 → 转为 HeapNumber（堆对象）

4. 优势​

  • 算术运算极快（直接 CPU 整数运算）；
  • 无 GC 压力；
  • 对象属性若为 Smi，可内联存储（fast properties）。

三、HeapObject（堆对象）的表示​

1. 什么是 HeapObject？​

  • 所有需要堆分配的对象：普通对象、数组、函数、字符串、大数字、Symbol 等。
  • 在 V8 中，所有 HeapObject 都继承自 HeapObject 基类。

2. 指针表示​

  • 实际指针地址是 8 字节对齐 的（即末三位为 000）。
  • V8 将最低位置为 01，其余高位存真实地址：
真实地址 A（8-byte aligned）→ TaggedValue = A | 0b01

✅ 例如：

  • 对象在堆地址 0x1000 → 存储为 0x1001（末两位 01）

3. 解包（Untagging）​

当 V8 需要访问对象时：

// 伪代码
if ((value & 3) == 1) {
  HeapObject* obj = reinterpret_cast<HeapObject*>(value - 1);
}

4. HeapObject 结构​

每个 HeapObject 在堆中包含：

  • Map 指针：指向描述对象结构的隐藏类（Hidden Class）；
  • 实例数据：属性、元素等；
  • 元信息：GC 标记、大小等。

四、字符串（String）与字符串表（String Table）​

1. 字符串也是 HeapObject​

  • 所有字符串（无论长短）都是 HeapObject 的子类（SeqString, ConsString, SlicedString 等）。
  • 因此，字符串变量存的是 带 tag 的堆指针（末两位 01）。

2. 字符串表（Internalized String Table）​

V8 维护一个全局的 字符串哈希表（string table），用于：

  • 去重：相同内容的字符串只存一份；
  • 快速比较：str1 === str2 只需比较指针；
  • 属性名优化：对象属性名通常被 internalized。

Internalized String（内部化字符串）​

  • 字面量字符串（如 'hello'）、属性名（如 obj.name 中的 'name'）会被自动 internalized。
  • 存入 字符串表，生命周期通常较长。

Non-internalized String​

  • 动态生成的字符串（如 'a' + 'b'）可能不立即 internalized；
  • 但可通过 String.intern() 或某些操作触发 internalization。

3. 字符串的内部表示​

V8 根据字符串内容和构造方式选择不同子类型：

类型说明
SeqOneByteString单字节字符（ASCII），连续存储
SeqTwoByteString双字节字符（UTF-16）
ConsString拼接字符串（如 a + b），由左右子串组成（延迟拼接）
SlicedString子串（如 str.substring(1,3)），引用原字符串 + 偏移

✅ 这种设计避免了不必要的内存拷贝。

五、特殊值的表示（null, undefined, true, false）​

这些值也用预定义的 immediate values 表示，末两位为 11：

值TaggedValue（64 位，十六进制）
undefined0x00000004（末两位 00？实际是特殊常量）
null0x00000000（历史原因，typeof null === 'object'）
true0x00000009
false0x00000005

💡 实际值在 V8 源码中定义为常量（如 Roots::kUndefinedValue），通过全局 roots 表访问。

六、可视化：64 位 TaggedValue 布局​

63                32 31                 2 1 0
┌───────────────────┬────────────────────┬───┐
│     Payload       │   Address / Value  │Tag│
└───────────────────┴────────────────────┴───┘
  • Smi：Tag = 00，Payload = 整数值 << 1
  • HeapObject：Tag = 01，Payload = 堆地址（8-byte aligned）
  • Other：Tag = 11，Payload = 特殊常量 ID

七、为什么这样设计？​

目标实现方式
高性能类型判断通过低位 bit 快速分支（无需查类型表）
减少内存分配Smi 无需堆分配
快速相等比较internalized 字符串比地址即可
紧凑内存布局对象属性可内联 Smi，减少指针跳转

总结​

概念底层表示存储位置关键特点
Smi(value << 1) | 0b00内联（栈/对象字段）无堆分配，快速运算
HeapObjectaddress | 0b01堆包含 Map 和数据
字符串HeapObject 子类堆 + 字符串表internalized 实现去重和快速比较

💡 正是这些底层优化，让 JavaScript 在 V8 上能达到接近原生代码的性能。