i=i++引发的思考

简介:

博学,切问,近思--詹子知 (https://jameszhan.github.io)

在网上看到网友发的帖子,对于程序 int j=2,m=2;m+=(j++)+(++j)+(j++); 执行后结果有争议, 甚至在不同的语言环境下,它们执行的结果也截然不同。
其实,同类型的问题有很多,最出名就数i=i++了,在Java中,无论执行多少次这样的语句,i的值都不会改变,而在C/C++中却能够顺利的自加。究其根源,这跟他们编译后生成的字节码或机器代码的方式有关。在Java中,它的执行过程可以等价于:
int j = i; i = i + 1; i = j;

而在C/C++中,自加操作需要等到整个语句执行完才执行,执行过程是这样的:
int j = i; i = j; i = i + 1;

 

对于第一个例子,在java环境中,本段程序执行后的结果是i=5,m=12,而在C中执行的结果却是i=5,m=11。这让我搞了几年Java的人很是诧异。Java的思维习惯比较符合我们的习惯,对于语句中每个表达式分别求值,然后把结果相加。执行过程等价于:
a = j++; b = ++j; c = j++; m += a + b + c;
最后的结果是:m = m + a + b + c = 2 + 2 + 4 + 4 = 12, 而 i自加了3次,最后的值为5。

在c/c++中,i++和++i在语句中的执行是有很大差异的,i++运算符的意义是执行完当前语句之后,将目标值加1,而++i是在执行语句之前先完成自加操作。所以其执行过程等价于:
j++; a = j; b = j; c = j; m += a + b + c; j++; j++;
最后的结果是: m = m + a + b + c = 2 + 3 + 3 + 3 = 11, i同样自加了3次,最后值为5。

对知识的理解一定不能只停留于表象,如果有可能,尽量去索本求源,事实上,这段程序汇编后的代码也验证了c语言的规则。

main: leal 4(%esp), %ecx andl $-16, %esp pushl -4(%ecx) pushl %ebp movl %esp, %ebp pushl %ecx subl $16, %esp movl $2, -12(%ebp) movl $2, -8(%ebp) addl $1, -8(%ebp) movl -8(%ebp), %eax addl -8(%ebp), %eax addl -8(%ebp), %eax addl %eax, -12(%ebp) addl $1, -8(%ebp) addl $1, -8(%ebp) addl $16, %esp popl %ecx popl %ebp leal -4(%ecx), %esp ret 

 

为了更好的验证这个规则,我们可以写一段更复杂一点的语句,看看他汇编后的程序是什么样子。

 

int m, i = 2; m = (++i) + (--i) + (i++) + (++i) + (i--) + (++i); 

这段程序,在Java中,m 的值是19,i 的值4. 执行的过程就是从前往后,每个表达式逐步执行,m=3+2+2+4+4+4 = 19。

 

而在C/C++中的执行过程是这样的,按照之前的规则,先做3次自加操作和一次自减操作,在把6个表达式的值相加,所以m=4+4+4+4+4+4=24,最后分别执行一次自加和自减操作。然而事实上,运行后的结果却是16。这又是为什么呢?我们先看一下,汇编后的代码。main: leal 4(%esp), %ecx andl $-16, %esp pushl -4(%ecx) pushl %ebp movl %esp, %ebp pushl %ecx subl $36, %esp movl $2, -12(%ebp) addl $1, -12(%ebp) subl $1, -12(%ebp) movl -12(%ebp), %eax addl -12(%ebp), %eax addl -12(%ebp), %eax addl $1, -12(%ebp) addl -12(%ebp), %eax addl -12(%ebp), %eax addl $1, -12(%ebp) addl -12(%ebp), %eax movl %eax, -8(%ebp) addl $1, -12(%ebp) subl $1, -12(%ebp)

 

 

用C代码还原是这样的:i++; i--; tmp += i; tmp += i; tmp += i; i++; tmp += i; tmp += i; i++; tmp += i; m = tmp; i++; i--;   ,可以看出m=2+2+2+3+3+4=16。很显然,在求值的过程中,++i的操作和求整个表达式值的操作交替执行了,但是i--和i++的操作还是等到求值完成后再去做的。

 

可见,对于上述表达式的值,我们是很难预期的,即使同是C,很有可能在不同的编译器环境下得到的结果也是不同的。避免的方法只有一个,不要写这种容易引起混淆的代码,虽然多了几行代码,但是却可以让人看的更明白,代码不是写给计算机的,而是写给后来人看的,所以为了节省自己和他人的时间,请规范你自己的代码。

目录
相关文章
|
5天前
|
供应链 监控 安全
对话|企业如何构建更完善的容器供应链安全防护体系
随着云计算和DevOps的兴起,容器技术和自动化在软件开发中扮演着愈发重要的角色,但也带来了新的安全挑战。阿里云针对这些挑战,组织了一场关于云上安全的深度访谈,邀请了内部专家穆寰、匡大虎和黄竹刚,深入探讨了容器安全与软件供应链安全的关系,分析了当前的安全隐患及应对策略,并介绍了阿里云提供的安全解决方案,包括容器镜像服务ACR、容器服务ACK、网格服务ASM等,旨在帮助企业构建涵盖整个软件开发生命周期的安全防护体系。通过加强基础设施安全性、技术创新以及倡导协同安全理念,阿里云致力于与客户共同建设更加安全可靠的软件供应链环境。
112396 10
|
13天前
|
弹性计算 人工智能 安全
对话 | ECS如何构筑企业上云的第一道安全防线
随着中小企业加速上云,数据泄露、网络攻击等安全威胁日益严重。阿里云推出深度访谈栏目,汇聚产品技术专家,探讨云上安全问题及应对策略。首期节目聚焦ECS安全性,提出三道防线:数据安全、网络安全和身份认证与权限管理,确保用户在云端的数据主权和业务稳定。此外,阿里云还推出了“ECS 99套餐”,以高性价比提供全面的安全保障,帮助中小企业安全上云。
201925 14
对话 | ECS如何构筑企业上云的第一道安全防线
|
3天前
|
供应链 监控 安全
|
5天前
|
SQL 安全 前端开发
预编译为什么能防止SQL注入?
SQL注入是Web应用中常见的安全威胁,攻击者通过构造恶意输入执行未授权的SQL命令。预编译语句(Prepared Statements)是一种有效防御手段,它将SQL代码与数据分离,确保用户输入不会被解释为SQL代码的一部分。本文详细介绍了SQL注入的危害、预编译语句的工作机制,并结合实际案例和多语言代码示例,展示了如何使用预编译语句防止SQL注入,强调了其在提升安全性和性能方面的重要性。
|
8天前
|
搜索推荐 物联网 PyTorch
Qwen2.5-7B-Instruct Lora 微调
本教程介绍如何基于Transformers和PEFT框架对Qwen2.5-7B-Instruct模型进行LoRA微调。
408 34
Qwen2.5-7B-Instruct Lora 微调
|
30天前
|
人工智能 自然语言处理 前端开发
从0开始打造一款APP:前端+搭建本机服务,定制暖冬卫衣先到先得
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。
9924 29
|
3天前
|
机器学习/深度学习 存储 人工智能
【科普向】我们所说的AI模型训练到底在训练什么?
人工智能(AI)模型训练类似于厨师通过反复实践来掌握烹饪技巧。它通过大量数据输入,自动优化内部参数(如神经网络中的权重和偏置),以最小化预测误差或损失函数,使模型在面对新数据时更加准确。训练过程包括前向传播、计算损失、反向传播和更新权重等步骤,最终生成权重文件保存模型参数,用于后续的应用和部署。理解生物神经网络的工作原理为人工神经网络的设计提供了灵感,后者广泛应用于图像识别、自然语言处理等领域。
|
2天前
|
人工智能 算法 搜索推荐
阿里云百炼xWaytoAGI共学课开课:手把手学AI,大咖带你从零搭建AI应用
阿里云百炼xWaytoAGI共学课开课啦。大咖带你从零搭建AI应用,玩转阿里云百炼大模型平台。3天课程,涵盖企业级文本知识库案例、多模态交互应用实操等,适合有开发经验的企业或独立开发者。直播时间:2025年1月7日-9日 20:00,地点:阿里云/WaytoAGI微信视频号。参与课程可赢取定制保温杯、雨伞及磁吸充电宝等奖品。欢迎加入钉钉共学群(群号:101765012406),与百万开发者共学、共享、共实践!
|
15天前
|
机器学习/深度学习 人工智能 安全
通义视觉推理大模型QVQ-72B-preview重磅上线
Qwen团队推出了新成员QVQ-72B-preview,这是一个专注于提升视觉推理能力的实验性研究模型。提升了视觉表示的效率和准确性。它在多模态评测集如MMMU、MathVista和MathVision上表现出色,尤其在数学推理任务中取得了显著进步。尽管如此,该模型仍存在一些局限性,仍在学习和完善中。

热门文章

最新文章

下一篇
开通oss服务