Umfassende Analyse der zugrunde liegenden Implementierungslogik von PHP-Arrays

Vorwort

Der PHP-Editor Banana analysiert umfassend die zugrunde liegende Implementierungslogik von PHP-Arrays. Das Array in PHP ist eine flexible und leistungsstarke Datenstruktur, die dahinter stehende Implementierungslogik ist jedoch recht komplex. In diesem Artikel befassen wir uns mit den zugrunde liegenden Prinzipien von PHP-Arrays, einschließlich der internen Struktur des Arrays, der Beziehung zwischen Indizes und Hash-Tabellen und der Implementierung der Add-, Lösch-, Änderungs- und Abfragevorgänge des Arrays. Durch das Verständnis der zugrunde liegenden Implementierungslogik von PHP-Arrays können Entwickler Arrays, eine wichtige Datenstruktur, besser verstehen und nutzen.

Array-Struktur

Wie sieht ein Array im PHP-Kernel aus? Aus dem Quellcode von PHP können wir die Struktur wie folgt erkennen:

<code>// 定义结构体别名为 HashTable
typedef struct _zend_array HashTable;

struct _zend_array {
	// <strong class="keylink">GC</strong> 保存引用计数，内存管理相关；本文不涉及
	zend_refcounted_h gc;
	// u 储存辅助信息；本文不涉及
	u<strong class="keylink">NIO</strong>n {
		struct {
			ZEND_ENDIAN_LOHI_4(
				zend_uchar    flags,
				zend_uchar    nApplyCount,
				zend_uchar    nIteratorsCount,
				zend_uchar    consistency)
		} v;
		uint32_t flags;
	} u;
	// 用于散列函数
	uint32_t          nTableMask;
	// arData 指向储存元素的数组第一个 Bucket，Bucket 为统一的数组元素类型
	Bucket           *arData;
	// 已使用 Bucket 数
	uint32_t          nNumUsed;
	// 数组内有效元素个数
	uint32_t          nNumOfElements;
	// 数组总容量
	uint32_t          nTableSize;
	// 内部指针，用于遍历
	uint32_t          nInternalPointer;
	// 下一个可用数字<strong class="keylink">索引</strong>
	zend_long         nNextFreeElement;
	// 析构函数
	dtor_func_t       pDestructor;
};</code>

• Der Unterschied zwischen nNumUsed und nNumOfElements: nNumUsed bezieht sich auf Es handelt sich um die Anzahl der Buckets, die im Array arData verwendet wurden, da das Array nach dem Löschen des Elements lediglich den Typ des entsprechenden Werts des Elements Bucket zu IS_UNDEF (da es Zeitverschwendung wäre, das Array jedes Mal zu verschieben und neu zu indizieren, wenn ein Element gelöscht wird), und nNumOfElements entspricht auf die tatsächliche Anzahl der Elemente im Array. nNumUsed 和 nNumOfElements 的区别：nNumUsed 指的是 arData 数组中已使用的 Bucket 数，因为数组在删除元素后只是将该元素 Bucket 对应值的类型设置为 IS_UNDEF（因为如果每次删除元素都要将数组移动并重新索引太浪费时间），而 nNumOfElements 对应的是数组中真正的元素个数。

• nTableSize 数组的容量，该值为 2 的幂次方。PHP 的数组是不定长度但 C 语言的数组定长的，为了实现 PHP 的不定长数组的功能，采用了「扩容」的机制，就是在每次插入元素的时候判断 nTableSize 是否足以储存。如果不足则重新申请 2 倍 nTableSize 大小的新数组，并将原数组复制过来（此时正是清除原数组中类型为 IS_UNDEF 元素的时机）并且重新索引。

• nNextFreeElement 保存下一个可用数字索引，例如在 PHP 中 $a[] = 1; 这种用法将插入一个索引为 nNextFreeElement 的元素，然后 nNextFreeElement  自增 1。

_zend_array 这个结构先讲到这里，有些结构体成员的作用在下文会解释，不用紧张O(∩_∩)O哈哈~。下面来看看作为数组成员的 Bucket 结构：

<code>typedef struct _Bucket {
	// 数组元素的值
	zval              val;
	// key 通过 Time 33 <strong class="keylink">算法</strong>计算得到的哈希值或数字索引
	zend_ulong        h;
	// 字符键名，数字索引则为 NULL
	zend_string      *key;
} Bucket;</code>

数组访问

我们知道 PHP 数组是基于哈希表实现的，而与一般哈希表不同的是 PHP 的数组还实现了元素的有序性，就是插入的元素从内存上来看是连续的而不是乱序的，为了实现这个有序性 PHP 采用了「映射表」技术。下面就通过图例说明我们是如何访问 PHP 数组的元素 :-D。

注意：因为键名到映射表下标经过了两次散列运算，为了区分本文用哈希特指第一次散列，散列即为第二次散列。

由图可知，映射表和数组元素在同一片连续的内存中，映射表是一个长度与存储元素相同的整型数组，它默认值为 -1 ，有效值为 Bucket 数组的下标。而 HashTable->arData 指向的是这片内存中 Bucket 数组的第一个元素。

举个例子 $a['key'] 访问数组 $a 中键名为 key 的成员，流程介绍：首先通过 Time 33 算法计算出 key 的哈希值，然后通过散列算法计算出该哈希值对应的映射表下标，因为映射表中保存的值就是 Bucket 数组中的下标值，所以就能获取到 Bucket 数组中对应的元素。

现在我们来聊一下散列算法，就是通过键名的哈希值映射到「映射表」的下标的算法。其实很简单就一行代码：

<code>nIndex = h | ht->nTableMask;</code>

将哈希值和 nTableMask 进行或运算即可得出映射表的下标，其中 nTableMask 数值为 nTableSize 的负数。并且由于  nTableSize 的值为 2 的幂次方，所以 h | ht->nTableMask 的取值范围在 [-nTableSize, -1]nTableSize Die Kapazität des Arrays, dieser Wert ist eine Potenz von 2. Die Arrays von PHP haben eine variable Länge, die Arrays der C-Sprache jedoch eine feste Länge. Um die Funktion der Arrays mit variabler Länge von PHP zu realisieren, wird ein „Erweiterungs“-Mechanismus übernommen, der darin besteht, nTableSize jeweils zu bestimmen Zeit, in der ein Element eingefügt wird. Wenn dies nicht ausreicht, beantragen Sie erneut ein neues Array mit der doppelten Größe von nTableSize und kopieren Sie das ursprüngliche Array (dies ist der Zeitpunkt, um die Elemente vom Typ IS_UNDEF zu löschen). das ursprüngliche Array) und Reindex.

nNextFreeElement speichert den nächsten verfügbaren numerischen Index, zum Beispiel in PHP $a[] = 1; Diese Verwendung fügt einen Index als ein nNextFreeElement-Element, dann wird nNextFreeElement um 1 erhöht.

_zend_array Diese Struktur wird hier zuerst besprochen. Die Funktionen einiger Strukturmitglieder werden unten erklärt, also seien Sie nicht nervös O(∩_∩)O haha~. Werfen wir einen Blick auf die Bucket-Struktur als Array-Mitglied:

<code>static zend_always_inline zval *_zend_hash_add_or_update_i(HashTable *ht, zend_string *key, zval *pData, uint32_t flag ZEND_FILE_LINE_DC)
{
	zend_ulong h;
	uint32_t nIndex;
	uint32_t idx;
	Bucket *p;

	IS_CONSISTENT(ht);
	HT_ASSERT_RC1(ht);
	if (UNEXPECTED(!(ht->u.flags & HASH_FLAG_INITIALIZED))) { // 数组未初始化
		// 初始化数组
		CHECK_INIT(ht, 0);
		// 跳转至插入元素段
		goto add_to_hash;
	} else if (ht->u.flags & HASH_FLAG_PACKED) { // 数组为连续数字索引数组
		// 转换为关联数组
		zend_hash_packed_to_hash(ht);
	} else if ((flag & HASH_ADD_NEW) == 0) { // 添加新元素
		// 查找键名对应的元素
		p = zend_hash_find_bucket(ht, key);

		if (p) { // 若相同键名元素存在
			zval *data;
			
			if (flag & HASH_ADD) { // 指定 add 操作
				if (!(flag & HASH_UPDATE_INDIRECT)) { // 若不允许更新间接类型变量则直接返回
					return NULL;
				}
				// 确定当前值和新值不同
				ZEND_ASSERT(&p->val != pData);
				// data 指向原数组成员值
				data = &p->val;
				if (Z_TYPE_P(data) == IS_INDIRECT) { // 原数组元素变量类型为间接类型
 					// 取间接变量对应的变量
					data = Z_INDIRECT_P(data);
					if (Z_TYPE_P(data) != IS_UNDEF) { // 该对应变量存在则直接返回
						return NULL;
					}
				} else { // 非间接类型直接返回
					return NULL;
				}
			
			} else { // 没有指定 add 操作
				// 确定当前值和新值不同
				ZEND_ASSERT(&p->val != pData);
				// data 指向原数组元素值
				data = &p->val;
				// 允许更新间接类型变量则 data 指向对应的变量
				if ((flag & HASH_UPDATE_INDIRECT) && Z_TYPE_P(data) == IS_INDIRECT) {
					data = Z_INDIRECT_P(data);
				}
			}
			if (ht->pDestructor) { // 析构函数存在
				// 执行析构函数
				ht->pDestructor(data);
			}
			// 将 pData 的值复制给 data
			ZVAL_COPY_VALUE(data, pData);
			return data;
		}
	}
	// 如果哈希表已满，则进行扩容
	ZEND_HASH_IF_FULL_DO_RESIZE(ht);

add_to_hash:
	// 数组已使用 Bucket 数 +1
	idx = ht->nNumUsed++;
	// 数组有效元素数目 +1
	ht->nNumOfElements++;
	// 若内部指针无效则指向当前下标
	if (ht->nInternalPointer == HT_INVALID_IDX) {
		ht->nInternalPointer = idx;
	}
    
	zend_hash_iterators_update(ht, HT_INVALID_IDX, idx);
	// p 为新元素对应的 Bucket
	p = ht->arData + idx;
	// 设置键名
	p->key = key;
	if (!ZSTR_IS_INTERNED(key)) {
		zend_string_addref(key);
		ht->u.flags &= ~HASH_FLAG_STATIC_KEYS;
		zend_string_hash_val(key);
	}
	// 计算键名的哈希值并赋值给 p
	p->h = h = ZSTR_H(key);
	// 将 pData 赋值该 Bucket 的 val
	ZVAL_COPY_VALUE(&p->val, pData);
	// 计算映射表下标
	nIndex = h | ht->nTableMask;
	// 解决冲突，将原映射表中的内容赋值给新元素变量值的 u2.next 成员
	Z_NEXT(p->val) = HT_HASH(ht, nIndex);
	// 将映射表中的值设为 idx
	HT_HASH(ht, nIndex) = HT_IDX_TO_HASH(idx);

	return &p->val;
}</code>

Array-Zugriff🎜Wir wissen, dass PHP-Arrays basierend auf Hash-Tabellen implementiert werden, und was sich von allgemeinen Hash-Tabellen unterscheidet, ist PHP Arrays auch Die Ordnung der Elemente wird erreicht, das heißt, die eingefügten Elemente sind kontinuierlich und nicht aus der Sicht des Speichers. Um diese Ordnung zu erreichen, verwendet PHP die „Mapping-Table“-Technologie. Nachfolgend finden Sie eine Abbildung zur Veranschaulichung, wie wir auf die Elemente des PHP-Arrays zugreifen :-D. 🎜🎜🎜🎜Hinweis: Da der Schlüsselname für den Index der Zuordnungstabelle zweimal gehasht wurde, bezieht sich der Hash zur Unterscheidung dieses Artikels auf den ersten Hash und der Hash ist der zweite Hash. 🎜🎜🎜Wie aus der Abbildung ersichtlich ist, befinden sich die Zuordnungstabelle und die Array-Elemente im selben kontinuierlichen Speicher. Die Zuordnungstabelle ist ein ganzzahliges Array mit der gleichen Länge wie die Speicherelemente. Der Standardwert ist -1 ist Bucket code> Der Index des Arrays. Und HashTable->arData zeigt auf das erste Element des Bucket-Arrays in diesem Speicher. 🎜🎜Zum Beispiel greift $a['key'] auf das Mitglied zu, dessen Schlüsselname key im Array $a ist eingeführt: erster Durchgang Der Time 33-Algorithmus berechnet den Hash-Wert von key und berechnet dann mithilfe des Hash-Algorithmus den Index der Zuordnungstabelle, der dem Hash-Wert entspricht, da der in der Zuordnungstabelle gespeicherte Wert Bucket Der tiefgestellte Wert im Code>-Array, damit das entsprechende Element im Bucket-Array abgerufen werden kann. 🎜🎜Lassen Sie uns nun über den Hashing-Algorithmus sprechen, der den Hash-Wert des Schlüsselnamens dem Index der „Mapping-Tabelle“ zuordnet. Tatsächlich ist es sehr einfach, nur eine Codezeile: 🎜rrreee🎜Oder der Hash-Wert und nTableMask, um den Index der Zuordnungstabelle zu erhalten, wobei der Wert von nTableMaskist > ist Negative Zahl von nTableSize. Und da der Wert von nTableSize eine Potenz von 2 ist, liegt der Wertebereich von h | ht->nTableMask innerhalb von [-nTableSize, -1], genau innerhalb des tiefgestellten Bereichs der Zuordnungstabelle. Warum nicht eine einfache „Rest“-Operation verwenden, sondern sich die Mühe machen, eine „bitweise ODER“-Operation zu verwenden? Da die „bitweise ODER“-Operation viel schneller ist als die „Rest“-Operation, denke ich, dass sich für diese häufig verwendete Operation die Zeitoptimierung durch eine komplexere Implementierung lohnt. 🎜🎜Hash-Konflikt🎜🎜Die durch Hashing der Hash-Werte verschiedener Schlüsselnamen berechneten Indizes der „Zuordnungstabelle“ können gleich sein, und es tritt ein Hash-Konflikt auf. Für diese Situation verwendet PHP die „Kettenadressmethode“, um das Problem zu lösen. Die folgende Abbildung zeigt die Situation beim Zugriff auf Elemente mit Hash-Kollision: 🎜🎜🎜🎜<p>这看似与第一张图差不多，但我们同样访问 <code>$a['key'] 的过程多了一些步骤。首先通过散列运算得出映射表下标为 -2 ，然后访问映射表发现其内容指向 arData 数组下标为 1 的元素。此时我们将该元素的 key 和要访问的键名相比较，发现两者并不相等，则该元素并非我们所想访问的元素，而元素的 val.u2.next 保存的值正是下一个具有相同散列值的元素对应 arData 数组的下标，所以我们可以不断通过 next 的值遍历直到找到键名相同的元素或查找失败。

插入元素

插入元素的函数 _zend_hash_add_or_update_i ，基于 PHP 7.2.9 的代码如下：

<code>static zend_always_inline zval *_zend_hash_add_or_update_i(HashTable *ht, zend_string *key, zval *pData, uint32_t flag ZEND_FILE_LINE_DC)
{
	zend_ulong h;
	uint32_t nIndex;
	uint32_t idx;
	Bucket *p;

	IS_CONSISTENT(ht);
	HT_ASSERT_RC1(ht);
	if (UNEXPECTED(!(ht->u.flags & HASH_FLAG_INITIALIZED))) { // 数组未初始化
		// 初始化数组
		CHECK_INIT(ht, 0);
		// 跳转至插入元素段
		goto add_to_hash;
	} else if (ht->u.flags & HASH_FLAG_PACKED) { // 数组为连续数字索引数组
		// 转换为关联数组
		zend_hash_packed_to_hash(ht);
	} else if ((flag & HASH_ADD_NEW) == 0) { // 添加新元素
		// 查找键名对应的元素
		p = zend_hash_find_bucket(ht, key);

		if (p) { // 若相同键名元素存在
			zval *data;
			
			if (flag & HASH_ADD) { // 指定 add 操作
				if (!(flag & HASH_UPDATE_INDIRECT)) { // 若不允许更新间接类型变量则直接返回
					return NULL;
				}
				// 确定当前值和新值不同
				ZEND_ASSERT(&p->val != pData);
				// data 指向原数组成员值
				data = &p->val;
				if (Z_TYPE_P(data) == IS_INDIRECT) { // 原数组元素变量类型为间接类型
 					// 取间接变量对应的变量
					data = Z_INDIRECT_P(data);
					if (Z_TYPE_P(data) != IS_UNDEF) { // 该对应变量存在则直接返回
						return NULL;
					}
				} else { // 非间接类型直接返回
					return NULL;
				}
			
			} else { // 没有指定 add 操作
				// 确定当前值和新值不同
				ZEND_ASSERT(&p->val != pData);
				// data 指向原数组元素值
				data = &p->val;
				// 允许更新间接类型变量则 data 指向对应的变量
				if ((flag & HASH_UPDATE_INDIRECT) && Z_TYPE_P(data) == IS_INDIRECT) {
					data = Z_INDIRECT_P(data);
				}
			}
			if (ht->pDestructor) { // 析构函数存在
				// 执行析构函数
				ht->pDestructor(data);
			}
			// 将 pData 的值复制给 data
			ZVAL_COPY_VALUE(data, pData);
			return data;
		}
	}
	// 如果哈希表已满，则进行扩容
	ZEND_HASH_IF_FULL_DO_RESIZE(ht);

add_to_hash:
	// 数组已使用 Bucket 数 +1
	idx = ht->nNumUsed++;
	// 数组有效元素数目 +1
	ht->nNumOfElements++;
	// 若内部指针无效则指向当前下标
	if (ht->nInternalPointer == HT_INVALID_IDX) {
		ht->nInternalPointer = idx;
	}
    
	zend_hash_iterators_update(ht, HT_INVALID_IDX, idx);
	// p 为新元素对应的 Bucket
	p = ht->arData + idx;
	// 设置键名
	p->key = key;
	if (!ZSTR_IS_INTERNED(key)) {
		zend_string_addref(key);
		ht->u.flags &= ~HASH_FLAG_STATIC_KEYS;
		zend_string_hash_val(key);
	}
	// 计算键名的哈希值并赋值给 p
	p->h = h = ZSTR_H(key);
	// 将 pData 赋值该 Bucket 的 val
	ZVAL_COPY_VALUE(&p->val, pData);
	// 计算映射表下标
	nIndex = h | ht->nTableMask;
	// 解决冲突，将原映射表中的内容赋值给新元素变量值的 u2.next 成员
	Z_NEXT(p->val) = HT_HASH(ht, nIndex);
	// 将映射表中的值设为 idx
	HT_HASH(ht, nIndex) = HT_IDX_TO_HASH(idx);

	return &p->val;
}</code>

 扩容

前面将数组结构的时候我们有提到扩容，而在插入元素的代码里有这样一个宏 ZEND_HASH_IF_FULL_DO_RESIZE，这个宏其实就是调用了 zend_hash_do_resize 函数，对数组进行扩容并重新索引。注意：并非每次 Bucket 数组满了都需要扩容，如果 Bucket 数组中 IS_UNDEF 元素的数量占较大比例，就直接将 IS_UNDEF 元素删除并重新索引，以此节省内存。下面我们看看 zend_hash_do_resize 函数：

重新索引的逻辑在 zend_hash_rehash 函数中，代码如下：

 总结

嗯哼，本文就到此结束了，因为自身水平原因不能解释的十分详尽清楚。这算是我写过最难写的内容了，写完之后似乎觉得这篇文章就我自己能看明白/(ㄒoㄒ)/~~因为文笔太辣鸡。想起一句话「如果你不能简单地解释一样东西，说明你没真正理解它。」PHP 的源码里有很多细节和实现我都不算熟悉，这篇文章只是一个我的 PHP 底层学习的开篇，希望以后能够写出真正深入浅出的好文章。

Das obige ist der detaillierte Inhalt vonUmfassende Analyse der zugrunde liegenden Implementierungslogik von PHP-Arrays. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!