Home >Backend Development >PHP Tutorial >PHP内核探索之变量(三)- hash table
PHP内核探索之变量(3)- hash table
在PHP中,除了zval, 另一个比较重要的数据结构非hash table莫属,例如我们最常见的数组,在底层便是hash table。除了数组,在线程安全(TSRM)、GC、资源管理、Global变量、ini配置管理中,几乎都有Hash table的踪迹(上一次我们也提到,符号表也是使用Hash table实现的)。那么,在PHP中,这种数据有什么特殊之处,结构是怎么实现的? 带着这些问题,我们开始本次的内核探索之旅。
本文主要内容:
1. 基本定义
Hash table,又叫哈希表,散列表,Hash表,维基百科上对哈希表的定义是:"散列表,是根据关键字(Key value)而直接访问在内存存储位置的数据结构。也就是说,它通过把键值通过一个函数的计算,映射到表中一个位置来访问记录,这加快了查找速度。这个映射函数称做散列函数,存放记录的数组称做散列表。”。提取文中的主干,我们可以得出如下信息:
(1).Hash table是一种数据结构。
(2).这种数据结构是普通数组的扩展。
(3).这种数据结构通过key->value的映射关系,使得插入和查找的效率很高(数组可以直接寻址,可在O(1)的时间内访问任意元素)。
我们知道,在一般的数组、线性表、树中,记录在结构中的位置是相对随机的,即记录和关键字之间不存在直接的、确定的对应关系。在这些结构中,要查找和插入关键字,常常需要进行一系列的比较,查找的效率通常是O(n)或者O(lgn)的。而Hash table通过Hash函数建立了关键字和记录之间的对应关系,使得普通的查找和插入操作可以在O(1)(平均时间复杂度)的时间内完成,这显然是最理想的查找方式。
2. Hash函数
如上所述,Hash函数建立了关键字和记录之间的对应关系,即:Record = Hash(key) , 这种对应关系如下所示:
理论上,哈希函数可以是任何函数如Crc32, unique_id,MD5,SHA1或者用户自定义的函数。这个函数的好坏直接关系到Hash table的性能(考虑冲突和查找的性能)。这里列举了几个常见的Hash函数和对应的实现,有兴趣的童鞋可以看看。一个典型的字符串Hash算法如下:
function hash( $key ){ $result = 0; $len = strlen($key); for($i = 0;$i < $len; $i++ ){ $result += ord($key{$i}) * ((1 << 5) + 1); } return $result;}
3.冲突解决
在理想的情况下,我们期望任何关键字计算出的Hash值都是唯一的,这样我们便可以通过Hash(key)这种方式直接定位到要查找的记录。但不幸的,几乎没有一个Hash函数可以满足这样的特性(即使有这样的Hash函数,也可能很复杂,无法在实际中使用)。也就是说,即使是精心设计的Hash函数,也经常会出现key1 != key2 但是hash(key1) = hash(key2)的情况,这便是Hash冲突(Hash碰撞)。解决Hash碰撞的主要方法有多种(见这里),作为示例,我们只简单讨论下链接法解决冲突。这种方法的基本思想是:在哈希表出现冲突时,使用链表的形式链接所有具有相同hash值的记录,而哈希表中只保存链表的头指针。PHP底层的Hash table,便是使用链表(双向链表)来解决hash冲突的。关于这一点,后续会有详细的介绍。
引入链表之后,Hash table的结构如下所示:
一个简单的Hash table的实现如下:
Class HashTable{ private $buckets = null; /* current size */ private $size = 0; /* max hashtable size */ private $max = 2048; private $mask = 0; public function __construct($size){ $this->_init_hash($size); } /* hashtable init */ private function _init_hash($size){ if($size > $this->max){ $size = $this->max; } $this->size = $size; $this->mask = $this->size - 1; // SplFixedArray is faster when the size is known // see http://php.net/manual/en/class.splfixedarray.php $this->buckets = new SplFixedArray($this->size); } public function hash( $key ){ $result = 0; $len = strlen($key); for($i = 0;$i < $len; $i++ ){ $result += ord($key{$i}) * ((1 << 5) + 1); } return $result % ($this->size); } /* 拉链法 */ public function insert( $key, $val ){ $h = $this->hash($key); if(!isset($this->buckets[$h])){ $next = NULL; }else{ $next = $this->bucket[$h]; } $this->buckets[$h] = new Node($key, $val, $next); } /* 拉链法 */ public function lookup( $key ){ $h = $this->hash($key); $cur = $this->buckets[$h]; while($cur !== NULL){ if( $cur->key == $key){ return $cur->value; } $cur = $cur->next; } return NULL; }}Class Node{ public $key; public $value; public $next = null; public function __construct($key, $value, $next = null){ $this->key = $key; $this->value = $value; $this->next = $next; }}$hash = new HashTable(200);$hash->insert('apple','this is apple');$hash->insert('orange','this is orange');$hash->insert('banana','this is banana');echo $hash->lookup('apple');
我们知道,在PHP中,数组支持k->v这样的关联数组,也支持普通的数组。不仅支持直接寻址(根据关键字直接定位),而且支持线性遍历(foreach等)。这都要归功于Hash table这一强大和灵活的数据结构。那么,在PHP底层,Hash table究竟是如何实现的呢?我们一步步来看。
1. 基本数据结构
在PHP底层,与Hash table相关的结构定义、算法实现都位于Zend/zend_hash.c和Zend/zend_hash.h这两个文件中。PHP 的hash table实现包括两个重要的数据结构,一个是HashTable,另一个是bucket.前者是hash table的主体,后者则是构成链表的每个“结点”,是真正数据存储的容器。
(1) HashTable的基本结构
定义如下(zend_hash.h):
<span style="color: #000000;">typedef struct _hashtable { uint nTableSize; uint nTableMask; uint nNumOfElements; ulong nNextFreeElement; Bucket </span>*pInternalPointer; <span style="color: #008000;">/*</span><span style="color: #008000;"> Used for element traversal </span><span style="color: #008000;">*/</span><span style="color: #000000;"> Bucket </span>*<span style="color: #000000;">pListHead; Bucket </span>*<span style="color: #000000;">pListTail; Bucket </span>**<span style="color: #000000;">arBuckets; dtor_func_t pDestructor; zend_bool persistent; unsigned char nApplyCount; zend_bool bApplyProtection;</span><span style="color: #008000;">#</span><span style="color: #008000;">if ZEND_DEBUG</span><span style="color: #000000;"> int inconsistent;</span><span style="color: #008000;">#</span><span style="color: #008000;">endif</span>} HashTable;
这是一个结构体,其中比较重要的几个成员:
nTableSize 这个成员用于标明Hash表的大小,在hash表初始化操作的时候,会设定nTableSize的大小,而在hash表扩容的时候,也会相应调整这个数值的大小。注意这个数值并不是hash表中元素的个数。
nTableMask 是一个“掩码”,主要用于快速计算一个元素的索引(nIndex = h & ht->nTableMask,在一般的Hash函数中,是通过模运算来确定索引的,但显然,位运算比模运算效率要高),在arBuckets初始化之后,该值默认固定为nTableSize – 1;
nNumOfElements 这个成员保存了hashtable中保存的元素的个数,通常情况下,我们在PHP脚本中使用count($arr)与这个结果是一致的(参见ext/standard/array.c)
nNextFreeElement 这个字段记录下一个可用的索引位置,我们在脚本中使用$array[] = 'key'的时候,就是使用nNextFreeElement给出的索引值(zend_hash.c):
<span style="color: #0000ff;">if</span> (flag &<span style="color: #000000;"> HASH_NEXT_INSERT) { h </span>= ht-><span style="color: #000000;">nNextFreeElement;}</span>
pInternalPointer 这是一个指针。在PHP脚本中,我们使用current,next,key,end等 与数组相关的操作时,都是使用pInternalPointer这一指针来完成的。
pListHead 和pListTail PHP底层实际上维护了两个重要的数据结构,除了hash表(以及用于解决冲突的双链表),还有一个双向链表用于hash表元素的线性扫描。pListHead和pListTail便指向这个双链表的表头和表尾。
arBuckets 这是一个bucket *类型的数组,数组中每个元素都是一个bucket* 的指针,具有相同hash值的元素通过bucket的pNext和pLast指针连接成一个双链表(这个双链表与前面说的用于线性遍历的双链表并不是一个东西)。因此,bucket是实际存储数据的容器。
nApplyCount和bApplyProtection 提供了一种保护机制,主要是用于防止循环引用导致的无限递归。
persistent 这是一个布尔变量,该变量会影响到内存分配的方式,这涉及到PHP内存管理的一些知识,我们暂时不做更多解释,详细的可以参考:
http://cn2.php.net/manual/en/internals2.memory.persistence.php
(2)另一个数据结构是Bucket
该结构的定义为:
<span style="color: #000000;">typedef struct bucket { ulong h; uint nKeyLength; void </span>*<span style="color: #000000;">pData; void </span>*<span style="color: #000000;">pDataPtr; struct bucket </span>*<span style="color: #000000;">pListNext; struct bucket </span>*<span style="color: #000000;">pListLast; struct bucket </span>*<span style="color: #000000;">pNext; struct bucket </span>*<span style="color: #000000;">pLast; </span><span style="color: #0000ff;">const</span> char *<span style="color: #000000;">arKey;} Bucket;</span>
其中:
h ,arKey,nKeyLength PHP数组中,有两类不同的索引,一类是数字索引,这与C中的数组非常类似(如$arr = array(1=>'cont')), 另一类是字符串索引,也就是使用关键词作为数组项的索引(如$arr = array('index'=>'cont');).这两类索引在PHP底层是通过不同的机制来区分的:对于数字型索引,直接使用h作为hash值,同时,arKey=NULL 且nKeyLength=0, 而对于字符串索引,arKey保存字符串key, nKeyLength保存该key的长度,h则是该字符串通过hash函数计算后的hash值。这样,在PHP中,实际上通过h, arKey, nKeyLength来唯一确定数组中的一个元素的,这从zend_hash_key这个结构体的定义也可以看出来:
<span style="color: #000000;">typedef struct _zend_hash_key { </span><span style="color: #0000ff;">const</span> char *<span style="color: #000000;">arKey; uint nKeyLength; ulong h;} zend_hash_key;</span>
而确定数组元素在hashtable中的位置则是通过h & ht->nTableMask 来实现的:
/* 字符串型索引 */h = zend_inline_hash_func(arKey, nKeyLength);nIndex = h & ht->nTableMask; /* 数字型索引-append $arr[] = 'test';这种形式 */if (flag & HASH_NEXT_INSERT) { h = ht->nNextFreeElement;}/* 指定数字索引时直接使用h */nIndex = h & ht->nTableMask;
pData和pDataPtr 通常情况下,Bucket中的数据是保存在pData指针指向的内存空间的。但是也有例外,例如保存的是一个指针。这时,pDataPtr指向该指针,而pData指向pDataPtr。这从INIT_DATA这个宏定义可以看出来:
#define INIT_DATA(ht, p, pData, nDataSize); \ if (nDataSize == sizeof(void*)) { \ memcpy(&(p)->pDataPtr, pData, sizeof(void *)); \ (p)->pData=&(p)->pDataPtr; \ }else{ \ (p)->pData = (void *) pemalloc_rel(nDataSize, (ht)->persistent);\ if(!(p)->pData){ \ pefree_rel(p, (ht)->persistent); \ return FAILURE; \ } \ memcpy((p)->pData,pData,nDataSize); \ (p)->pDataPtr=NULL; \ }
pListNext和pListLast,pNext和pLast 前面已经介绍过,pListNext和pListLast构成了用于遍历的整个双链表。而pNext和pLast则是在出现hash冲突时,用于链接具有相同hash值的Bucket。这两种双链表的结构分别如下图所示:
a. 发生hash冲突时的双链表:
b. 用于全局的双链表:
需要注意的是,这两种双链表结构并不是单独存在,而是相互关联的。在HashTable的相关操作中,需要同时维护这两种链表:
可以看出,PHP的hashTable相当复杂,正是这种复杂性,使得PHP的数组操作有很大的灵活性(PHP中数组可以用作数组、栈、队列,可以说非常便利)
1. HashTable相关宏定义
为了方便操作HashTable, PHP底层定义了很多的宏,这些宏包括:
(1). CONNECT_TO_BUCKET_DLLIST(element, list_head)
该宏用于把元素插入Bucket的双链表的头部,也就是说,在发生冲突时,新插入的元素总是位于Bucket链表的头部。该宏的定义为:
<span style="color: #0000ff;">#define</span> CONNECT_TO_BUCKET_DLLIST(element, list_head) \<span style="color: #000000;"> (element)</span>->pNext =<span style="color: #000000;"> (list_head); \ (element)</span>->pLast =<span style="color: #000000;"> NULL; \ </span><span style="color: #0000ff;">if</span> ((element)-><span style="color: #000000;">pNext) { \ (element)</span>->pNext->pLast =<span style="color: #000000;"> (element); \ }</span>
(2). CONNECT_TO_GLOBAL_DLLIST(element, ht)
与上述不同,这个是将元素插入到全局遍历的双链表的末尾,这个双链表类似队列的作用,它保证了我们遍历数组时的正确顺序。该宏的定义是:
<span style="color: #008080;"> 1</span> <span style="color: #0000ff;">#define</span> CONNECT_TO_GLOBAL_DLLIST(element, ht) \<span style="color: #008080;"> 2</span> (element)->pListLast = (ht)-><span style="color: #000000;">pListTail; \</span><span style="color: #008080;"> 3</span> (ht)->pListTail =<span style="color: #000000;"> (element); \</span><span style="color: #008080;"> 4</span> (element)->pListNext =<span style="color: #000000;"> NULL; \</span><span style="color: #008080;"> 5</span> <span style="color: #0000ff;">if</span> ((element)->pListLast !=<span style="color: #000000;"> NULL) { \</span><span style="color: #008080;"> 6</span> (element)->pListLast->pListNext =<span style="color: #000000;"> (element); \</span><span style="color: #008080;"> 7</span> <span style="color: #000000;"> } \</span><span style="color: #008080;"> 8</span> <span style="color: #008080;"> 9</span> <span style="color: #0000ff;">if</span> (!(ht)-><span style="color: #000000;">pListHead) { \</span><span style="color: #008080;">10</span> (ht)->pListHead =<span style="color: #000000;"> (element); \</span><span style="color: #008080;">11</span> <span style="color: #000000;"> } \</span><span style="color: #008080;">12</span> <span style="color: #008080;">13</span> <span style="color: #0000ff;">if</span> ((ht)->pInternalPointer ==<span style="color: #000000;"> NULL) { \</span><span style="color: #008080;">14</span> (ht)->pInternalPointer =<span style="color: #000000;"> (element); \</span><span style="color: #008080;">15</span> }
(3). HASH_PROTECT_RECURSION(ht)
这个宏主要用于防止HashTable被递归遍历时深度过大,是一种保护机制
<span style="color: #0000ff;">#define</span> HASH_PROTECT_RECURSION(ht) \ <span style="color: #0000ff;">if</span> ((ht)-><span style="color: #000000;">bApplyProtection) { \ </span><span style="color: #0000ff;">if</span> ((ht)->nApplyCount++ >= <span style="color: #800080;">3</span><span style="color: #000000;">) { \ zend_error(E_ERROR, </span><span style="color: #800000;">"</span><span style="color: #800000;">Nesting level too deep - recursive dependency?</span><span style="color: #800000;">"</span><span style="color: #000000;">);\ } \ }</span>
(4). ZEND_HASH_IF_FULL_DO_RESIZE(ht)
HashTable的大小并不是固定不变的,当nNumOfElements > nTableSize时,会对HashTable进行扩容,以便于容纳更多的元素,这便是通过该宏实现的(实际上是调用zend_hash_do_resize来实现的)。该宏定义为:
<span style="color: #0000ff;">#define</span> ZEND_HASH_IF_FULL_DO_RESIZE(ht) \ <span style="color: #0000ff;">if</span> ((ht)->nNumOfElements > (ht)-><span style="color: #000000;">nTableSize) { \ zend_hash_do_resize(ht); \ }</span>
(5). INIT_DATA(ht, p, pData, nDataSize)
这里实际上有两种情况,如果要保存的数据本身是一个指针,则pDataPtr保存该指针,并且将pData指向pDataPtr的地址:
if (nDataSize == sizeof(void*)) { memcpy(&(p)->pDataPtr, pData, sizeof(void *)); (p)->pData = &(p)->pDataPtr;}
否者保存的是普通的数据,则申请分配nDataSize字节的内存,并将pData指向内存的内容复制到p->pData的内存。这里,复制都是通过memcpy来进行的,因为它的src和dest的指针都是void *的,因此可以复制几乎任何类型的数据:
else { (p)->pData = (void *) pemalloc_rel(nDataSize, (ht)->persistent); if (!(p)->pData) { pefree_rel(p, (ht)->persistent); return FAILURE; } memcpy((p)->pData, pData, nDataSize); (p)->pDataPtr=NULL;}
整个宏定义为:
<span style="color: #0000ff;">#define</span> UPDATE_DATA(ht, p, pData, nDataSize) \ <span style="color: #0000ff;">if</span> (nDataSize == <span style="color: #0000ff;">sizeof</span>(<span style="color: #0000ff;">void</span>*<span style="color: #000000;">)) { \ </span><span style="color: #0000ff;">if</span> ((p)->pData != &(p)-><span style="color: #000000;">pDataPtr) { \ pefree_rel((p)</span>->pData, (ht)-><span style="color: #000000;">persistent); \ } \ memcpy(</span>&(p)->pDataPtr, pData, <span style="color: #0000ff;">sizeof</span>(<span style="color: #0000ff;">void</span> *<span style="color: #000000;">)); \ (p)</span>->pData = &(p)-><span style="color: #000000;">pDataPtr; \ } </span><span style="color: #0000ff;">else</span><span style="color: #000000;"> { \ </span><span style="color: #0000ff;">if</span> ((p)->pData == &(p)-><span style="color: #000000;">pDataPtr) { \ (p)</span>->pData = (<span style="color: #0000ff;">void</span> *) pemalloc_rel(nDataSize, (ht)-><span style="color: #000000;">persistent); \ (p)</span>->pDataPtr=<span style="color: #000000;">NULL; \ } </span><span style="color: #0000ff;">else</span><span style="color: #000000;"> { \ (p)</span>->pData = (<span style="color: #0000ff;">void</span> *) perealloc_rel((p)->pData, nDataSize, (ht)-><span style="color: #000000;">persistent);\ </span><span style="color: #008000;">/*</span><span style="color: #008000;"> (p)->pDataPtr is already NULL so no need to initialize it </span><span style="color: #008000;">*/</span><span style="color: #000000;"> \ } \ memcpy((p)</span>-><span style="color: #000000;">pData, pData, nDataSize); \ }</span>
(6). UPDATE_DATA(ht, p, pData, nDataSize)
与INIT_DATA类似,不同的是,需要对之前的内存块做更多的处理(例如之前pData保存的实际的数据,但是update之后保存的是指针,则需要释放原来申请的内存,否者就会造成内存泄露,相反,如果之前保存的是指针数据,update之后保存的是普通的数据,则pDataPtr要设置为NULL,同时为pData分配新的内存空间),该宏的定义为:
#define UPDATE_DATA(ht, p, pData, nDataSize) \ if (nDataSize == sizeof(void*)) { \ if ((p)->pData != &(p)->pDataPtr) { \ pefree_rel((p)->pData, (ht)->persistent); \ } \ memcpy(&(p)->pDataPtr, pData, sizeof(void *)); \ (p)->pData = &(p)->pDataPtr; \ } else { \ if ((p)->pData == &(p)->pDataPtr) { \ (p)->pData = (void *) pemalloc_rel(nDataSize, (ht)->persistent); \ (p)->pDataPtr=NULL; \ } else { \ (p)->pData = (void *) perealloc_rel((p)->pData, nDataSize, (ht)->persistent); \ /* (p)->pDataPtr is already NULL so no need to initialize it */ \ } \ memcpy((p)->pData, pData, nDataSize); \ }
(7). CHECK_INIT(ht)
在调用_zend_hash_init()为hash table初始化之后,实际上arBuckets并没有分配内存空间,且没有设置nTableMask的值。CHECK_INIT会检查arBuckets是否已经初始化(nTableMask==0表示未初始化),如果没有初始化,则要为arBuckets分配内存空间,同时设置nTableMask的值为nTableSize – 1.该宏定义为:
<span style="color: #0000ff;">#define</span> CHECK_INIT(ht) do { \ <span style="color: #0000ff;">if</span> (UNEXPECTED((ht)->nTableMask == <span style="color: #800080;">0</span><span style="color: #000000;">)) { \ (ht)</span>->arBuckets = (Bucket **) pecalloc((ht)->nTableSize, <span style="color: #0000ff;">sizeof</span>(Bucket *), (ht)-><span style="color: #000000;">persistent); \ (ht)</span>->nTableMask = (ht)->nTableSize - <span style="color: #800080;">1</span><span style="color: #000000;">; \ } \} </span><span style="color: #0000ff;">while</span> (<span style="color: #800080;">0</span>)
2. 哈希函数
写这篇文章的时候,发现鸟哥已经写了一篇《PHP中的hash算法》,里边对hash的算法、思想等都做了比较详细的解答,这里就不在做过多的解释,只说一点:unrolled。unrolled本身是展开的意思,对于nKeyLength长度的key, PHP的hash算法会以8为单位做unrolled,也就是这样的形式:
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++;}
那为什么不直接用循环呢?
比如说:
for(;nKeyLength > 0; nKeyLength--){ hash = ((hash << 5) + hash) + *arKey++;}
这样其实是没有问题的,而unroll的原因自然是效率更高:对CPU而言,一般顺序执行的指令比循环要快(后者在汇编指令中表现为JMP, JNZ等跳转,以及循环之前的比较)。同时,对于8位以下的字符串索引,会有更好的效率。
顺便贴出hash函数的实现源码:
/* * 1. inline static 是为了提高效率 * 2. const限定arKey, 表明在函数中arKey的内容不应该不修改 */static inline ulong zend_inline_hash_func(const char *arKey, uint nKeyLength){ /* 3.register变量,也是为了提高效率 */ register ulong hash = 5381; /* 4. 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;EMPTY_SWITCH_DEFAULT_CASE() } /* 5. 返回的hash值并没有经过取模运算 */ return hash;}
3. 初始化、添加/更新和查找、删除等API
(1). 初始化
_zend_hash_init用于hash table的初始化操作(主要包括对hashTable这个结构体的数据成员赋初值)。调用_zend_hash_init之后,nTableMask默认为0(之后再CHECK_INIT时被赋值为nTableSize-1), nTableSize被赋值为大于nSize的最小的2的整数次方,并且nTableSize最小为8,最大为0x80000000,且在_zend_hash_init之后,arBuckets是没有分配内存空间的(也是在CHECK_INIT时分配的)。nTableMask用于快速计算hash值对应的索引,因为它有一个特性,即nTableMask = 2^n – 1,展开成二进制之后,所有位都是1,因而通过nIndex = h & nTableMask可以快速得到索引位置。该函数的实现源码(不同版本的具体实现有不同,本文的PHP版本是5.4.24):
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){ /* hashTable最小size为 1<<3 = 8 */ uint i = 3; SET_INCONSISTENT(HT_OK); if (nSize >= 0x80000000) { /* prevent overflow */ ht->nTableSize = 0x80000000; } else { while ((1U << i) < nSize) { i++; } ht->nTableSize = 1 << i; } ht->nTableMask = 0; /* 0 means that ht->arBuckets is uninitialized */ ht->pDestructor = pDestructor; ht->arBuckets = (Bucket**)&uninitialized_bucket; ht->pListHead = NULL; ht->pListTail = NULL; ht->nNumOfElements = 0; ht->nNextFreeElement = 0; ht->pInternalPointer = NULL; ht->persistent = persistent; ht->nApplyCount = 0; ht->bApplyProtection = 1; return SUCCESS;}
(2). 查找元素。
对于字符串索引和数字索引,分别提供了zend_hash_find和zend_hash_index_find两种查找方式。这两种方式并没有本质的不同,都是在计算hash值之后,寻找元素在对应Bucket中的位置。对字符串索引,确定相同的条件是:p->arKey == arKey ||((p->h == h) && (p->nKeyLength == nKeyLength) && !memcmp(p->arKey, arKey, nKeyLength)),即要么arKey和p->arKey指向的同一块内存,要么h,nKeyLength和arKey指向的内容完全一致,才能确定为相同。而对于数字型索引,只需要(p->h == h) && (p->nKeyLength == 0)即可。这两种查找的实现如下:
/* 数字型索引的查找 */ZEND_API int zend_hash_index_find(const HashTable *ht, ulong h, void **pData){ uint nIndex; Bucket *p; IS_CONSISTENT(ht); /* 计算索引 */ nIndex = h & ht->nTableMask; p = ht->arBuckets[nIndex]; /* 遍历双链表,一旦找到立即返回 */ while (p != NULL) { if ((p->h == h) && (p->nKeyLength == 0)) { *pData = p->pData; return SUCCESS; } p = p->pNext; } /* 如果遍历完双链表,没有找到,那么查找失败 */ return FAILURE;}<br />/* 字符串索引的查找 */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); /* 字符串索引需要先计算字符串的hash值 */ h = zend_inline_hash_func(arKey, nKeyLength); nIndex = h & ht->nTableMask; p = ht->arBuckets[nIndex]; /* Bucket双链表中查找,一旦找到,立即返回,注意查找成功的条件 */ while (p != NULL) { if (p->arKey == arKey || ((p->h == h) && (p->nKeyLength == nKeyLength) && !memcmp(p->arKey, arKey, nKeyLength))) { *pData = p->pData; return SUCCESS; } p = p->pNext; } /* 查找失败 */ return FAILURE;}
(3).插入元素
在PHP脚本中,有三种形式可以在当前数组中插入元素,如:
$arr = array();$arr['index'] = 'cont';$arr[2] = 'test';$arr[] = 10;
这三种插入方式分别是:"字符串索引插入","数字索引插入","下一个可用位置插入",在实现中,"字符串索引插入"对应_zend_hash_add_or_update,而后两种对应_zend_hash_index_update_or_next_insert. 以$arr['index'] = 'cont'这个操作为例,PHP会尝试先update相应的数据,如果没有找到对应的Bucket,则表示这是一个新增的元素,因而会执行insert操作,这在_zend_hash_add_or_update中实现如下(省略非关键步骤):
ZEND_API int _zend_hash_add_or_update(HashTable *ht, const char *arKey, uint nKeyLength, void *pData, uint nDataSize, void **pD est, int flag ZEND_FILE_LINE_DC){ /* 由于是字符串索引,索引key不能为空,nKeyLength必须>0 */ if (nKeyLength <= 0) { return FAILURE; } /* ht是否初始化,如果没有,分配arBuckets的内存空间,设置nTableMask */ CHECK_INIT(ht); /* 计算在hash表中的索引 */ h = zend_inline_hash_func(arKey, nKeyLength); nIndex = h & ht->nTableMask; /* 扫描Bucket列表,看元素是否存在,如果存在,则更新之,并返回 */ p = ht->arBuckets[nIndex]; while (p != NULL) { if (p->arKey == arKey || ((p->h == h) && (p->nKeyLength == nKeyLength) && !memcmp(p->arKey, arKey, nKeyLength))) { /* 冲突,不能添加 */ if (flag & HASH_ADD) { return FAILURE; } HANDLE_BLOCK_INTERRUPTIONS(); if (ht->pDestructor) { ht->pDestructor(p->pData); } /* 进行更新的操作 */ UPDATE_DATA(ht, p, pData, nDataSize); if (pDest) { *pDest = p->pData; } HANDLE_UNBLOCK_INTERRUPTIONS(); return SUCCESS; } p = p->pNext; } /* 不存在元素,则insert */ if (IS_INTERNED(arKey)) { p = (Bucket *) pemalloc(sizeof(Bucket), ht->persistent); if (!p) { return FAILURE; } p->arKey = arKey; } else { p = (Bucket *) pemalloc(sizeof(Bucket) + nKeyLength, ht->persistent); if (!p) { return FAILURE; } p->arKey = (const char*)(p + 1); memcpy((char*)p->arKey, arKey, nKeyLength); } p->nKeyLength = nKeyLength; INIT_DATA(ht, p, pData, nDataSize); p->h = h; /* 插入到Buckets链表的头部 */ CONNECT_TO_BUCKET_DLLIST(p, ht->arBuckets[nIndex]); /* 插入到全局的双链表,用于遍历,是个逻辑队列 */ CONNECT_TO_GLOBAL_DLLIST(p, ht); ht->arBuckets[nIndex] = p; /* 增加元素个数 */ ht->nNumOfElements++; /* 如果nNumOfElements > nTableSize,则需要对HashTable扩容 */ ZEND_HASH_IF_FULL_DO_RESIZE(ht); }
HashTable的更多操作如zend_hash_do_resize(扩容),zend_hash_rehash(扩容之后需要对原来hashTable的元素重新hash ),zend_hash_del_key_or_index(HashTable中删除元素),zend_hash_destroy(销毁Hash表),zend_hash_copy(hash表拷贝),这里不再一一列举,有兴趣的同学可以翻看源码查看。