[转]lua数据结构--闭包

前面几篇文章已经说明了Lua里面很常用的几个数据结构，这次要分享的也是常用的数据结构之一 – 函数的结构。函数在Lua里也是一种变量，但是它却很特殊，能存储执行语句和被执行，本章主要描述Lua是怎么实现这种函数的。

在脚本世界里，相信闭包这个词大家也不陌生，闭包是由函数与其相关引用环境组成的实体。可能有点抽象，下面详细说明：

一、闭包的组成

闭包主要由以下2个元素组成：

函数原型：上图意在表明是一段可执行代码。在Lua中可以是lua_CFunction，也可以是lua自身的虚拟机指令。
上下文环境：在Lua里主要是Upvalues和env，下面会有说明Upvalues和env。在Lua里，我们也从闭包开始，逐步看出整个结构模型，下面是Closure的数据结构：(lobject.h 291-312)

不难发现，Lua的闭包分成2类，一类是CClosure，即luaC函数的闭包。另一类是LClosure，是Lua里面原生的函数的闭包。下面先讨论2者都有相同部分ClosureHeader：

CommonHeader：和与TValue中的GCHeader能对应起来的部分
isC：是否CClosure
nupvalues：外部对象个数
gclist：用于GC销毁，超出本章话题，在GC章节将详细说明
env：函数的运行环境，下面会有补充说明

对于CClosure数据结构：

lua_CFunction f：函数指针，指向自定义的C函数
TValue upvalue[1]：C的闭包中，用户绑定的任意数量个upvalue

对于LClosure数据结构：

Proto *p：Lua的函数原型，在下面会有详细说明
UpVal *upvals：Lua的函数upvalue，这里的类型是UpVal，这个数据结构下面会详细说明，这里之所以不直接用TValue是因为具体实现需要一些额外数据。

二、闭包的UpVal实现

究竟什么是UpVal呢？先来看看代码：

分析一下上面这段代码，最终testB的值显然是3+5+10=18。当调用testA(5)的时候，其实是在调用FuncB(5)，但是这个FuncB知道a = 3，这个是由FuncA调用时，记录到FuncB的外部变量，我们把a和c称为FuncB的upvalue。那么Lua是如何实现upvalue的呢？以上面这段代码为例，从虚拟机的角度去分析实现流程：

1) FuncA(3)执行流程

把3这个常量放到栈顶，执行FuncA

虚拟机操作：（帮助理解，与真实值有差别）

LOADK top 3                //把3这个常量放到栈顶

CALL  top FuncA nresults   //调用对应的FuncA函数

虚拟机的pc已经在FuncA里面了，FuncA中的局部变量都是放到栈中的，所以第一句loacl c = 10是把10放到栈顶（这里假设先放到栈顶简化一些复杂细节问题，下同）

虚拟机操作：

LOADK top 10                //local c = 10

遇到Function FuncB这个语句，会生成FuncB的闭包，这个过程同时会绑定upval到这个闭包上，但这是值还在栈上，upval只是个指针。

上面生成一个闭包之后，因为在Lua里，函数也是一个变量，上面的语句等价于local FuncB = function() … end，所以也会生成一个临时的FuncB到栈顶。

虚拟机操作：

最后return FuncB，就会把这个闭包关闭并返回出去，同时会把所有的upval进行unlink操作，让upval本身保存值。

虚拟机操作：

2) FuncB的执行过程

到了FuncB执行的时候，参数b=5已经放到栈顶，然后执行FuncB。语句比较简单和容易理解，return a+b+c 虚拟机操作如下：

到这里UpVal的创建和使用也在上面给出事例说明，总结一下UpVal的实现：

UpVal是在函数闭包生成的时候（运行到function时）绑定的。
UpVal在闭包还没关闭前（即函数返回前），是对栈的引用，这样做的目的是可以在函数里修改对应的值从而修改UpVal的值，比如：

lua code:

闭包关闭后（即函数退出后），UpVal不再是指针，而是值。知道UpVal的原理后，就只需要简要叙述一下UpVal的数据结构：（lobject.h 274 – 284）

CommHeader： UpVal也是可回收的类型，一般有的CommHeader也会有
TValue* v：当函数打开时是指向对应stack位置值，当关闭后则指向自己
TValue value：函数关闭后保存的值
UpVal* prev、UpVal* next：用于GC，全局绑定的一条UpVal回收链表

三、函数原型

之前说的，函数原型是表明一段可执行的代码或者操作指令。在绑定到Lua空间的C函数，函数原型就是lua_CFunction的一个函数指针，指向用户绑定的C函数。下面描述一下Lua中的原生函数的函数原型，即Proto数据结构（lobject.h 231-253）：

引用内容：

CommonHeader：Proto也是需要回收的对象，也会有与GCHeader对应的CommonHeader
TValue* k：函数使用的常量数组，比如local d = 10，则会有一个10的数值常量
Instruction *code：虚拟机指令码数组
Proto **p：函数里定义的函数的函数原型，比如funcA里定义了funcB，在funcA的5. Proto中，这个指针的[0]会指向funcB的Proto
int *lineinfo：主要用于调试，每个操作码所对应的行号
LocVar *locvars：主要用于调试，记录每个本地变量的名称和作用范围
TString **upvalues：一来用于调试，二来用于给API使用，记录所有upvalues的名称
TString *source：用于调试，函数来源，如c:\t1.lua@ main
sizeupvalues： upvalues名称的数组长度
sizek：常量数组长度
sizecode：code数组长度
sizelineinfo：lineinfo数组长度
sizep：p数组长度
sizelocvars：locvars数组长度
linedefined：函数定义起始行号，即function语句行号
lastlinedefined：函数结束行号，即end语句行号
gclist：用于回收
nups：upvalue的个数，其实在Closure里也有nupvalues，这里我也不太清楚为什么要弄两个，nups是语法分析时会生成的，而nupvalues是动态计算的。
numparams：参数个数
is_vararg：是否参数是”…”（可变参数传递）
maxstacksize：函数所使用的stacksize

Proto的所有参数都是在语法分析和中间代码生成时获取的，相当于编译出来的汇编码一样是不会变的，动态性是在Closure中体现的。

四、闭包运行环境

在前面说到的闭包数据结构中，有一个成员env，是一个Table*指针，用于指向当前闭包运行环境的Table。

什么是闭包运行环境呢？以下面代码举例：

上面代码中的d = 20，其实就是在环境变量中取env[“d”]，所以env一定是个table，而当定义了本地变量之后，之后的所有变量都对从本地变量中操作。

五、函数调用信息

函数调用相当于一个状态信息，每次函数调用都会生成一个状态，比如递归调用，则会有一个栈去记录每个函数调用状态信息，比如说下面这段没有意义的代码：

那么每次调用将会生成一个调用状态信息，上面代码会无限生成下去：

究竟一个CallInfo要记录哪些状态信息呢？下面来看看CallInfo的数据结构：

Instruction *savedpc：如果这个调用被中断，则用于记录当前闭包执行到的pc位置
nresults：返回值个数，-1为任意返回个数
tailcalls：用于调试，记录尾调用次数信息，关于尾调用下面会有详细解释
base、func、top：如下：

六、函数调用的栈操作

上面描述的CallInfo信息，具体整个流程是怎么走的，结合下面代码详细地叙述整个调用过程，栈是怎么变化的：

假设现在走到了funcA(30, 40)这个语句，在执行前已经存在了global这个闭包和funcA这个闭包，在调用global这个闭包时，已经生成了一个global的CallInfo。

1）函数调用的栈操作：（OP_CALL lvm.c 582-601）

global的CallInfo信息记录，并把funcA放到栈顶

当前虚拟机的pc指针，指向global函数原型中的CALL指令，这时global的CallInfo的savedpc就会保存当前pc。然后会把要执行的funcA的闭包放到栈顶。 – 参数分别放到栈顶（从左到右分别进栈），生成funcA的CallInfo，并把完成对应CallInfo栈操作

设置虚拟机pc到funcA闭包第一条虚拟机Instruction，并继续执行虚拟机

2）函数返回的栈操作：（OP_RETURN lvm.c 635-648）

记录第一个返回值的位置到firstResult，把栈中的funcA位置设置为base和top

把返回值根据nresult参数重新push到栈

从全局CallInfo栈弹出funcA，并还原虚拟机pc到global的savedpc和栈信息

继续执行虚拟机

七、尾调用（TAILCALL）

尾调用是一种对函数解释的优化方法，对于上面代码，改造成下面代码后，则不会出现stack overflow：

上面的Recursion方法不会出现stack overflow错误，也能顺利算出Recursion(20000) = 200010000。尾调用的使用方法十分简单，就是在return后直接调用函数，不能有其它操作，这样的写法即会进入尾调用方式。

那究竟lua是如何实现这种尾调用优化的呢？尾调用是在编译时分析出来的，有独立的操作码OP_TAILCALL，在虚拟机中的执行代码在lvm.c 603-634，具体原理如下：

1）首先像普通调用一样，准备调用Recursion函数

2）关闭Recursion1的调用状态，把Recursion2的对应栈数据下移，然后重新执行

本质优化思想：先关闭前一个函数，销毁CallInfo，再调用新的CallInfo，这样就会避免全局CallInfo栈溢出。

八、总结

本文讨论了闭包、UpVal、函数原型、环境、栈操作、尾调用等相关知识，基本上把大部分的知识点和细节也囊括了，另外还有2大块知识：函数原型的生成和闭包GC可能迟些再分享。

Lua数据结构系列转自阿里云博客，作者是罗日健。
原文链接：http://blog.aliyun.com/845