小字符串优化：如何为24字节布局的std::string设置可靠模式标志

核心思路 #

利用64位size_t类型的最高位作为模式区分标志：

• 长模式下，Capacity是堆分配的容量，为正数，因此最高位必然为0；
• 短模式下，将最后8字节（对应长模式的Capacity字段）的最高位设为1，同时用低7位存储剩余空间计数（0~23），完全避开字符存储区域，满足短模式字符从Raw[0]起始的要求。

具体实现 #

1. 模式判断逻辑 #

bool is_short_mode(const StringLayout& sl) {
    size_t cap = sl.Data.Capacity;
    // 检查64位size_t的最高位（第63位）是否为1
    return (cap & (1ULL << 63)) != 0;
}

2. 短模式布局（24字节） #

• Raw[0] ~ Raw[22]：直接存储字符串字符（共23字节，起始索引0，无偏移）；
• Raw[23]所在的8字节（即sl.Data.Capacity）：
  • 最高位（第63位）：设为1，作为短模式的唯一标志；
  • 低7位：存储剩余可用空间计数（计算方式：23 - 字符串长度，当剩余空间为0时，对应字符串长度23，末字节可直接作为终止符）。

3. 长模式布局（保持原有结构） #

• sl.Data.Arr：指向堆分配的字符数组（64位系统下堆内存8字节对齐，指针低3位为0）；
• sl.Data.Count：字符串实际字符数；
• sl.Data.Capacity：堆数组的总容量（正数，最高位为0，与短模式明确区分）。

方案优势 #

• 完全满足短模式字符无偏移的要求，字符直接从Raw[0]开始存储；
• 模式标志内嵌在原有布局的Capacity字段中，无额外内存开销；
• 标志位绝对可靠：长模式下Capacity作为正数，最高位必然为0；短模式下强制设为1，不存在冲突场景；
• 短模式的剩余空间计数功能保留，低7位的存储空间（0_{127）完全覆盖0}23的需求范围。

补充说明 #

短模式下读取字符串长度可通过剩余空间推导：长度 = 23 - (sl.Data.Capacity & 0x7F)；长模式下直接读取sl.Data.Count即可。

内容的提问来源于stack exchange，提问作者ulak blade