Internment —

更新日志

一个用于在 Rust 中归一化字符串或其他数据的非常容易使用的库。归一化数据在哈希或比较等价性（只是指针比较）方面非常高效。数据也会自动去重。

使用 internment crate 有三种选择

1. Intern，它永远不会释放你的数据。这意味着 Intern 是 Copy，所以你可以免费制作尽可能多的指针副本。其实现也不使用不安全代码。

2. ArcIntern，它引用计数你的数据，当没有更多引用时释放它。 ArcIntern 将保持内存使用量低，但在创建你的指针副本或丢弃指针时使用原子递增/递减。需要功能 arc。

3. ArenaIntern，它在 Arena 中存储其数据，当释放 arena 本身时释放数据。需要功能 arena。

在每种情况下，访问你的数据都是一个指针解引用，任何归一化数据结构（Intern 或 ArcIntern 或 ArenaIntern）的大小都是一个指针。在每种情况下，你都有保证单个数据值（由 Eq 和 Hash 定义）将对应单个指针值。这意味着我们可以使用指针比较（和指针哈希）来代替值比较，这非常快。

此外，请注意，如果您不使用 Intern 类型，您可能希望使用以下命令编译：cargo build --no-default-features --features arc（或 arena），这将略微加快您的构建速度并减小可执行文件的大小。

示例

use internment::Intern;
let x = Intern::new("hello");
let y = Intern::new("world");
assert_ne!(x, y);
println!("The conventional greeting is '{} {}'", x, y);

Arena 示例

use internment::Arena;
let arena: Arena<&'static str> = Arena::new();
let x = arena.intern("hello");
let y = arena.intern("world");
assert_ne!(x, y);
println!("The conventional greeting is '{} {}'", x, y);

与其他 Intern 库的比较

在 crates.io 上已经有一些可用的 Intern 库。那么 internment 有什么不同之处？许多 Intern 库都是特定于字符串的。通用目的的 Intern 库包括：

1. symtern

2. shawshank

3. intern，这是一个正在进行中的项目。

这些库都实现了 arena 分配，使用各种大小的令牌来引用 interned 对象。这种方法使得它们的使用远比 internment 更具挑战性。它们的方法还允许在超出作用域时一次性释放所有 interned 对象（这是一个优点）。

相对于 internment 的方法，arena 分配的主要缺点是：

1. 令牌的查找可能会失败，这可能是因为手动生成无效的令牌，或者一个池中的令牌被另一个池使用。这给使用 interned 对象的代码添加了一个不安全因素：要么它们假设没有错误并遇到错误时崩溃，要么它们在所有使用令牌的地方都有错误处理。

2. 如果使用多个池，令牌的查找可能会给出错误的对象。如果您避免使用多个池，这很容易避免，但您可能不会从 arena 分配中获得太多好处。

3. 令牌的查找速度较慢。虽然它们都宣传速度快，但任何查找都将比指针解引用慢。公平地说，增加内存局部性原则上可能在某些访问模式中使令牌查找更快，但我怀疑这一点。

为了平衡这一点，因为 internment 有全局有效的令牌，它使用一个 Mutex 来保护其内部数据，在 intern 新数据时进行，这可能比其他 intern 库慢（除非您想要在线程间使用它们的令牌，在这种情况下，您必须将池放入 Mutex 中并支付相同的代价）。

另一个与 internment 非常相似的 Intern 库是：

1. hashconsing

hashconsing 库在 API 上比 internment 更复杂，但以类似的方式生成全局指针。数据类型 HConsed<T> 总是使用 Arc 进行引用计数，这使得它与 ArcIntern 类似，但效率低于 Intern，但不会永久泄漏内存。