php7-hashtable总结

hashtable 结构

typedef struct _Hashtable {
    unit32_t nTableSize   //最小为8,标准为大于实际元素个数的2次方,6->8,9->16
    unit32_t nTableMask;  //tablesize-1
    unit32_t nNumUsed;    //已使用的元素,当满了的时候会重构,去除已经unset的元素
    unit32_t nNumOfElement;   //实际存的个数
    zend_long nNextFreeElement;  //是下一个可以使用的数字键值，当你使用$array[] = xyz是被使用到。
    Bucket     *arData;  //实际指向的数组,保存了所有的bukets数组元素
    uint32_t   *arHash   //hash数组中查找索引为idx = ht->arHash[hash & ht->nTableMask]
        dtor_func_t       pDestructor;
        uint32_t          nInternalPointer;
        union {
            struct {
                ZEND_ENDIAN_LOHI_3(
                    zend_uchar    flags,
                    zend_uchar    nApplyCount,
                    uint16_t      reserve)
            } v;
            uint32_t flags;
        } u;
} HashTable;

bucket结构

typedef struct _Bucket {
    zend_ulong    h; //索引值
    zend_string   *key  //字符串键
    zval    val     //zavl结构内嵌进bucket,因此不用再申请内存
}  Bucket;

---

指针变量arData实际指向数组的头地址，数组在php7是被分配到了一块连续的内存中。arData数组以插入的顺序保存元素。所以第一个数组元素会保存在arData[0]，第二元素在arData[1]等等。这跟元素对应的键没有任何关系，这只跟插入的顺序相关。

常见问题

1.Buckets不用再单独分配什么意思？

因为老的hashtable实现中，数组arData中存的是一个指向随机地址的Bucket结构体的指针，而新的实现是直接将bucket存入数组值中，也就是说之前arData[0]中只是存的bucket的地址，现在直接存bucket了。

---

2.Zvals不再单独分配，它会被直接嵌入到任何需要存放它的地方（例如，一个hashtable bucket中）。

同样的意思，之前bucket中是存的指向zval的一个指针，现在是直接将zval变量存进来，如果zval存的是简单类型的话，那就更方便了。

---

3.冲突处理链表现在用的是一个索引列表，并且每个索引是嵌入到zval中的

当bucket中的h和*key与实际查找的不对应时，那么应该是产生冲突了，新的索引列表是存在zval结构体中的u2联合体中，

    union {
        uint32_t var_flags;
        uint32_t next;       /* hash collision chain */
        uint32_t cache_slot; /* literal cache slot */
        uint32_t lineno;     /* line number (for ast nodes) */
    } u2;

可以通过idx = Z_NEXT(b->val);查找出当前zval的下一个zval（处理冲突）

源码理解

解决冲突的代码如下：

zend_ulong h = zend_string_hash_val(key);
unit32_t idx = ht->arHash[h & ht->nTableMask];
while (idx != INVALID_IDX) {
    Bucket *b = &ht->arData[idx];
    if(b->h = h && zend_string_equals(b->key,key)){
    return b;
    }
    idx = Z_NEXT(b->val);
}
return NULL;

---

遍历数组的代码如下：

uint32_t i;
for (i = 0; i < ht->nNumUsed; ++i) {
    Bucket *b = &ht->arData[i];
    if (Z_ISUNDEF(b->val)) continue;
    // do stuff with bucket
}

总结（部分摘自网络）

1.arData数组以插入的顺序保存元素。所以第一个数组元素会保存arData[0]，第二元素在arData[1]等等。这跟元素对应的键没有任何关系，这只跟插入的顺序相关。所以如果你在hashtable中保存了5个元素，arData[0]到arData[4]的槽（slot）会被用到，下一个空闲槽是arData[5]。这个数字会记录在nNumUsed中，它们是一样的，不过仅仅只是在只执行插入操作的情况下。如果一个元素被从Hashtable中删除，我们肯定不想把arData数组中位于删除元素后面的元素都前移一位从而保持数组的连续性，相反我们只是将删除元素zval类型标记为IS_UNDEF。

2.实际上Hashtable的查找还是使用了arHash这个数组，这个数组由unit32_t类型的值组成。arHash数组跟arData的大小一样（都是nTableSize），并且都被分配了一段连续的内存区块。在hash数组中查找索引为idx = ht->arHash[hash & ht->nTableMask]的元素。这个索引对应的元素是冲突处理链表的头元素。所以ht->arData[idx]是我们要检查的第一个元素。如果这个元素中保存的键跟我们要查找的键相同，那么查找就搞定了。如果不的相同的话，则需要查找冲突处理链表的下一个元素，这个元素的索引保存在bucket->val.u2.next中，它保存在zval结构体中很少会用到的最后4个字节中。我们继续遍历这个链表（使用索引而不是指针）直到找到我们要找的bucket，或者是碰到INVALID_IDX——这意味着你要查找的key并不存在。