Esto se denomina representación de puntero etiquetado y es un truco de optimización bastante común que se ha utilizado en muchos intérpretes, máquinas virtuales y sistemas de ejecución diferentes durante décadas. Casi todas las implementaciones de Lisp los usan, muchas máquinas virtuales de Smalltalk, muchos intérpretes de Ruby, etc.
Por lo general, en esos lenguajes, siempre se pasan punteros a objetos. Un objeto en sí consiste en un encabezado de objeto, que contiene metadatos del objeto (como el tipo de objeto, su (s) clase (s), tal vez restricciones de control de acceso o anotaciones de seguridad, etc.), y luego los datos del objeto en sí. Entonces, un entero simple se representaría como un puntero más un objeto que consta de metadatos y el entero real. Incluso con una representación muy compacta, eso es algo así como 6 bytes para un entero simple.
Además, no puede pasar tal objeto entero a la CPU para realizar aritmética rápida de enteros. Si desea agregar dos enteros, en realidad solo tiene dos punteros, que apuntan al comienzo de los encabezados de objeto de los dos objetos enteros que desea agregar. Por lo tanto, primero debe realizar aritmética de enteros en el primer puntero para agregar el desplazamiento en el objeto donde se almacenan los datos enteros. Entonces tienes que eliminar la referencia a esa dirección. Haz lo mismo de nuevo con el segundo número entero. Ahora tienes dos números enteros que puedes pedirle a la CPU que agregue. Por supuesto, ahora necesita construir un nuevo objeto entero para contener el resultado.
Por lo tanto, para realizar una suma de enteros, en realidad necesita realizar tres sumas de enteros más dos rectificaciones de puntero más una construcción de objeto. Y ocupa casi 20 bytes.
Sin embargo, el truco es que con los llamados tipos de valores inmutables como los números enteros, generalmente no necesita todos los metadatos en el encabezado del objeto: puede simplemente dejar todo eso fuera y simplemente sintetizarlo (que es VM-nerd- hablar por "fingir"), cuando a alguien le importa mirar. Un entero siempre tendrá clase Integer, no es necesario almacenar esa información por separado. Si alguien usa la reflexión para averiguar la clase de un entero, simplemente responde Integery nadie sabrá nunca que en realidad no almacenó esa información en el encabezado del objeto y que, de hecho, ni siquiera hay un encabezado de objeto (o un objeto).
Entonces, el truco consiste en almacenar el valor del objeto dentro del puntero al objeto, colapsando efectivamente los dos en uno.
Hay CPU que en realidad tienen espacio adicional dentro de un puntero (los llamados bits de etiqueta ) que le permiten almacenar información adicional sobre el puntero dentro del propio puntero. Información adicional como "esto no es en realidad un puntero, es un número entero". Los ejemplos incluyen el Burroughs B5000, las distintas Lisp Machines o el AS / 400. Desafortunadamente, la mayoría de las CPU convencionales actuales no tienen esa característica.
Sin embargo, hay una salida: la mayoría de las CPU convencionales funcionan significativamente más lento cuando las direcciones no están alineadas con los límites de las palabras. Algunos incluso no admiten el acceso no alineado en absoluto.
Lo que esto significa es que, en la práctica, todos los punteros serán divisibles por 4, lo que significa que siempre terminarán con dos 0bits. Esto nos permite distinguir entre punteros reales (que terminan en 00) y punteros que en realidad son números enteros disfrazados (aquellos que terminan en 1). Y todavía nos deja con todos los consejos que terminan en 10libertad para hacer otras cosas. Además, la mayoría de los sistemas operativos modernos reservan las direcciones muy bajas para sí mismos, lo que nos da otra área para jugar (punteros que comienzan con, digamos, 24 0sy terminan con 00).
Por lo tanto, puede codificar un entero de 31 bits en un puntero, simplemente moviéndolo 1 bit hacia la izquierda y agregando 1. Y puede realizar aritmética de enteros muy rápida con ellos, simplemente cambiándolos apropiadamente (a veces ni siquiera eso es necesario).
¿Qué hacemos con esos otros espacios de direcciones? Así, los ejemplos típicos incluyen la codificación de floats en el otro espacio de direcciones de gran tamaño y una serie de objetos especiales como true, false, nil, los 127 caracteres ASCII, algunas cadenas cortas de uso común, la lista vacía, el objeto vacío, la matriz vacía y así sucesivamente cerca de la 0habla a.
Por ejemplo, en los intérpretes de MRI, YARV y Rubinius Ruby, los números enteros se codifican de la forma que describí anteriormente, falsese codifican como dirección 0(que resulta ser también la representación de falseen C), truecomo dirección 2(que resulta ser la representación C de truedesplazada en un bit) y nilas 4.