怎么计算一个类的大小 (C++)

怎么计算一个类的大小 (C++)

怎么计算一个类的大小 (C++)


文章目录


图文版

在这里插入图片描述

文字版

这是一个非常经典的C++面试题。在C++中,计算一个类的大小并不是简单地将成员变量的大小相加,而是涉及内存对齐虚函数继承等多个因素的影响。

以下是计算类大小的核心规则和详细步骤:

核心结论速览

  1. 非静态成员变量 是影响大小的主体。
  2. 静态成员变量 不属于类实例,存在全局数据区,不计入sizeof
  3. 成员函数 存在代码段,不计入sizeof
  4. 虚函数:只要类有虚函数(无论是1个还是多个),类实例中就会有一个虚函数表指针(vptr),在64位系统下通常占8字节,32位下占4字节
  5. 内存对齐:编译器为了提高访问效率,会在成员之间或末尾填充字节,使变量存储在其倍数地址上,并使类总大小是最大对齐数的整数倍。
  6. 继承
    • 空类大小为1字节(为了占位,表示对象存在)。
    • 派生类的大小一般是基类成员 + 派生类新成员,同时也要满足对齐规则。

详细计算步骤与示例

1. 基础计算:空类
classEmpty{// 没有任何成员};
  • 大小1字节
  • 原因:编译器需要给这个类的对象分配一个独一无二的地址,所以会隐式插入1个字节。
2. 只有成员变量(考虑内存对齐)

对齐规则:

  1. 第一个成员在偏移量为0的位置。
  2. 后续成员要放到该成员大小的整数倍上。
  3. 最终类的大小要是最大成员大小的整数倍。
classExample1{char c;// 1字节int i;// 4字节};
  • 分析
    • c 占偏移0。
    • i 占4字节,需要从4的倍数(偏移4)开始存。因此,在 c 后面会有3个字节的填充
    • 此时已占:1© + 3(填充) + 4(i) = 8字节。
    • 最大对齐数是4,8是4的倍数,无需末尾填充。
  • 结果8字节(而不是直觉上的 1+4=5)。
3. 有虚函数(引入虚表指针)
classBase{int a;virtualvoidfunc(){}};
  • 分析
    • int a:4字节。
    • 虚函数表指针(vptr):64位系统下8字节。
    • 内存对齐:最大对齐数是8(vptr)。a 从偏移0开始占4字节,为了放8字节的vptr,需要在 a 后面填充4字节,使vptr从偏移8开始。
    • 总大小 = 4(a) + 4(填充) + 8(vptr) = 16字节。
  • 结果16字节
4. 继承关系
classA{int a;// 4char b;// 1// 实际A的大小:对齐到4,b后面填充3字节,A为8字节};classB:publicA{int c;// 4char d;// 1};
  • 分析
    • 先放基类A的部分:8字节。
    • 再放派生类B的 c:偏移8(刚好是4倍数),占4字节,总偏移12。
    • 再放 d:偏移12,占1字节,总偏移13。
    • 对齐收尾:B中最大对齐数是4(int),当前总大小13不是4的倍数,所以末尾填充3字节到16。
  • 结果16字节
5. 特殊情况:虚继承

虚继承涉及虚基类指针或类似机制(编译器实现不同,但通常会增加额外开销),用来解决菱形继承问题。

classA{int x;};// 4字节,对齐后可能8?classB:virtualpublicA{int y;};
  • 结果:通常比普通继承多出一个指针的大小(8字节),用来定位虚基类子对象。情况比较复杂,取决于编译器实现。

总结清单

计算类的大小时,可以按以下清单排查:

  1. 基本大小:列出所有非静态成员变量的大小。
  2. 虚函数检查:如果有 virtual 函数(包括继承来的),加上虚表指针的大小(8/4字节)。
  3. 虚继承检查:如果有虚继承,加上虚基类指针的开销(通常也是8/4字节)。
  4. 内存对齐
    • 计算每个成员相对于起始地址的偏移,插入填充
    • 最后让总大小是最大对齐数的整数倍,末尾填充

简记:

类的大小 = 非静态成员变量大小之和 + 虚函数/虚继承指针开销 + 内存对齐填充字节。

总结

这篇文章是作者搜集大量面经和资料这里出来的。感谢你的支持
作者wkm是一名中国矿业大学(北京) 大一的新生,希望得到你的关注
如果可以的话,记得一键三联!

Read more

【数据结构与算法】(LeetCode)141.环形链表 142.环形链表Ⅱ

【数据结构与算法】(LeetCode)141.环形链表 142.环形链表Ⅱ

文章目录 * 引言 * 环形链表判断 * 问题描述 * 解决方案:快慢指针法 * 原理分析 * 为什么快慢指针一定能相遇? * 步长选择的数学分析 * 环形链表Ⅱ * 方法一 * 方法二:转换为相交链表问题 * 算法思路 * 实际应用与扩展 * 应用场景 引言 环形链表问题是数据结构与算法中的经典问题,在面试中出现频率极高。这类问题不仅考察对链表结构的理解,更考验解决问题的思维能力和数学分析能力。本文将详细分析环形链表的判断方法以及环入口节点的定位算法,帮助读者深入理解这一重要问题。 环形链表判断 问题描述 给定一个链表的头节点 head,判断链表中是否存在环。 解决方案:快慢指针法 快慢指针法是解决环形链表问题的经典方法,其核心思想是使用两个指针以不同速度遍历链表。 bool hasCycle(structListNode*head){structListNode* slow=head,*fast=head;while(fast&&fast->next){ slow=slow-&

By Ne0inhk
吃透「哈希表」核心优化思路,告别 O (n²) 性能黑洞

吃透「哈希表」核心优化思路,告别 O (n²) 性能黑洞

哈希表(HashMap/HashSet/ 字典)是程序员最常用的数据结构之一,更是解决性能瓶颈的「黄金工具」。日常开发中,我们处理的海量数据匹配、元素查找、去重统计等场景,若用数组遍历、双层循环实现,时间复杂度往往是 O (n²),数据量一旦过万就会出现明显卡顿;而基于哈希表的核心特性 ——平均 O (1) 的查询与插入效率,能轻松将这类场景的性能提升百倍甚至千倍。 但很多程序员对哈希表的认知停留在「会用就行」,只会无脑 new HashMap (),却忽视了哈希冲突、内存浪费、选型不当等问题,导致代码看似用了高性能结构,实际性能大打折扣,甚至埋下线上隐患。本文结合 Java、Python、Go 等主流语言的实战场景,拆解哈希表的核心原理、避坑指南与极致优化思路,让你真正用好这个性能利器。 一、为什么哈希表能成为「性能救星」?核心底层逻辑 哈希表的核心优势,源于其「空间换时间」的设计思想,

By Ne0inhk
【Java】从树形结构到二叉树:一篇搞懂数据结构里的“家族树”

【Java】从树形结构到二叉树:一篇搞懂数据结构里的“家族树”

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:Java.数据结构 【前言】 你有没有想过,电脑里的文件分类、通讯录的层级关系,其实都藏着“树”的影子?树形结构是数据结构里最像“现实家族关系”的存在,而二叉树更是其中的“明星选手”——它规则清晰、操作灵活,是很多复杂数据处理的基础。这篇文章会从树形结构的概念入手,一步步拆解二叉树的类型、性质、存储和操作,帮你把这些抽象的结构变成能上手用的知识~ 文章目录: * 一、树形结构 * 1.树形结构的概念 * 2.树的表示形式 * 二、二叉树 * 1.概念 * 2.二叉树类型 * 2.1 满二叉树 * 2.2 完全二叉树 * 3.

By Ne0inhk
Flutter 三方库 collection 的鸿蒙化适配指南 - 实现具备高级集合操作与相等性深度判定算法的算法底座、支持端侧多维数据结构的高性能治理实战

Flutter 三方库 collection 的鸿蒙化适配指南 - 实现具备高级集合操作与相等性深度判定算法的算法底座、支持端侧多维数据结构的高性能治理实战

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 collection 的鸿蒙化适配指南 - 实现具备高级集合操作与相等性深度判定算法的算法底座、支持端侧多维数据结构的高性能治理实战 前言 在进行 Flutter for OpenHarmony 开发时,面对复杂的业务 JSON 转化、深层嵌套的集合对比或需要对列表执行高频的优先级排序(Priority Queue)时,原生 List 和 Map 的功能往往显得捉襟见肘。collection 是 Dart 官方维护的最权威、最核心的集合工具库。本文将探讨如何在鸿蒙端构建极致、稳健的数据处理架构。 一、原直观解析 / 概念介绍 1.1 基础原理 该库扩展了 Dart 标准库中的集合能力。它不仅提供了如 Equality(深度相等判定)、PriorityQueue(

By Ne0inhk