实例化一个类,在内存中分配多大的空间,?

hebeijg 2009-02-25 10:16:27
有两个类
class ClassA
{
int a;
}

class ClassB
{
int a;
int b;
}
class ClassB
{
int a;
int b;
public void Test()
{
string s ="test";
}
}

请问这三个类实例化的时候在内存里分配的内存大小有什么区别呢?

谢谢
...全文
462 18 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
18 条回复
切换为时间正序
请发表友善的回复…
发表回复
king19840811 2009-02-25
  • 打赏
  • 举报
回复
[Quote=引用 14 楼 Garnett_KG 的回复:]
32bit-下

classA: 12Byte -->4字节数据, 4字节内存同步块索引,4字节的类型对象指针
classB: 16Byte -->8字节数据, 4字节内存同步块索引,4字节的类型对象指针
classC: 16Byte -->8字节数据, 4字节内存同步块索引,4字节的类型对象指针
[/Quote]

good
aini1314lin 2009-02-25
  • 打赏
  • 举报
回复
学习
Garnett_KG 2009-02-25
  • 打赏
  • 举报
回复
32bit-下

classA: 12Byte -->4字节数据, 4字节内存同步块索引,4字节的类型对象指针
classB: 16Byte -->8字节数据, 4字节内存同步块索引,4字节的类型对象指针
classC: 16Byte -->8字节数据, 4字节内存同步块索引,4字节的类型对象指针
ctan 2009-02-25
  • 打赏
  • 举报
回复
在C#中讨论这个问题没有什么意义

大家可以学了C或C++, 把那里的概念拿来硬套C#, 试图计算class所占内存空间,
这有什么意义呢? class是引用类型, 它的空间不仅包含变量(C#中称为域)占用空间, 还包含函数(C#中称为方法)引用所占的空间,
估计随着C#版本的变化, 编译器处理时还会有所变化

C#中本来就避免对内存空间进行精确定位, 如取消指针就是例证之一
Dobzhansky 2009-02-25
  • 打赏
  • 举报
回复
[Quote=引用 11 楼 iwxiaot 的回复:]
跟C++不一样呀,在程序里也得不到,学习
[/Quote]

它认为我们不需要知道这个大小

内存都 managed 了, 也爽, 也不爽
iwxiaot 2009-02-25
  • 打赏
  • 举报
回复
跟C++不一样呀,在程序里也得不到,学习
Dobzhansky 2009-02-25
  • 打赏
  • 举报
回复
// 但是第三个有了一个函数,为什么没有变呢?

函数是 type 的, 虚函数表机制

不是对象的
xuan.ye 2009-02-25
  • 打赏
  • 举报
回复
[Quote=引用 3 楼 hebeijg 的回复:]
谢谢楼上两位的回复,能请两位解释下,为什么是取这些值吗?
谢谢
[/Quote]
因为本人能力有限也是凭感觉说的,所以lz还应该多方求证
class ClassA
{
int a;
}
8 ---对象+int a 对象 4b a 4b

class ClassB
{
int a;
int b;
}

12 同上 a -4b ,b-4b,对象 4b

class ClassB
{
int a;
int b;
public void Test()
{
string s ="test";
}
}
12 a-4b,b-4b,对象 4b ,函数没有空间
hebeijg 2009-02-25
  • 打赏
  • 举报
回复
按照楼上说的,int是4,那ClassA是一个引用类型,在堆栈里首先要建立一个4位的的指针,指向托管堆里分配内存,里面有一个int 所有又4字节
所以第一个是8,第二个是12,但是第三个有了一个函数,为什么没有变呢?
Dobzhansky 2009-02-25
  • 打赏
  • 举报
回复
参考文献:
.NET Framework Internals: How the CLR Creates Runtime Objects
http://msdn.microsoft.com/en-us/magazine/cc163791.aspx
ShinNakoruru 2009-02-25
  • 打赏
  • 举报
回复
厄,貌似有个地方我搞错了,若考虑内存对齐,也许答案应该是 8 8 16
Dobzhansky 2009-02-25
  • 打赏
  • 举报
回复
用个简单的例子, 装箱的 int

object i = new int(0);

这时, 发生了:
1. 托管堆上分配了 12 个字节(8字节的对象头 + 4 字节用于保存整数值)
2. 工作堆栈上一个局部变量 i 指向了托管堆中的那个装箱后的匿名对象.

8 字节对象头是所有位于托管堆上的对象都有的.

ShinNakoruru 2009-02-25
  • 打赏
  • 举报
回复
C#因为是托管代码,所以具体是多少字节我还真没去研究过
按照C++的想法,ClassA只有一个int,4字节,同理B 8字节,第二个B多了一个函数指针,12字节。

我想知道2楼的值是怎么得出的
hebeijg 2009-02-25
  • 打赏
  • 举报
回复
谢谢楼上两位的回复,能请两位解释下,为什么是取这些值吗?
谢谢
ShinNakoruru 2009-02-25
  • 打赏
  • 举报
回复
我有点晕
C#还真没考虑过

不过我怎么感觉
class ClassA
{
int a;
}
4 byte

class ClassB
{
int a;
int b;
}

8 byte

class ClassB
{
int a;
int b;
public void Test()
{
string s ="test";
}
}
12 byte
呢?去做一个试试看……
xuan.ye 2009-02-25
  • 打赏
  • 举报
回复
class ClassA
{
int a;
}
8

class ClassB
{
int a;
int b;
}

12

class ClassB
{
int a;
int b;
public void Test()
{
string s ="test";
}
}
12
Dobzhansky 2009-02-25
  • 打赏
  • 举报
回复
基本有 2 点:

1. 托管对象的内存结构不是公开的, 实现机制会变化, 引用中无需关心.
2. 为支持托管机制, 在传统(C++)实现前提下, 加入一个头部.
hebeijg 2009-02-25
  • 打赏
  • 举报
回复
谢谢各位
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析,该技术可用于挖掘历史数据的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分任务的线性模型,特别适用于二问题。在信用评估,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!

111,109

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • AIGC Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧