Go中Map底层原理剖析_go map底层实现-优快云博客

本文链接：https://blog.youkuaiyun.com/shinamshiro/article/details/138193127

本文详细解析了Golang中Map的内部结构，包括hmap和bmap的使用，以及初始化、数据写入/读取、扩容和迁移的过程，重点讲解了不同情况下扩容策略的调整。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

概要

Golang中的Map有一套自己的实现原理，其核心是由 hmap 和 bmap 两个结构体实现

请添加图片描述

初始化

//初始化一个可容纳10个元素的map
info = make(map[string]string,10)

第一步：创建一个hmap结构体对象
第二步：生成一个哈希因子hash0并复制到hmap对象中(用于后续为key创建哈希值)
第三步：根据hint=10，并根据算法规划来创建B，当前B应该为1

hint            B
0~8				0
9~13            1
14~26           2
...

第四步：根据B去创建桶(bmap对象)并存放在buckets数组中，当前bmap的数量应为2

当B<4时，根据B创建桶的个数的规则为： $2^B$ （标准桶）
-当B>=4时，根据B创建桶的个数的规则为： $2^B$ + $2^{B-4}$ （标准桶+溢出桶）
注意：每个bmap中可以存储8个键值对，当不够存储时需要使用溢出桶，并将当前bmap中的overflow字段指向溢出桶的位置

写入数据

info["name"]= "mashiro"

在map中写入数据时，内部的执行流程是：

第一步：结合哈希因子和键name生成哈希值0110111000111111110101010
第二步：获取哈希值的后八位，并根据后B位的值来确定将此键值对存放在那个桶中(bmap)

将哈希值和桶掩码（B个为1的二进制）进行 & 运算，最终得到哈希值的后B位的值。假设当B为1时，其结果为 0 ：
哈希值：011011100011111110111011010
桶掩码：000000000000000000000000001
结果：  000000000000000000000000000 = 0

通过示例你会发现，找桶的原则实际上是根据后B为的位运算计算出 索引位置，然后再去buckets数组中根据索引找到目标桶（bmap)。

第三步：在上一步确定桶以后，接下来就在桶中写入数据

获取哈希值的tophash（即：哈希值的`高8位`），将tophash、key、value分别写入到桶中的三个数组中。
如果桶已满，则通过overflow找到溢出桶，并在溢出桶中继续写入。

注意：以后在桶中查找数据时，会基于tophash来找（tophash相同则再去比较key）。

第四步：hmap的个数count++(map中的元素个数+1)

读取数据

value := info["name"]

在map中读取数据时，内部的执行流程是：

第一步：结合哈希引子和键name生成哈希值
第二步：获取哈希值的后B位，并根据后B位的值来决定将此键值对存放到那个桶(bmap)
第三步：确定桶之后，再根据key的哈希值计算出tophash(高8位)，根据tophash和key去桶中查找数据.

当前桶如果没找到，则根据overflow再去溢出桶中找，均为找到则表示key不存在

扩容

在向map中添加数据时，当达到某个条件，则会引发字典扩容
扩容条件：

map中数据总个数/桶个数 > 6.5,引发翻倍扩容。
使用了太多的溢出桶时(溢出桶使用的太多会导致map处理速度降低)
- B <=15，已使用的溢出桶个数 >= $2^B$ 时，引发等量扩容。
B > 15，已使用的溢出桶个数 >= $2^{15}$ 时，引发等量扩容。

func hashGrow(t *maptype, h *hmap) {
	// If we've hit the load factor, get bigger.
	// Otherwise, there are too many overflow buckets,
	// so keep the same number of buckets and "grow" laterally.
	bigger := uint8(1)
	if !overLoadFactor(h.count+1, h.B) {
		bigger = 0
		h.flags |= sameSizeGrow
	}
	oldbuckets := h.buckets
	newbuckets, nextOverflow := makeBucketArray(t, h.B+bigger, nil)
	...
}

第一步：B会根据扩容后新桶的个数进行增加（翻倍扩容新B=旧B+1，等量扩容新B=旧B）。
第二步：oldbuckets指向原来的桶（旧桶）。
第三步：buckets指向新创建的桶（新桶中暂时还没有数据）。
第四步：nevacuate设置为0，表示如果数据迁移的话，应该从原桶（旧桶）中的第0个位置开始迁移。
第五步：noverflow设置为0，扩容后新桶中已使用的溢出桶为0。
第六步：extra.oldoverflow设置为原桶（旧桶）已使用的所有溢出桶。即：h.extra.oldoverflow = h.extra.overflow
第七步：extra.overflow设置为nil，因为新桶中还未使用溢出桶。
第八步：extra.nextOverflow设置为新创建的桶中的第一个溢出桶的位置。

迁移

扩容之后，必然要伴随着数据的迁移，即：将旧桶中的数据要迁移到新桶中

翻倍扩容

如果是翻倍扩容，那么迁移规就是将旧桶中的数据分流至新的两个桶中（比例不定），并且桶编号的位置为：同编号位置和翻倍后对应编号位置。
请添加图片描述
那么问题来了，如何实现的这种迁移呢？

首先，我们要知道如果翻倍扩容（数据总个数 / 桶个数 > 6.5），则新桶个数是旧桶的2倍，即：map中的B的值要+1（因为桶的个数等于 $2^B$ ，而翻倍之后新桶的个数就是 $2^B$ * 2 ，也就是 $2^{B+1}$ ，所以 新桶的B的值=原桶B + 1 ）。

迁移时会遍历某个旧桶中所有的key（包括溢出桶），并根据key重新生成哈希值，根据哈希值的 底B位 来决定将此键值对分流道那个新桶中。
请添加图片描述
扩容后，B的值在原来的基础上已加1，也就意味着通过多1位来计算此键值对要分流到新桶位置，如上图：

当新增的位（红色）的值为 0，则数据会迁移到与旧桶编号一致的位置。
当新增的位（红色）的值为 1，则数据会迁移到翻倍后对应编号位置。

例如：

旧桶个数为32个，翻倍后新桶的个数为64。
在重新计算旧桶中的所有key哈希值时，红色位只能是0或1，所以桶中的所有数据的后B位只能是以下两种情况：
	- 000111【7】，意味着要迁移到与旧桶编号一致的位置。
	- 100111【39】，意味着会迁移到翻倍后对应编号位置。
	
特别提醒：同一个桶中key的哈希值的低B位一定是相同的，不然不会放在同一个桶中，所以同一个桶中黄色标记的位都是相同的。