C - 两个指针之间的转换行为

Question

2020 年 12 月 11 日更新：感谢@“Some程序员老兄”在评论中提出的建议。 我的根本问题是我们的团队正在实现一个动态类型的存储引擎。我们分配了多个 16-aligned 的 char array[PAGE_SIZE] 缓冲区来存储动态类型的数据（没有固定的结构）。出于效率原因，我们无法执行字节编码或分配额外空间来使用memcpy。

既然已经确定了对齐方式（即16），剩下的就是使用指针的强制转换来访问指定类型的对象，例如：

int main() {
    // simulate our 16-aligned malloc
    _Alignas(16) char buf[4096];

    // store some dynamic data:
    *((unsigned long *) buf) = 0xff07;
    *(((double *) buf) + 2) = 1.618;
}

但是我们的团队对这个操作是否是未定义的行为存在争议。

---

看过很多类似的问题，比如

• Why does -Wcast-align not warn about cast from char* to int* on x86?
• How to cast char array to int at non-aligned position?
• C undefined behavior. Strict aliasing rule, or incorrect alignment?
• SEI CERT C C.S EXP36-C

但是这些和我对C标准的理解不同，我想知道是不是我的误解。

主要的困惑是关于 C11 的 6.3.2.3 #7 部分：

指向对象类型的指针可以转换为指向不同对象类型的指针。如果 结果指针 未正确对齐 68) 引用类型，则行为未定义。

68) 通常，“正确对齐”的概念是可传递的：如果指向类型 A 的指针正确对齐指向类型 B 的指针，而指向类型 B 的指针又正确对齐指向类型 C 的指针，则指向类型 A 的指针与指向类型 C 的指针正确对齐。

这里的结果指针是指指针对象还是指针值？

在我看来，我认为答案是Pointer Object，但更多的答案似乎表明Pointer Value。

---

解释A：指针对象

我的想法如下：指针本身就是一个对象。根据6.2.5 #28，不同的指针可能有不同的表示和对齐要求。因此，根据6.3.2.3 #7，只要两个指针具有相同的对齐方式，就可以安全地转换它们而没有未定义的行为，但不能保证它们可以被取消引用。 在程序中表达这个想法：

#include <stdio.h>

int main() {
    char buf[4096];

    char *pc = buf;
    if (_Alignof(char *) == _Alignof(int *)) {
        // cast safely, because they have the same alignment requirement?
        int *pi = (int *) pc; 
        printf("pi: %p\n", pi);
    } else {
        printf("char * and int * don't have the same alignment.\n");
    }
}

---

解释B：指针值

但是，如果 C11 标准讨论的是引用类型的 指针值 而不是 指针对象。上面代码的对齐检查是没有意义的。 在程序中表达这个想法：

#include <stdio.h>

int main() {
    char buf[4096];

    char *pc = buf;
    
    /*
     * undefined behavior, because:
     * align of char is 1
     * align of int is 4
     * 
     * and we don't know whether the `value` of pc is 4-aligned.
     */
    int *pi = (int *) pc;
    printf("pi: %p\n", pi);
}

---

哪种解释是正确的？

Answer 1

解释 B 是正确的。该标准谈论的是指向对象的指针，而不是对象本身。 “结果指针”是指强制转换的结果，并且强制转换不会产生左值，所以它是指强制转换后的指针值。

以您的示例中的代码为例，假设int 必须在 4 字节边界上对齐，即它的地址必须是 4 的倍数。如果buf 的地址是0x1001，则转换该地址到int * 无效，因为指针值未正确对齐。如果buf的地址为0x1000，则转换为int *有效。

更新：

您添加的代码解决了对齐问题，因此在这方面没问题。然而，它有一个不同的问题：它违反了严格的别名。

您定义的数组包含char 类型的对象。通过将地址转换为不同的类型并随后取消引用转换后的类型，您可以将一种类型的对象作为另一种类型的对象来访问。这是 C 标准所不允许的。

虽然标准中没有使用术语“严格别名”，但该概念在第 6.5 节第 6 和第 7 段中有所描述：

6对象的有效类型是为了访问其存储的值是对象的声明类型，如果有的话。⁸⁷⁾ 如果一个 值通过 lvalue 的类型不是字符类型，然后是 左值成为该访问的对象的有效类型 以及不修改存储值的后续访问。如果一个 使用memcpy 将值复制到没有声明类型的对象中 或memmove，或复制为字符类型数组，则 被修改对象的有效类型，用于该访问和 不修改值的后续访问是有效类型 从中复制值的对象的名称（如果有的话）。对所有人 对没有声明类型的对象的其他访问，有效 对象的类型只是用于 访问。

7 对象的存储值只能由具有以下类型之一的左值表达式访问：⁸⁸⁾

• 与对象的有效类型兼容的类型，
• 与对象的有效类型兼容的类型的限定版本，
• 对应于对象有效类型的有符号或无符号类型，
• 一种有符号或无符号类型，对应于对象有效类型的限定版本，
• 在其成员中包含上述类型之一的聚合或联合类型（递归地，包括 子聚合或包含联合），或
• 一种字符类型。

...

87 ) 分配的对象没有声明类型。

88 ) 此列表的目的是指定在哪些情况下， 对象可能有别名，也可能没有别名。

在您的示例中，您在 char 对象之上编写了 unsigned long 和 double。这两种类型都不满足第 7 段的条件。

除此之外，这里的指针算术无效：

 *(((double *) buf) + 2) = 1.618;

当您将buf 视为double 的数组时，它不是。至少，您需要直接对buf 执行必要的算术运算并在最后转换结果。

那么为什么这是char 数组而不是malloc 返回的缓冲区的问题？因为从malloc 返回的内存没有有效类型，直到你在其中存储一些东西，这就是第 6 段和脚注 87 所描述的。

所以从严格的标准角度来看，您所做的是未定义的行为。但是根据您的编译器，您可能能够禁用严格别名，因此这将起作用。如果您使用 gcc，则需要传递 -fno-strict-aliasing 标志

Answer 2

该标准不要求实现考虑代码将观察到 T* 中的值与类型 T 不对齐的可能性。例如，在 clang 中，当针对具有“更大”加载/存储指令的平台时不支持未对齐访问，将指针转换为不满足对齐的类型，然后在其上使用memcpy 可能会导致编译器生成代码，如果指针未对齐，即使memcpy 也会失败否则它本身不会强加任何对齐要求。

以 ARM Cortex-M0 或 Cortex-M3 为目标时，例如，给定：

void test1(long long *dest, long long *src)
{
    memcpy(dest, src, sizeof (long long));
}
void test2(char *dest, char *src)
{
    memcpy(dest, src, sizeof (long long));
}
void test3(long long *dest, long long *src)
{
    *dest = *src;
}

clang 将为 test1 和 test3 生成代码，如果 src 或 dest 未对齐，则会失败，但对于 test2，它将生成更大更慢的代码，但支持任意对齐源和目标操作数。

可以肯定的是，即使在铿锵声中，将未对齐的指针转换为long long* 本身通常也不会导致任何奇怪的事情发生，但事实上这样的转换会产生免除编译器的 UB处理test1 中未对齐的指针大小写的任何责任。