轉載:http://www.qixing318.com/article/php-hashtable-implementation-source-code-analysis.html

一、哈希表定義

哈希表(或散列表)，是將鍵名key按指定的散列函數HASH經過HASH(key)計算后映射到表中一個記錄，而這個數組就是哈希表。

這里的HASH指任意的函數，例如MD5、CRC32、SHA1或你自定義的函數實現。

二、HashTable性能

HashTable是一種查找性能極高的數據結構，在很多語言內部都實現了HashTable。

理想情況下HashTable的性能是O(1)的，性能消耗主要集中在散列函數HASH(key)，通過HASH(key)直接定位到表中的記錄。

而在實際情況下經常會發生key1 != key2，但HASH(key1) = HASH(key2)，這種情況即Hash碰撞問題，碰撞的概率越低HashTable的性能越好。當然Hash算法太過復雜也會影響HashTable性能。

三、理解PHP的哈希表實現

在PHP內核也同樣實現了HashTable并廣泛應用，包括線程安全、全局變量、資源管理等基本上所有的地方都能看到它的身影。

不僅如此，在PHP腳本中數組（PHP的數組實質就是HashTable）也是被廣泛使用的，例如數組形式的配置文件、數據庫的查詢結果等，可以說是無處不在。

那么既然PHP的數組使用率這么高，內部是如何實現的？它如何解決hash碰撞及實現均勻分布的？PHP腳本使用數組應該注意哪些？

首先通過圖解，大致理解PHP HashTable的實現。

修正：之前認為PHP解決Hahs沖突時，鏈表使用的是單向鏈表，查看\Zend\zend_hash.c的zend_hash_move_backwards_ex方法與zend_hash_del_key_or_index方法后，實際上使用的是雙向鏈表。

<img src="http://www.qixing318.com/static/p_w_picpaths/lazy.gif" alt="PHP HashTable的實現" title="PHP HashTable的實現" title"="" style="border: 1px solid rgb(230, 230, 230); margin: 0px auto; max-width: 720px; padding: 5px; text-align: center; display: block;">

下面通過源碼來一步一步分析。

四、HashTable在PHP內核的實現

PHP實現HashTable主要是通過兩個數據結構Bucket(桶)和HashTable。

從PHP腳本端來看，HashTable相當于Array對象，而Bucket相當于Array對象里的某個元素，對于多維數組實際就是HashTable的某個Bucket里存儲著另一個HashTable。

1. HashTable結構

typedef?struct?_hashtable?{uint?nTableSize;?//表長度，并非元素個數uint?nTableMask;//表的掩碼，始終等于nTableSize-1uint?nNumOfElements;//存儲的元素個數ulong?nNextFreeElement;//指向下一個空的元素位置Bucket?*pInternalPointer;//foreach循環時，用來記錄當前遍歷到的元素位置Bucket?*pListHead;Bucket?*pListTail;Bucket?**arBuckets;//存儲的元素數組dtor_func_t?pDestructor;//析構函數zend_bool?persistent;//是否持久保存。從這可以發現，PHP數組是可以實現持久保存在內存中的，而無需每次請求都重新加載。unsigned?char?nApplyCount;zend_bool?bApplyProtection; }?HashTable;

2. Bucket結構

typedef?struct?bucket?{ulong?h;?//數組索引uint?nKeyLength;?//字符串索引的長度void?*pData;?//實際數據的存儲地址void?*pDataPtr;?//引入的數據存儲地址struct?bucket?*pListNext;struct?bucket?*pListLast;struct?bucket?*pNext;?//雙向鏈表的下一個元素的地址struct?bucket?*pLast;//雙向鏈表的下一個元素地址char?arKey[1];?/*?Must?be?last?element?*/ }?Bucket;

PHP內核哈希表的散列函數很簡單，直接使用 （HashTable->nTableSize & HashTable->nTableMask）的結果作為散列函數的實現。這樣做的目的可能也是為了降低Hash算法的復雜度和提高性能。

在PHP中初始化一個空數組時，對應內核中是如何創建HashTable的。

$array?=?new?Array();

PHP內核創建對應的HashTable。

//省略了部分代碼，提出主要的邏輯 ZEND_API?int?_zend_hash_init(HashTable?*ht,?uint?nSize,?hash_func_t?pHashFunction,?dtor_func_t?pDestructor,?zend_bool?persistent?ZEND_FILE_LINE_DC) {uint?i?=?3;Bucket?**tmp;SET_INCONSISTENT(HT_OK);if?(nSize?>=?0x80000000)?{//數組的最大長度是十進制2147483648/*?prevent?overflow?*/ht->nTableSize?=?0x80000000;}?else?{//數組的長度是向2的整次冪取圓整//例如數組的里有10個元素，那么實際被分配的HashTable長度是16。100個元素，則被分配128的長度//HashTable的最小長度是8，而非0。因為默認是將1向右移3位，1<<3=8while?((1U?<<?i)?<?nSize)?{i++;}ht->nTableSize?=?1?<<?i;}ht->nTableMask?=?ht->nTableSize?-?1;....return?SUCCESS; }

從上看出，即使在PHP中初始化一個空數組或不足8個元素的數組，都會被創建8個長度的HashTable。同樣創建100個元素的數組，也會被分配128長度的HashTable，依次類推。

3. 內核對PHP添加數字索引的處理方式

PHP數組中，鍵名可以為數字或字符串類型。而在內核中只允許數字索引，對于字符串索引，內核采用了time33算法將字符串轉換為整型。具體的實現下面會詳細說明。

$array[0]?=?"hello?hashtable";//省略了部分代碼，提出主要的邏輯 ZEND_API?int?_zend_hash_index_update_or_next_insert(HashTable?*ht,?ulong?h,?void?*pData,?uint?nDataSize,?void?**pDest,?int?flag?ZEND_FILE_LINE_DC) {????ulong?h;uint?nIndex;Bucket?*p;//省略了部分代碼，提出主要的邏輯nIndex?=?h?&?ht->nTableMask;p?=?ht->arBuckets[nIndex];p?=?(Bucket?*)?pemalloc_rel(sizeof(Bucket)?-?1,?ht->persistent);if?(!p)?{return?FAILURE;}p->nKeyLength?=?0;?/*?Numeric?indices?are?marked?by?making?the?nKeyLength?==?0?*/p->h?=?h;INIT_DATA(ht,?p,?pData,?nDataSize);if?(pDest)?{*pDest?=?p->pData;}ht->arBuckets[nIndex]?=?p;ht->nNumOfElements++;return?SUCCESS; }

上述也說明了，內核中哈希表的散列函數就是簡單的h & ht->nTableMask，其中h代表PHP中設置的索引號，nTableMask等于哈希表分配的長度-1。

4. 內核對PHP中字符串索引的處理方式

$array['index']?=?"hello?hashtable";

與數字索引相比，只是多了一步將字符串轉換為整型。用到的算法是time33，下面貼出了算法的實現，就是對字符串的每個字符轉換為ASCII碼乘上33并且相加得到的結果。

static?inline?ulong?zend_inline_hash_func(const?char?*arKey,?uint?nKeyLength) {register?ulong?hash?=?5381;/*?variant?with?the?hash?unrolled?eight?times?*/for?(;?nKeyLength?>=?8;?nKeyLength?-=?8)?{hash?=?((hash?<<?5)?+?hash)?+?*arKey++;hash?=?((hash?<<?5)?+?hash)?+?*arKey++;hash?=?((hash?<<?5)?+?hash)?+?*arKey++;hash?=?((hash?<<?5)?+?hash)?+?*arKey++;hash?=?((hash?<<?5)?+?hash)?+?*arKey++;hash?=?((hash?<<?5)?+?hash)?+?*arKey++;hash?=?((hash?<<?5)?+?hash)?+?*arKey++;hash?=?((hash?<<?5)?+?hash)?+?*arKey++;}switch?(nKeyLength)?{case?7:?hash?=?((hash?<<?5)?+?hash)?+?*arKey++;?/*?fallthrough...?*/case?6:?hash?=?((hash?<<?5)?+?hash)?+?*arKey++;?/*?fallthrough...?*/case?5:?hash?=?((hash?<<?5)?+?hash)?+?*arKey++;?/*?fallthrough...?*/case?4:?hash?=?((hash?<<?5)?+?hash)?+?*arKey++;?/*?fallthrough...?*/case?3:?hash?=?((hash?<<?5)?+?hash)?+?*arKey++;?/*?fallthrough...?*/case?2:?hash?=?((hash?<<?5)?+?hash)?+?*arKey++;?/*?fallthrough...?*/case?1:?hash?=?((hash?<<?5)?+?hash)?+?*arKey++;?break;case?0:?break;}return?hash; }zend_hash.c //下面省略了部分代碼，提出主要的邏輯 ZEND_API?int?_zend_hash_add_or_update(HashTable?*ht,?const?char?*arKey,?uint?nKeyLength,?void?*pData,?uint?nDataSize,?void?**pDest,?int?flag?ZEND_FILE_LINE_DC) {?????ulong?h;uint?nIndex;Bucket?*p;h?=?zend_inline_hash_func(arKey,?nKeyLength);?//字符串轉整型nIndex?=?h?&?ht->nTableMask;p?=?ht->arBuckets[nIndex];p?=?(Bucket?*)?pemalloc_rel(sizeof(Bucket)?-?1,?ht->persistent);if?(!p)?{return?FAILURE;}p->nKeyLength?=?0;?/*?Numeric?indices?are?marked?by?making?the?nKeyLength?==?0?*/p->h?=?h;INIT_DATA(ht,?p,?pData,?nDataSize);if?(pDest)?{*pDest?=?p->pData;}ht->arBuckets[nIndex]?=?p;ht->nNumOfElements++;return?SUCCESS; }

五、內核中如何實現均勻分布和解決hash碰撞問題的

1. 均勻分布

均勻分布是指，將需要存儲的各個元素均勻的分布到HashTable中。

而負責計算具體分布到表中哪個位置的函數就是散列函數做的事情，所以散列函數的實現直接關系到均勻分布的效率。

上面也提到了PHP內核中用了簡單的方式實現：h & ht->nTableMask;

2. Hash碰撞

Hash碰撞是指，經過Hash算法后得到的值會出現key1 != key2, 但Hash(key1)卻等于Hash(key2)的情況，這就是碰撞問題。

在PHP內核來看，就是會出現key1 != key2, 但key1 & ht->nTableMask卻等于key2 & ht->nTableMask的情況。

PHP內核使用雙向鏈表的方式來存儲沖突的數據。即Bucket本身也是一個雙向鏈表，當發生沖突時，會將數據按順序向后排列。

如果不發生沖突，Bucket即是長度為1的的雙向鏈表。

ZEND_API?int?zend_hash_find(const?HashTable?*ht,?const?char?*arKey,?uint?nKeyLength,?void?**pData) {ulong?h;uint?nIndex;Bucket?*p;IS_CONSISTENT(ht);h?=?zend_inline_hash_func(arKey,?nKeyLength);nIndex?=?h?&?ht->nTableMask;p?=?ht->arBuckets[nIndex];//找到元素時，并非立即返回，而是要再對比h與nKeyLength，防止hash碰撞。此段代碼就是遍歷鏈表,直到鏈表尾部。while?(p?!=?NULL)?{if?((p->h?==?h)?&&?(p->nKeyLength?==?nKeyLength))?{if?(!memcmp(p->arKey,?arKey,?nKeyLength))?{*pData?=?p->pData;return?SUCCESS;}}p?=?p->pNext;}return?FAILURE; }

轉載于:https://blog.51cto.com/mengphilip/1630439

總結

以上是生活随笔為你收集整理的PHP Hashtable实现源码分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。