为什么使用reinterpret_cast将char*转换为结构体似乎正常工作？

Question

有人说使用reinterpret_cast将原始数据（如char*）转换为结构体是不好的。例如，对于以下结构体：

struct A
{
    unsigned int a;
    unsigned int b;
    unsigned char c;
    unsigned int d;
};

sizeof(A) = 16，__alignof(A) = 4，正如预期的那样。

假设我这样做：

char *data = new char[sizeof(A) + 1];
A *ptr = reinterpret_cast<A*>(data + 1); // +1 is to ensure it doesn't points to 4-byte aligned data

然后将一些数据复制到ptr：

memcpy_s(sh, sizeof(A),
         "\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00", sizeof(A));

然后ptr->a是1，ptr->b是2，ptr->c是3，ptr->d是4。
好的，看起来能用。正是我所期望的。

但是ptr指向的数据并不像应该的A那样对齐到4字节。这可能会在x86或x64平台上引起什么问题？会有性能问题吗？

- LHLaurini

---

你想知道在某个专有编译器上无效的C++代码是否保证能够正常工作吗？ - Neil Kirk

没有看到微软的源代码，就没有人能够回答那个问题。 - Neil Kirk

@NeilKirk 我想知道未对齐的结构体数据可能会引起哪些问题。 - LHLaurini

@NeilKirk 很抱歉，但是这段代码在我这里能够通过gcc、borland、英特尔和msvc编译。 - Zdeněk Jelínek

现在我已经谷歌了一下，发现一些旧的处理器（比如2009年的）可能会稍微慢一些地访问未对齐的内存。 - LHLaurini

@Alegnem 我没说它不能编译。 - Neil Kirk

Answer 1

首先，您的初始化字符串假定底层整数以小端格式存储。但是另一种架构可能使用大端格式，在这种情况下，您的字符串将产生垃圾（一些巨大的数字）。该体系结构的正确字符串应为"\x00\x00\x00\x01\x00\x00\x00\x02\x03\x00\x00\x00\x00\x00\x00\x04"。

然后，当然还有对齐问题。某些体系结构甚至不允许您将数据+1的地址分配给非字符指针，它们会发出内存对齐陷阱。

但即使是允许这样做的体系结构（如x86），也会表现糟糕，每个结构中的整数需要执行两次内存访问。（有关更多信息，请参见此优秀答案：https://dev59.com/G3RC5IYBdhLWcg3wMeBS#381368）

最后，我不完全确定这一点，但我认为C和C ++甚至不能保证字符数组中包含的字符是按字节打包的。 （我希望了解更多的人可以澄清这一点。）可以想象，有些体系结构完全无法处理非字对齐数据，在这种体系结构中，每个字符都必须占用整个字。这意味着可以取data + 1的地址是有效的，因为它仍然是对齐的，但是您的初始化字符串将不适合预期的工作，因为其中的前4个字符将覆盖整个结构，从而产生a = 1，b = 0，c = 0和d = 0。

- Mike Nakis

---

谢谢。 （将是 "\x00\x00\x00\x01\x00\x00\x00\x02\x03\x00\x00\x00\x00\x00\x00\x04"，因为第三个变量是 char）。是的，我知道这一点。我想知道的是，未对齐的数据是否会引起问题。 - LHLaurini

谢谢，这就是我想知道的。 - LHLaurini

据我所知，读取不对齐的连续数据会导致多读取一两次内存，并且需要进行大量的移位操作。我非常确定你不需要重复读取每个单词。 - Zdeněk Jelínek

好的，那我认为没问题了，因为我的代码不应该在除x86和可能的x64之外的其他处理器架构上运行。 - LHLaurini

如果我没记错的话，在C/C++中，“byte”意味着“最小可寻址单元”，并且不一定是8位。 - Cubic

Answer 2

问题是你无法确定这段代码是否会在另一个平台上运行，在 Visual Studio 的下一个版本中运行等情况下能否正常工作。当在另一个处理器上运行时，它可能会导致硬件异常。

以前可以读取任意内存位置，但是现在所有这些程序都会崩溃并显示 "访问冲突" 异常。将来这个程序也可能发生类似的情况。

然而，你可以做的，也是任何自称 "符合 C++ 标准" 的编译器必须正确编译的是：

你可以将指针重新解释为其他类型，再重新转换回原始类型。在读取前后，该类型的值必须保持不变。

我不知道你想做什么，但你也许可以这样做：

分配一个结构体 A

对其进行 reinterpret_cast 转换为字符型

将内存内容保存到文件中

之后再将所有东西恢复：

• 分配一个struct A
• reinterpret_cast它为chars
• 将内容加载到内存中
• reinterpret_cast它回到struct A

- alain

---

现在，使用x86或x64处理器访问不对齐的数据是否会成为问题？谢谢。 - LHLaurini

（误）对齐只会降低x86/64的性能。真正的问题是不同CPU架构的内存访问模式和具体内存模型可能不支持您的想法。 - Zdeněk Jelínek

那么，我认为这没问题，因为我的代码不应该在除x86和稍后的x64之外的任何其他处理器架构上运行。 - LHLaurini

这正是我在产生疑问时试图做的事情：尝试从文件中读取一个结构体。但是当恢复时，我没有理解“将其重新解释为char类型”。 - LHLaurini

@LHLaurini 不需要从 char * 转换回 A*。(1) 除非 char * 是从对齐的 A 转换而来，否则这是未定义行为。(2) 在这里，它是这样的，但是这是无意义的！将文件加载到 A 的方法 - 如果它是可以平凡复制的，这是必要的 - 是分配 A a 并将文件作为一系列 char 复制到它上面 - 通过读取到 reinterpret_cast<char *>(&a) 或一个单独的缓冲区，然后使用 memcpy 等。然后读取您已经拥有的 a - 没有转换回去的必要。在适当的情况下，副本可以被优化为不对齐的转换。 - underscore_d