PHP底层运行机制与原理剖析

憧憬博客

发布于 2021-03-03 16:16:57

3.2K0

发布于 2021-03-03 16:16:57

文章被收录于专栏：憧憬博客分享憧憬博客分享

PHP底层运行机制与原理剖析

PHP说简单，但是要精通也不是一件简单的事。我们除了会使用之外，还得知道它底层的工作原理。

了解PHP底层实现的目的是什么？动态语言要想用好首先得了解它，内存管理、框架模型值得我们借鉴，通过扩展开发实现更多更强大的功能，优化我们程序的性能。

PHP是一种适用于web开发的动态语言。具体点说，就是一个用C语言实现包含大量组件模块的软件框架。是一个强大的UI框架。

简言之； PHP 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，因此最终调用的也是 C 的函数，实际上，我们可以把 PHP 看做一个 C 开发的软件。

PHP的目录结构

PHP源代码还包括在开发过程中生成的几个文件，以及在上游各自位置进行维护的几个部分。（注：PHP版本7.4.13）

<php-src>/
 ├─ .git/                           # Git configuration and source directory
 ├─ TSRM/                           # Thread Safe Resource Manager
 └─ Zend/                           # Zend Engine
    ├─ zend_vm_execute.h            # Generated by `Zend/zend_vm_gen.php`
    ├─ zend_vm_opcodes.c            # Generated by `Zend/zend_vm_gen.php`
    ├─ zend_vm_opcodes.h            # Generated by `Zend/zend_vm_gen.php`
    └─ ...
 ├─ appveyor/                       # Appveyor CI service files
 └─ build/                          # *nix build system files
    ├─ ax_*.m4                      # https://github.com/autoconf-archive/autoconf-archive
    ├─ config.guess                 # https://git.savannah.gnu.org/cgit/config.git
    ├─ config.sub                   # https://git.savannah.gnu.org/cgit/config.git
    ├─ libtool.m4                   # https://git.savannah.gnu.org/cgit/libtool.git
    ├─ ltmain.sh                    # https://git.savannah.gnu.org/cgit/libtool.git
    ├─ shtool                       # https://www.gnu.org/software/shtool/
    └─ ...
 ├─ docs/                           # PHP internals and repository documentation
 └─ ext/                            # PHP core extensions
    └─ bcmath/
       ├─ libbcmath/                # Forked and maintained in php-src
       └─ ...
    └─ curl/
       ├─ sync-constants.php        # The curl symbols checker
       └─ ...
    └─ date/
       └─ lib/                      # Bundled datetime library https://github.com/derickr/timelib
          ├─ parse_date.c           # Generated by re2c 0.15.3
          ├─ parse_iso_intervals.c  # Generated by re2c 0.15.3
          └─ ...
       └─ ...
    └─ ffi/
       ├─ ffi_parser.c              # Generated by https://github.com/dstogov/llk
       └─ ...
    └─ fileinfo/
       ├─ libmagic/                 # Modified libmagic https://github.com/file/file
       ├─ data_file.c               # Generated by `ext/fileinfo/create_data_file.php`
       ├─ libmagic.patch            # Modifications patch from upstream libmagic
       ├─ magicdata.patch           # Modifications patch from upstream libmagic
       └─ ...
    └─ gd/
       ├─ libgd/                    # Bundled and modified GD library https://github.com/libgd/libgd
       └─ ...
    └─ mbstring/
       ├─ libmbfl/                  # Forked and maintained in php-src
       ├─ unicode_data.h            # Generated by `ext/mbstring/ucgendat/ucgendat.php`
       └─ ...
    └─ pcre/
       ├─ pcre2lib/                 # https://www.pcre.org/
       └─ ...
    └─ pdo_mysql/
       ├─ php_pdo_mysql_sqlstate.h  # Generated by `ext/pdo_mysql/get_error_codes.php`
       └─ ...
    └─ skeleton/                    # Skeleton for developing new extensions with `ext/ext_skel.php`
       └─ ...
    └─ standard/
       └─ html_tables/
          ├─ mappings/              # https://www.unicode.org/Public/MAPPINGS/
          └─ ...
       ├─ credits_ext.h             # Generated by `scripts/dev/credits`
       ├─ credits_sapi.h            # Generated by `scripts/dev/credits`
       ├─ html_tables.h             # Generated by `ext/standard/html_tables/html_table_gen.php`
       └─ ...
    └─ tokenizer/
       ├─ tokenizer_data.c          # Generated by `ext/tokenizer/tokenizer_data_gen.sh`
       └─ ...
    └─ xmlrpc/
       ├─ libxmlrpc/                # Forked and maintained in php-src
       └─ ...
    └─ zend_test                    # For testing internal APIs. Not needed for regular builds.
       └─ ...
    └─ zip/                         # Bundled https://github.com/pierrejoye/php_zip
       └─ ...
    └─ ...
 └─ main/                           # Binding that ties extensions, SAPIs, and engine together
    ├─ streams/                     # Streams layer subsystem
    ├─ php_version.h                # Generated by release managers using `configure`
    └─ ...
 ├─ pear/                           # PEAR installation
 └─ sapi/                           # PHP SAPI modules
    └─ cli/
       ├─ mime_type_map.h           # Generated by `sapi/cli/generate_mime_type_map.php`
       └─ ...
    └─ ...
 ├─ scripts/                        # php-config, phpize and internal development scripts
 ├─ tests/                          # Core features tests
 ├─ travis/                         # Travis CI service files
 └─ win32/                          # Windows build system files
    ├─ cp_enc_map.c                 # Generated by `win32/cp_enc_map_gen.exe`
    └─ ...
 └─ ...

目录	说明
TSRM	线程相关安全的实现，PHP的线程安全是构建在TSRM库之上的，PHP实现中常见的*G宏通常是对TSRM的封装，TSRM(Thread Safe Resource Manager)线程安全资源管理器。
Zend	PHP解析器的核心实现，比如脚本的词法语法解析，opcode的执行以及扩展机制的实现等
build	linux下编译相关的目录
ext	PHP的扩展，包括了绝大多数PHP的函数的定义和实现，如array系列，pdo系列，spl系列等函数的实现，都在这个目录中。个人写的扩展在测试时也可以放到这个目录，方便测试和调试。
main	PHP的主要代码，这里存放PHP最为核心的文件，主要实现PHP的基本设施，这里和Zend引擎不一样，Zend引擎主要实现语言最核心的语言运行环境。
netware	网络目录，socket的定义与实现
pear	PHP扩展及应用的代码仓库，包含PEAR的核心文件。PEAR是PHP扩展与应用库(the PHP Extension and Application Repository)的缩写。它是一个PHP扩展及应用的一个代码仓库，简单地说，PEAR之于PHP就像是CPAN(Comprehensive Perl Archive Network)之于Perl。
sapi	PHP的应用层接口，包含了各种服务器抽象层的代码，例如apache的mod_php，cli,cgi,embed以及fpm等接口。
scripts	Linux下的脚本目录
tests	测试脚本目录，包含PHP各项功能的测试文件
travis	用于构建，非PHP特有目录
win32	Windows下编译PHP的相关脚本，比如sokcet的实现在Windows下和*Nix平台就不太一样，同时也包括了Windows下编译PHP相关的脚本。

虽然源码目录众多，但是核心目录却只有sapi、main、zend、ext、TSRM。

SAPI

PHP 程序的输入可以是来自于命令行的标准输入，也可以是来自基于 cgi/fastcgi 协议的网络请求。甚至可以嵌入到单片机供C、C++程序调用。它们分别对应cli模式、fpm/cgi模式、embed模式，除了这些还有apache2handler、litespeed模式。

apache2handle：这是以apache作为webserver,采用mod_PHP模式运行时候的处理方式，也是现在应用最广泛的一种。
cgi：这是webserver和PHP直接的另一种交互方式，也就是大名鼎鼎的fastcgi协议，在最近fastcgi+PHP得到越来越多的应用，也是异步webserver所唯一支持的方式；典型应用nginx服务器；fastcgi 说白点就是 php的一个扩展
cli：命令调用

sapi目录是对输入和输出层的抽象，是PHP提供对外服务的规范。

同理，输出可以写到命令行的标准输出，也可以作为基于cgi/fastcgi协议的网络响应返回给客户端。

SAPI全称 Server API，负责PHP对外提供服务规范，它定义了结构体sapi_module_struct，该结构体定义了模式启动、关闭、激活、失效等多个钩子函数指针，每个模式将这些函数指针指向自己的函数，就可以轻松扩展PHP对外服务的方式。以上几种模式也正是实现了sapi_module_strcut才完成了PHP的多场景应用。

fastcgi流程

Web Server启动时载入FastCGI进程管理器（IIS ISAPI或Apache Module)
FastCGI进程管理器自身初始化，启动多个CGI解释器进程(可见多个php-cgi)并等待来自Web Server的连接。
当客户端请求到达Web Server时，FastCGI进程管理器选择并连接到一个CGI解释器。Web server将CGI环境变量和标准输入发送到FastCGI子进程php-cgi。
FastCGI子进程完成处理后将标准输出和错误信息从同一连接返回Web Server。当FastCGI子进程关闭连接时，请求便告处理完成。FastCGI子进程接着等待并处理来自FastCGI进程管理器(运行在Web Server中)的下一个连接。在CGI模式中，php-cgi在此便退出了。
在上述情况中，你可以想象CGI通常有多慢。每一个Web``请求PHP都必须重新解析php.ini、重新载入全部扩展并重初始化全部数据结构。使用FastCGI，所有这些都只在进程启动时发生一次。一个额外的好处是，持续数据库连接(Persistent database connection)可以工作。

main

main目录是SAPI层和Zend层的黏合剂。

main目录的作用是承接SAPI的请求，分析出要执行的脚本文件和参数，并对环境和配置进行初始化，比如初始化变量和常量、注册函数、解析配置文件、加载扩展等等。

Zend

Zend 引擎是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的处理并实现相应的处理方法、实现了基本的数据结构、内存分配管理等，它由编译器和执行器两部分组成

编译器负责将PHP代码进行词法、语法分析，并生成抽象语法树，然后进一步编译为opcode，opcode是Zend虚拟机可识别的指令，php7一共有173个opcode，所有的语法都是由这些opcode组成的。执行器负责执行编译器输出的opcode。

Extensions

ext（extension），它是扩展PHP内核功能的一种方式，分为PHP扩展与zend扩展，都支持用户自定义开发，这两种都比较常见，PHP扩展有gd、json、date、array等，而我们熟知的opcache就是Zend扩展。

TSRM

TSRM(Thread Safe Resource Manager) 线程安全资源管理器。

全局变量就是定义在函数外的变量，它属于公共资源，在多线程的环境下，访问公共资源就可能会引起冲突，TSRM就是为解决该问题而诞生的。

线程安全机制主要为了保证共享资源的安全。PHP的线程安全机制简洁直观——在多线程环境下，为每个线程提供独立的全局变量副本。具体实施是通过TSRM为每个线程分配（分配前加锁）一个独立ID（自增）作为当前线程的全局变量内存区索引，在以后的全局变量访问中，实现线程之间的完全独立。

PHP大部分SAPI都是单线程的，所以并不需要过多关注线程安全，但是在Apache或者用户自己实现的PHP环境下，就需要考虑线程安全问题了。

PHP的设计理念及特点

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，目前PHP也早支持多线程模型。
弱类型语言：和C/C++、JAVA、C#等语言不同，PHP是一种弱类型的语言。一个变量的类型并不是一开始就确定不变的，运行中才会确定并可能发生隐式或显示的类型转换，这种机制的灵活性在web开发中非常方便、高效，具体会在后面PHP变量中详述。
引擎（Zend）+组件（ext）的模式降低内部耦合。
中间层（sapi ）Sapi全称是Server Application Programming Interface 隔绝web server和PHP。
语法简单灵活，没有太多规范。缺点导致风格混杂。

php执行流程&opcode

php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 虚拟机顺序执行这些指令。 php 本身是用 c 实现的，因此最终调用的也是 c 函数，实际上，我们可以把php看做是c开发的一个软件

php的执行核心就是翻译出来的指令（opcode），是php程序执行的基本单元

常见几个处理函数：

ZEND_ASSIGN_SPEC_CV_CV_HANDLER : 变量分配 （$a=$b）
ZEND_DO_FCALL_BY_NAME_SPEC_HANDLER：函数调用
ZEND_CONCAT_SPEC_CV_CV_HANDLER：字符串拼接 $a.$b
ZEND_ADD_SPEC_CV_CONST_HANDLER: 加法运算 $a+2
ZEND_IS_EQUAL_SPEC_CV_CONST：判断相等 $a==1
ZEND_IS_IDENTICAL_SPEC_CV_CONST：判断相等 $a===1

HashTable——核心数据结构

HashTable是Zend的核心数据结构，在PHP里面几乎并用来实现所有常见功能，我们知道的PHP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具有如下特点：

支持典型的key->value查询
可以当做数组使用
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

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。其结构如下图：

可以看到：在hash table中既有key->value形式的散列结构，也有双向链表模式，使得它能够非常方便的支持快速查找和线性遍历。

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。PHP关联数组：关联数组是典型的hash_table应用。一次查询过程经过如下几步（从代码可以看出，这是一个常见的hash查询过程并增加一些快速判定加速查找。）：

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;

PHP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index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;

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在变量申明的时候不需要指定类型。

PHP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主要由三部分组成：

type：指定了变量所述的类型（整数、字符串、数组等）
refcount&is_ref：用来实现引用计数(后面具体介绍)
value：核心部分，存储了变量的实际数据

Zvalue 是用来保存一个变量的实际数据。因为要存储多种类型，所以zvalue是一个union，也由此实现了弱类型。

php变量类型和其实际存储对应关系如下：

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， ref_count-1。只有当 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，那么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才会进行拷贝操作，因此也叫 copy-on-write（写时拷贝）对于引用变量，其要求和非引用型相反，引用赋值的变量必须是捆绑的，修改了一个变量就修改了所有捆绑变量。整数、浮点数是PHP中基础类型之一，也是一个简单型变量。对于整数和浮点数，在Zvalue中是直接存储对应的值。其类型是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中，整数的取值范围是由编译器的位数来决定的而不是固定不变的
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 trik 都是由此产生。
和整数一样，字符变量也是php的基础类型和简单类型变量。通过 Zvalue 结构可以看出，在 php 中，字符串是由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，它的字符串可以是二进制数（包含\0），同时在 php 中，求字符串 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一个 \0

常见的字符串拼接方式及速度比较：假设有如下4个变量：

$strA = '123';
$strB = '456';

$intA = 123;
$intB = 456;

现在对如上几种字符拼接方式做一个比较和说明

// 这种情况下，zend会重新 malloc 一块内存并进行相应处理，其速度一般
$res = "{$strA}{$strB}"

// 这种速度是最快的，zend会在当前 strA基础上直接 relloc，避免重复拷贝
$res = $strA.$strB

// 这种速度是比较慢的，需要进行隐式转换
$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内存。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。 
$res = sprintf (“%s%s”,$strA.$strB);

PHP的数组是通过zend hashtable来天然实现的。foreach操作如何实现？

对一个数组 foreach就是通过遍历 hashtable中的双向链表完成的。对于索引数组，通过foreach遍历效率比for高，省去了 key->value 的查找。count 操作直接调用 HashTabel -> NumOfElements，O(1)操作，对于 '123' 这样的字符串，zend会将其转成整型，
资源类型是PHP中最复杂的变量，也是一种复合结构。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。由于没有有效的方法描绘这些复合结构，因此也没有办法对他们使用传统的草租房。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。

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。