通过.net core源码看下Dictionary的实现

https://blog.csdn.net/narlon/article/details/80755386

 

 

.net core的代码位置 

https://github.com/dotnet/corefx/blob/master/src/Common/src/CoreLib/System/Collections/Generic/Dictionary.cs

C#中，Dictionary这个数据结构并不是很容易理解，因为看上不去并不像C++的map。底层是如何实现一个字典的并完全可知，因为从数据结构来说，很多结构都可以支持一个类似的加速key-value对存储的访问形式。比如tree，跳表，hashtable等等。

基于bucket的Hashtable

    Dictionary的基本思想是通过一个Entry数值存储数据（key和value），其中的数据是紧密排布的。然后，通过bucket数组实现hashcode加速查找。如果两个对象的hashcode%length（数值的长度）相等，实现类似hashtable碰撞的退避规则，并通过Entry.next的引用住新的退避位置（用数组下标实现连接）。

private struct Entry
 
{
 
public int hashCode; // Lower 31 bits of hash code, -1 if unused
 
public int next; // Index of next entry, -1 if last
 
public TKey key; // Key of entry
 
public TValue value; // Value of entry
 
}
 
 
 
private int[] _buckets;
 
private Entry[] _entries;

    一个key-value数据，在经过Key.GetHashCode后的返回值，再对_buckets的长度取模。决定隐射到的_buckets下标，而实际存储的区域_entries是一个连续存储的数组，用来存储键值对（Entry）。如上图，如果插入时出现hash桶碰撞，会直接找到下一个空的格子插入数据，并把这个格子的id保存到上一个entry.next中，方便删除或查找时使用。

    反之，如果删除数据时，就需要级联更新entry.next的情况。删除的关键代码如下，如果是一个通过next找到的entry，那last必然>0，所以需要把last.next指向自己的next，绕过自己。如果last<0则说明，自己是第一个元素，直接更新bucket指向自己的next（可能是-1，也可能是真的下一个元素的下标）。

 

 

if (last < 0)
 
        {
 
            // Value in buckets is 1-based
 
            buckets[bucket] = entry.next + 1;
 
        }
 
        else
 
        {
 
            entries[last].next = entry.next;
 
        }

•         

关于Keys和Values

1.  
   private KeyCollection _keys;
2.  
   private ValueCollection _values;

    许多时候，我们会用到对Keys和Values的访问。那我们来看看，这两个属性是如何实现的。先看一下KeyCollection的实现。这里删除了一些多余的代码，可以看出，他仅仅对dict的一个组合关系，内部的实际工作者是dict。

public sealed class KeyCollection : ICollection<TKey>, ICollection, IReadOnlyCollection<TKey>
 
{
 
private Dictionary<TKey, TValue> _dictionary;
 
 
 
public KeyCollection(Dictionary<TKey, TValue> dictionary)
 
{
 
_dictionary = dictionary;
 
}
 
 
 
void ICollection<TKey>.Add(TKey item)
 
=> ThrowHelper.ThrowNotSupportedException(ExceptionResource.NotSupported_KeyCollectionSet);
 
 
 
void ICollection<TKey>.Clear()
 
=> ThrowHelper.ThrowNotSupportedException(ExceptionResource.NotSupported_KeyCollectionSet);
 
 
 
bool ICollection<TKey>.Contains(TKey item)
 
=> _dictionary.ContainsKey(item);
 
}
    然后，看一下迭代过程的实现。非常简单，仅仅是每次都把_currentKey赋值为_entries的下一个元素。所以，可以看出来，Keys的访问是有序的（按插入顺序）。

 
public bool MoveNext()
 
{
 
while ((uint)_index < (uint)_dictionary._count)
 
{
 
ref Entry entry = ref _dictionary._entries[_index++];
 
 
 
if (entry.hashCode >= 0)
 
{
 
_currentKey = entry.key;
 
return true;
 
}
 
}
 
 
 
_index = _dictionary._count + 1;
 
_currentKey = default;
 
return false;
 
}

    values和keys的实现是完全一致的，所以Values的访问和Keys的访问性能是差不多的，不存在访问Keys快，访问Values慢的情况。

关于空间大小算法

    大家知道hash表是需要先分配一块比较大的空间，并在保持一定数据密度的情况下，会拥有比较高的存储和访问效率。

    C#的dict，永远会去找当前需求的capacity的下一个素数，作为数组的分配size。如果，默认new Dict，传递的capacity是0，那么实际此时的_entries大小是3。

    找素数的逻辑稍微提下。会先顺序遍历存储的primes数组；如果找不到，再用逐个数字遍历的方式找接下来的素数。

public static readonly int[] primes = {
 
3, 7, 11, 17, 23, 29, 37, 47, 59, 71, 89, 107, 131, 163, 197, 239, 293, 353, 431, 521, 631, 761, 919,
 
1103, 1327, 1597, 1931, 2333, 2801, 3371, 4049, 4861, 5839, 7013, 8419, 10103, 12143, 14591,
 
17519, 21023, 25229, 30293, 36353, 43627, 52361, 62851, 75431, 90523, 108631, 130363, 156437,
 
187751, 225307, 270371, 324449, 389357, 467237, 560689, 672827, 807403, 968897, 1162687, 1395263,
 
1674319, 2009191, 2411033, 2893249, 3471899, 4166287, 4999559, 5999471, 7199369 };

关于读取数据的效率

    题外话，讲一下有的同学喜欢这么写数据访问的代码。

 

if (techAddonDict.ContainsKey(3))
 
{
 
var c = techAddonDict[3];
 
}

    从底层来说，所有查找的代码，都会先通过bucket找到一次entry对象（通过FindEntry函数）。那么上一段函数中实际需要访问两次FindEntry函数。

 

float v;

if (techAddonDict.TryGetValue(3, out v))

{

//todo xxx

}

    这段函数就很明显了，只需要访问一次FindEntry函数，性能自然会好一倍。