本文介紹 Erlang 語言中使用的各種資料型別以及這些資料型別在 Erlang 虛擬機器內部的表示和實現。瞭解資料型別的實現可以幫助大家在實際開發過程中正確選擇資料型別，並且可以更好更高效地操作這些資料型別。本文對 Erlang 資料型別及實現的總結目前是最全面的，可以作為 Erlang 資料結構的參考手冊。儘管我寫的內容都試圖在各種參考資料和 Erlang 虛擬機器原始碼中驗證，但是難免會有理解錯誤或各種低階錯誤，希望大家指正，也希望能對 Erlang 愛好者們有幫助。

Erlang資料型別回顧

Erlang 從語言的層面上說是一門比較簡單的語言，因此語言原生的資料結構也比較簡單。下面簡單回顧一下 Erlang 語言支援的資料結構：

• 整數：小整數和大整數。Erlang 可以表達任意大小的整數，只要不超過記憶體容量。如果一個整數可以用一個機器字[注1]表示，那麼這個整數在內部通過“小整數”表示（這裡是粗略的描述，實際不到一個機器字）；否則，自動升級為“大整數”表示。在使用者層面感知不到內部的具體表示，只要用就行了。示例：1，-1，123，473804731289473815748315139。
• 浮點數：標準的 IEEE 754-1985 格式的浮點數。例如 3.14，1.234E-10，-0.5。
• atom（原子）：小寫字母開頭的不帶引號的字串，是一種字面常量，可以用來表達任何想表達的意義。也可以用單引號引起來，這樣用起來更靈活，比如第一個字母可以大寫，中間還可以插入空格。示例：abc，
  [email protected]，error，ok，'Hello World'。
• 布林值：實際上內部就是原子 true 和原子 false 表示的，但是有一些 BIF（例如 is_boolean）和操作符（例如 and 和 or 等）用於支援布林操作的語義。
• tuple（元組）：組合資料結構，相當於固定大小的陣列，每一個元素可以是任意型別。示例： {error, badarg}，{person, "Siyao", 1985}。
• list（列表）：看上去和元組一樣，也是組合資料結構，每一個元素可以是任意型別，可以包含任意個元素，由於 Erlang 變數都是 immutable 的，所以列表的大小也是不可變的，但是列表的內部表示和支援的操作和元組完全不同。示例：[monday, tuesday]，[{person, "Alice"}, {person, "Bob"}]。
• 字串：實際上就是字元的列表，而字元實際上和整數沒有區別。字串就是一種採用大家熟知的字串表示語法表示字元列表的語法糖。示例："Hello World"。注意字串用的是雙引號，而原子用的是單引號。
• fun（匿名函式）：fun 是體現 Erlang 作為函式式語言的一個重要特性。fun 是“匿名”函式，可以在程式中動態生成，可以當做資料傳入其他函式或從函式返回。因此 fun 型別的資料也是 Erlang 中的一種資料結構。示例：fun(X) -> 2*X end。
• binary：用於表示一堆原始的無型別的位元組資料。由於 binary 是整塊的資料，所以非常適合各種資料傳輸和處理的場合。binary 可以方便地和 Erlang 中其他資料結構互相轉換，因此相當於可以在語言層面非常方便地執行資料結構的 marshalling 和 unmarshalling 操作。在 binary 中還可以打破位元組的邊界進行任意位匹配操作，因此可以非常方便地從各種二進位制資料（例如網路資料包和二進位制檔案等）中提取欄位。
• ref：通過 BIF 呼叫 make_ref() 生成的一個幾乎唯一的值，因為在同一 Erlang 節點上，連續呼叫 \(2^{82}\) 次 make_ref() 得到的值都是不一樣的。ref 是透明的資料型別，只能拿來用，但不能對其操作。ref 資料可以放在訊息裡傳送至其他 Erlang 節點，Erlang 的分散式機制會自動加上節點相關的資訊，使得 ref 在整個叢集內保持幾乎唯一。也可以看出，ref 有兩種表示形式，一種是 local 表示形式，還有一種是 external 形式。local 版本就是在本地的表示形式，但是傳送到其他節點之後，其他節點得到的 ref 資料就是通過 external 形式表示的。
• pid：Erlang 程序 id。類似 ref，也是透明的，也區分 local 和 external。
• port：表示 port id，同樣也是透明的，並區分 local 和 external。

以上完整地概述了 Erlang 語言中採用的資料型別。下面我們就來看這些資料型別在 Erlang 虛擬機器內部都是怎麼表達和實現的。瞭解這些原理性的內容我們就可以更加高效地使用這些資料結構。

[注1] 這裡說的機器字（後面都簡稱“字”）指的是機器原生指標寬度的資料結構。比如在 64 位機器上，機器字長度為 8 個位元組。要注意這裡所說的機器字和 Intel 文件中的“習俗”不同。Intel 文件中因為歷史原因，一直將一個字定義為 16 位，即 2 位元組，所以 64 位寬的資料結構在 Intel 的文件中都表示為 quad word（因此在對應的彙編指令中也會新增 q 字尾）。