数组实现[置顶] PHP内核中的神器之HashTable

发一下牢骚和主题无关：

    

一、哈希表义定

    哈希表(或散表列)，是将键名key按指定的散列函数HASH经过HASH(key)算计后映射到表中一个录记，而这个数组就是哈希表。
这里的HASH指意任的函数，例如MD5、CRC32、SHA1或你自义定的函数实现。

    

二、HashTable性能

    HashTable是一种找查性能极高的数据构结，在很多语言部内都实现了HashTable。
幻想况情下HashTable的性能是O(1)的，性能耗消重要会合在散列函数HASH(key)，通过HASH(key)直接定位到表中的录记。
而在现实况情下经常会生发key1 != key2，但HASH(key1) = HASH(key2)，这类况情即Hash撞碰问题，撞碰的率概越低HashTable的性能越好。当然Hash算法过太庞杂也会影响HashTable性能。

    

三、解理PHP的哈希表实现

    在PHP内核也一样实现了HashTable并泛广应用，括包线程安全、全局变量、资源管理等基本上全部的地方都能看到它的身影。
不仅如此，在PHP本脚中数组（PHP的数组本质就是HashTable）也是被泛广用使的，例如数组式形的配置文件、数据库的查询结果等，可以说是无处不在。
那么既然PHP的数组用使率这么高，部内是如何实现的？它如何处理hash撞碰及实现平均分布的？PHP本脚用使数组该应注意哪些？

    

首先通过图解，大致解理PHP HashTable的实现。

    面上通过源码来一步一步分析。

    

1）HashTable在PHP内核的实现

    PHP实现HashTable重要是通过两个数据构结Bucket(桶)和HashTable。
从PHP本脚端来看，HashTable相当于Array对象，而Bucket相当于Array对象里的某个素元。对于多维数组现实就是HashTable的某个Bucket里存储着另一个HashTable。

    

HashTable构结：

typedef struct _hashtable {
     uint nTableSize; //表长度，并非素元个数
     uint nTableMask;//表的码掩，一直等于nTableSize-1
     uint nNumOfElements;//存储的素元个数
     ulong nNextFreeElement;//向指下一个空的素元位置
     Bucket *pInternalPointer;//foreach循环时，用来录记当前遍历到的素元位置
     Bucket *pListHead;
     Bucket *pListTail;
     Bucket **arBuckets;//存储的素元数组
     dtor_func_t pDestructor;//析构函数
     zend_bool persistent;//否是久持保存。从这可以发明，PHP数组是可以实现久持保存在内存中的，而无需每次请求都从新加载。
     unsigned char nApplyCount;
     zend_bool bApplyProtection;
} HashTable;

Bucket构结：

typedef struct bucket {
     ulong h; //数组索引
     uint nKeyLength; //字符串索引的长度
     void *pData; //现实数据的存储地址
     void *pDataPtr; //引入的数据存储地址
     struct bucket *pListNext;
     struct bucket *pListLast;
     struct bucket *pNext; //单向表链的下一个素元的地址
     struct bucket *pLast;//单向表链的最后一个素元地址
     char arKey[1]; /* Must be last element */
} Bucket;

    

PHP内核哈希表的散列函数很简略，直接用使 （HashTable->nTableSize & HashTable->nTableMask）的结果作为散列函数的实现。这样做的的目可能也是为了下降Hash算法的庞杂度和高提性能。

    

    

1.1)在PHP中初始化一个空数组时，对应内核中是如何建创HashTable的

$array = new Array();

//省略了分部码代，提出重要的逻辑
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) {//数组的最大长度是十进制2147483648
          /* prevent overflow */
          ht->nTableSize = 0x80000000;
     } else {
          //数组的长度是向2的整次幂取圆整
          //例如数组的里有10个素元，那么现实被配分的HashTable长度是16。100个素元，则被配分128的长度
          //HashTable的小最长度是8，而非0。因为默许是将1向移右3位，1<<3=8
          while ((1U << i) < nSize) {
               i++;
          }
          ht->nTableSize = 1 << i;
     }

     ht->nTableMask = ht->nTableSize - 1;
     ....
    
     return SUCCESS;
}

从上看出，即使在PHP中初始化一个空数组或足不8个素元的数组，都会被建创8个长度的HashTable。一样建创100个素元的数组，也会被配分128长度的HashTable。顺次类推。

    

    

1.2）内对核PHP添加数字索引的处理方法

    PHP数组中，键名可为以数字或字符串类型。而在内核中只允许数字索引，对于字符串索引，内核采用了time33算法将字符串转换为整型。具体的实现面上会具体明说。

    $array[0] = "hello hashtable";

    每日一道理
闷热的天，蝉儿耐不住寂寞地不停在鸣叫，我孤单一人，寂静的身旁没有一个知音，想疯狂地听摇滚乐，听歇斯底里的歌声，那只为逃避无人的世界里那浓烈的孤单气息。一个人是清冷，两个人便是精彩，于是，莫名的冲动让我格外想念旧日的好友，怀念过去的日子，尽管不够现实的遐想追回不了曾经一切，但却希望思绪可以飞扬于闭上双目后的世界中，印有微笑，印有舞动的身姿，翩翩起舞……

//省略了分部码代，提出重要的逻辑
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;
     //省略了分部码代，提出重要的逻辑
     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;
}

上述也说了明，内核中哈希表的散列函数就是简略的h & ht->nTableMask，其中h代表PHP中置设的索引号，nTableMask等于哈希表配分的长度-1。

    

    

1.3) 内对核PHP中字符串索引的处理方法

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

与数字索引比相，只是多了一步将字符串转换为整型。用到的算法是time33
面上贴出了算法的实现，就是对字符串的每一个字符转换为ASCII码乘上33并且相加失掉的结果。

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
//面上省略了分部码代，提出重要的逻辑
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); //字符串转整型
     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;
}

2) 内核中如何实现平均分布和处理hash撞碰问题的

2.1) 平均分布
平均分布是指，将要需存储的各个素元平均的分布到HashTable中。
而责负算计具体分布到表中哪个位置的函数就是散列函数做的事件，所以散列函数的实现直接关系到平均分布的效率。
面上也提到了PHP内核中用了简略的方法实现：h & ht->nTableMask;

2.1)Hash撞碰

Hash撞碰是指，经过Hash算法后失掉的值会现出key1 != key2, 但Hash(key1)却等于Hash(key2)的况情，这就是撞碰问题。
在PHP内核来看，就是会现出key1 != key2, 但key1 & ht->nTableMask却等于 key2 & ht->nTableMask的况情。
PHP内核用使单向表链的方法来存储突冲的数据。即Bucket本身也是一个单向表链，当生发突冲时，会将数据按序顺向后排列。
如果不生发突冲，Bucket等于长度为1的的单向表链。

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];
     //找到素元时，并非当即返回，而是要再比对h与nKeyLength，止防hash撞碰。此段码代就是遍历表链,直到表链尾部。
     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;
}

以后，将会写一篇关于用利Hash算法，停止分布式存储的分析。

    原文地址：

    http://blog.csdn.net/a600423444/article/details/8850617

文章结束给大家分享下程序员的一些笑话语录： 看到有人回帖“不顶不是中国人”，他的本意是想让帖子沉了。