Lua tables 分析1

-- Lua tables 分析 (1)
-- bitbull.cn@gmail.com
-- 转载请保持文章完整
-- ver 1.0 @ 2007/07/09

Lua的tables实现了关联数组,关联数组指不仅可以通过数字下标检索数据,还可以通过别的类型的值检索数据.Lua中除了nil以外的类型都可以作为tables的索引下标.另外tables没有固定的大小，你可以根据需要动态的调整他的大小.tables是Lua主要的也是唯一的数据结构,我们可以通过他实现传统数组, 符号表, 集合,    记录(pascal),    队列,    以及其他的数据结构.Lua的包也是使用tables来描述的,io.read意味着调用io包中的read函数,对Lua而言意味着使用字符串read作为key访问io表.
Lua中tables不是变量也不是值而是对象.你可以把tables当作自动分配的对象,在程序中只需要操纵表的引用(指针)即可.

                         --引自PIL 2.5

tables的实现被分成了两个部分: 核心由ltable.[ch]完成,提供了table的基本存取方法, 外部table库(ltablib.c)提供了辅助操作接口(concat, foreach, foreachi, getn, maxn, insert, remove, setn, sort).

我们先来看看tables的逻辑布局.

------------------------
| array part | hash part |
------------------------

一个table由array部分和hash部分组成.

array part:

     跟C传统的数组相当,非负整数下标的值被保存在该部分(正常情况下,后续会介绍一些特殊情况).特点是访问速度快.

hash part:
    
     一个hash表的实现,是让table功能丰富多彩的关键.

Table结构头:

typedef struct Table {
     CommonHeader;
     lu_byte flags;           
     lu_byte lsizenode;       /* hash部分大小(保存为经log2计算后的值) */
     struct Table *metatable;     /* 该table的元表指针 */
     TValue *array;           /* 数组部分 */
     Node *node;          /* hash部分 */
     Node *lastfree;          /* hash空闲节点链, 该节点为链表最后, 可以递减查找    */
     GCObject *gclist;
     int sizearray;           /* 数组部分大小 */
}    Table;

对我们关心的几个成员做了注释, 已经比较容易看懂. Node为(key, value)对.

我们来看看创建表和释放表,比较常规.

luaH_new() -- 创建新表
{
     为新表结构体分配内存
     把新表link到global_state的gc上,并设置标志位
    
     初始化表结构(node属性的终止符是一个dummynode)

     调用setarrayvector()为表的数组项分配内存
     调用setnodevector()为表的节点项分配内存

     返回表指针
}

luaH_free() -- 释放表
{
     如果表有节点项,释放
     释放数组项
     释放表头结构
}

在某些情况下表的大小会被调整, LUA_CORE提供该操作的对外接口是luaH_resizearray().而该接口参数里仅有数组部分大小, hash部分大小通过
int nsize = (t->node == dummynode) ? 0 : sizenode(t);计算得出. 然后调用resize()进行实际调整.

我们这里要讲的是resize(), 它不单是作为外部接口的内部实现,还被很多内部接口使用(比如rehash())

大家都知道,在两种情况下会使用resize(), 扩大和缩小.对于扩大表的操作,只需直接调用扩大内存的接口调整数组部分即可.而缩小则会涉及到截断部分的数据往哪里摆放的问题.
可以丢弃,可以阻止大小调整(保留数据).Lua的做法是把这些数据插入到hash表里, 对非负整数KEY做hash,    然后插入.这就是为什么非负整数下标不一定就存放在array part.

刚才讲到了resize对array part的处理, 而hash part的处理没什么变化, 不论扩大缩小, 都被逐条重新插入到新hash part里, 最后把旧hash part释放.

接下来,我们要讲的是表对数据的基本存取操作.提供的外部接口有:

通用取: luaH_get()
通用存: luaH_set()

数字下标取: luaH_getnum()
数字下标存: luaH_setnum()

字符串下标取: luaH_getstr()
字符串下标存: luaH_setstr()

通用取也是对key类型做了判断后选择调用luaH_getnum()或者luaH_getstr(), 如果key类型不属于nil, string, number, 则计算出key主位置(mainposition()),    沿该位置向后(gnext())逐一比较.下面我们分别来讲讲num取和str取.

num下标取:

     在luaH_get()里确定了key属于非负整数下标后(还不确定是否有效), 调用luaH_getnum().

     在luaH_getnum里判断非负整数下标是否有效(下标满足大于等于1, 并且小于等于array part总大小).

     如果为有效下标,直接从array成员里取值.
     反之则通过计算hash值(hashnum())后从该点向后(gnext())搜索匹配(ttisnumber() && luai_numeq())节点.

string下标取:

     这个则只有一种机制, 计算key hash值(hashstr()), 逐节点向后(gnext())搜索匹配(ttisstring() && rawtsvalue() == key).

取值的大概过程就是这样.在讲存值之前,我们先来解释一下为什么上面hash后还需要逐节点去搜索匹配.这是table对hash碰撞的处理.一个新key要插入到table的hash    part时,会先调用newkey(),

newkey()用来把新key插入到表的hash部分里.首先计算key的主位置,如果已经发生碰撞,会调用getfreepos()来获取一个空闲的节点.

static Node *getfreepos (Table *t) {
     while    (t->lastfree-- > t->node)    {
         if (ttisnil(gkey(t->lastfree)))
             return t->lastfree;
     }
     return NULL;     /* could not find a free place */
}

一个空闲节点链表, lastfree指向的是链表头(高地址), 用递减往下依次查找.碰到第一个nil就返回该节点.如果返回了NULL, newkey()将调用rehash()来扩大table大小, 并重新计算hash part.之后调用luaH_set()来重新插入新值(newkey()是被luaH_set*()调用的).

插个一小段其他内容,希望没打断思路,下面我们继续来看看如何存, 存提供了三个对外接口:

luaH_set()
luaH_setnum()
luaH_setstr()

跟取一样,    luaH_set()也是不区分key类型的通用接口.而它的通用源自luaH_get().一开始调用luaH_get()查找该value是否存在, 存在则直接返回值.不存在则调用newkey()完成添加动作.
luaH_setnum(), luaH_setstr()的区别仅仅在于一开始调用的是luaH_getnum()和luaH_getstr()来查找value.

这里要注意的是当value存在表里,将被直接返回, 而key的hash value存在则会被做碰撞处理.

接下来我们讲讲挨个取值luaH_next(), 也就是使用解释器时用到的pairs()所使用的table底层接口.

for k, v pairs(t) do print(k .. '    ' .. v) end

会按何种顺序来取表里的元素呢?

看过代码后你会发现, luaH_next()首先定位key的索引值(findindex()),若在sizearray的范围内,则直接从array part取下一个值.不然则从hash part里取值.

而for的顺序显然跟传入key的顺序有关.从Lapi.c: line    972; Lbaselib.c: line    228-229可以知道.key是从1开始传的.

所以for的顺序应该是先遍历完array part, 然后再按index值递增的方式去遍历hash part.

为此,我做了个实验:

test.lua
==================================================
t={0,0,0,0,0,0,0,0,0}
t[1]=199
t[3]=1099
t[8]=123
t[9]=999
t["a"]="aaa"
t["g"]="ggg"
t[5]=599
t[0]=99
t["c"]="ccc"
t[6]=699
t["b"]="bbb"
t[2]=299
t[4]=499

for k, v in pairs(t) do print(k .. ' ' .. v) end
===================================================

output:
===================================================
1    199
2    299
3    1099
4    499
5    599
6    699
7    0
8    123
9    999
a    aaa
c    ccc
b    bbb
0    99
g    ggg
===================================================

跟上述的分析是一致的,0下标也会被归入hash part.先遍历array part, 再次是hash part. 遍历顺序是按index来的,所以hash part部分的顺序看起来有点随机.

这里也许有的同志会问,为什么t={0,0,0,0,0,0,0,0,0}来得这样,是否多此一举.如果没预先扩大table的sizearray, 那么后续的数字下标会被插入hash part.

可以通过luac -l test.lua看到:
由t={}创建表
1    [1]      NEWTABLE         0 0 0
由t={0,0,0,0,0,0,0,0,0}
1    [1]      NEWTABLE         0 9 0
为array part分配了9个单元.

该例不预先扩大可以,但如果你断了序列,比如t[3]=1099没了.那后续的元素都将被插入到hash part.

我们再来看看下一个接口luaH_getn(),查找table边界,也就是返回有效的最大索引值.

用二分查找array part的最大值, 前提是sizearray大于0并且array[sizearray-1]等于nil.反之则查找hash part的最大边界(unbound_search()),按照逻辑组织关系,array part在前,hash part在后.

luaH_getn()被用在了Lapi.c: lua_objlen();用来计算表对象的大小.

tables的核心接口介绍得差不多了,这里对一些内部细节没过分介绍,我想这些在代码里写得很清楚,比如hashnum(), hashstr()的实现等.

最后,我们从头到尾回顾一下:

1. 介绍了table的大致结构.
2. 创建和释放
3. 调整大小
4. 取数据
5. 插了一小段简单介绍newkey()的碰撞处理
6. 存数据
7. luaH_next()
8. 查找表边界的luaH_getn()

还未能通读lua全部代码, 难免有理解不到位或错误的地方,还望来信指正.

tables外层lib接口的实现我们将在后续的文章看到.