详解 PHP 数组的底层实现：HashTable

前言

PHP 中的数组是一种强大且灵活的数据类型。在讲解它的底层实现以前，让咱们先来看看它在实际使用中都有哪些重要的特性：

// 能够使用数字下标的形式定义数组
$arr= ['Mike', 2 => 'JoJo'];
echo $arr[0], $arr[2];

// 也能够使用字符串下标定义数组
$arr = ['name' => 'Mike', 'age' => 22];

// 能够顺序读取数组中的数据
foreach ($arr as $key => $value) {
    // Do Something
}
echo current($arr);
echo next($arr);

// 也能够随机读取数组中的数据
$arr = ['name' => 'Mike', 'age' => 22];
echo $arr['name'];

// 数组的长度是可变的
$arr = [1, 2, 3];
$arr[] = 4;
array_push($arr, 5);
复制代码

基于这些特性，咱们能够很轻易的使用 PHP 中的数组实现集合、栈、列表、字典等多种数据结构。那么这些特性在底层是如何实现的呢？且听我细细道来。

数据结构

PHP 中的数组其实是一个有序映射。映射是一种把 values 关联到 keys 的类型。—— PHP手册

在 PHP 中，这种映射关系是使用散列表（HashTable）实现的，在 C 语言中，只能经过数字下标访问数组元素，而经过 HashTable，咱们能够使用 String Key 做为下标来访问数组元素。简单地说，HashTable 经过映射函数将一个 Strring Key 转化为一个普通的数字下标，并将对应的 Value 值储存到下标对应的数组元素中。

PHP 中的 HashTable 由 zend_array 定义，它的数据结构以下：

struct _zend_array {
    zend_refcounted_h gc;
    union {
        struct {
            ZEND_ENDIAN_LOHI_4(
                zend_uchar    flags,
                zend_uchar    nApplyCount,
                zend_uchar    nIteratorsCount,
                zend_uchar    reserve)
        } v;
        uint32_t flags;           /* 经过 32 个可用标识，设置散列表的属性 */
    } u;
    uint32_t     nTableMask;       /* 值为 nTableSize 的负数 */
    Bucket      *arData;           /* 用来储存数据 */
    uint32_t     nNumUsed;         /* arData 中的已用空间大小 */
    uint32_t     nNumOfElements;   /* 数组中的元素个数 */
    uint32_t     nTableSize;       /* 数组大小，老是 2 幂次方 */
    uint32_t     nInternalPointer; /* 下一个数据元素的指针，用于迭代（foreach） */
    zend_long    nNextFreeElement; /* 下一个可用的数值索引 */
    dtor_func_t  pDestructor;      /* 数据析构函数（句柄） */
};
复制代码

该结构中的 Bucket 即储存元素的数组，arData 指向数组的起始位置，使用映射函数对 key 值进行映射后能够获得偏移值，经过内存起始位置 + 偏移值便可在散列表中进行寻址操做。Bucket 的数据结构以下：

typedef struct _Bucket {
    zval              val; /* 值 */
    zend_ulong        h;   /* 使用 time 33 算法对 key 进行计算后获得的哈希值（或为数字索引） */
    zend_string      *key; /* 当 key 值为字符串时，指向该字符串对应的 zend_string（使用数字索引时该值为 NULL） */
} Bucket;
复制代码

基本实现

散列表主要由储存元素的数组（Bucket）和散列函数两部分构成。

随机读

当指定一个 Key-Value 映射关系时，若是 Key 为 String 类型，则先经过 Time 33 算法将其转换为一个 Int 类型的整数，而后再先经过 PHP 中某种特定的散列算法将该 Int 映射为 Bucket 数组中的一个下标，最终将 Value 储存到该下标对应的元素中。 经过 Key 访问数组时，只须要使用相同的算法计算出对应下标，而后取出对应元素中的 Value 值，便可实现随机读取。

顺序读

由上面所讲可知，储存在 HashTable 中的元素是无序的，而 PHP 中的数组是有序的，PHP 是如何解决这个问题的呢？

为了实现 HashTable 的有序性，PHP 为其增长了一张中间映射表，该表是一个大小与 Bucket 相同的数组，数组中储存整形数据，用于保存元素实际储存的 Value 在 Bucekt 中的下标。注意，加入了中间映射表后，Bucekt 中的数据是有序的，而中间映射表中的数据是无序的。这样顺序读取时只须要访问 Bucket 中的数据便可。

zend_array 中并无单独定义中间映射表，而是将其与 arData 放在一块儿，数组初始化时并不仅分配 Bucket 大小的内存，同时还会分配相同大小空间的数据来做为中间映射表，其实现方式如图：

散列函数

由上一节可知，散列函数其实是先将 hash code 映射到中间映射表中，再由中间映射表指向实际存储 Value 的元素。

PHP 中采用以下方式对 hash code 进行散列：

nIndex = key->h | nTableMask;
复制代码

由于散列表的大小恒为 2 的幂次方，因此散列后的值会位于 [nTableMask, -1] 之间，即中间映射表之中。

Hash 冲突

任何散列函数都会出现哈希冲突的问题，常见的解决哈希冲突的方法有如下几种：

• 开放定址法
• 链地址法
• 重哈希法

PHP 采用的是其中的链地址法，将冲突的 Bucket 串成链表，这样中间映射表映射出的就不是某一个元素，而是一个 Bucket 链表，经过散列函数定位到对应的 Bucket 链表时，须要遍历链表，逐个对比 Key 值，继而找到目标元素。

新元素 Hash 冲突时的插入分为如下两步：

• 将旧元素的下标储存到新元素的 next 中
• 将新元素的下标储存到中间映射表中

能够看出，PHP 在 Bucket 原有的数组结构上，实现了静态链表，从而解决了哈希冲突的问题。

查找

HashTable 中的查找过程其实已经在上面说完了：

1. 使用 time 33 算法对 key 值计算获得 hash code
2. 使用散列函数计算 hash code 获得散列值 nIndex，即元素在中间映射表的下标
3. 经过 nIndex 从中间映射表中取出元素在 Bucket 中的下标 idx
4. 经过 idx 访问 Bucket 中对应的数组元素，该元素同时也是一个静态链表的头结点
5. 遍历链表，分别判断每一个元素中的 key 值是否与咱们要查找的 key 值相同
6. 若是相同，终止遍历

扩容

在 C 语言中，数组的长度是定长的，那么若是空间已满还需继续插入的时候怎么办呢？PHP 的数组在底层实现了自动扩容机制，当插入一个元素且没有空闲空间时，就会触发自动扩容机制，扩容后再执行插入。

须要提出的一点是，当删除某一个数组元素时，会先使用标志位对该元素进行逻辑删除，而不会当即删除该元素所在的 Bucket，由于后者在每次删除时进行一次排列操做，从而形成没必要要的性能开销。

扩容的过程为：

1. 若是已删除元素所占比例达到阈值，则会移除已被逻辑删除的 Bucket，而后将后面的 Bucket 向前补上空缺的 Bucket，由于 Bucket 的下标发生了变更，因此还须要更改每一个元素在中间映射表中储存的实际下标值。
2. 若是未达到阈值，PHP 则会申请一个大小是原数组两倍的新数组，并将旧数组中的数据复制到新数组中，由于数组长度发生了改变，因此 key-value 的映射关系须要从新计算，这个步骤为重建索引。

注：由于在重建索引时须要从新计算映射关系，因此将旧数组复制到新数组中时，中间映射表的数据是无需复制的。

总结

• PHP 中的数组是使用 HashTable 实现的
• HashTable 的占用空间是 2 的幂次方
• HashTable 经过 Key-Value 映射关系实现随机读取
• HashTable 经过中间映射表实现顺序读取，中间映射表和元素数组（Bucket）使用连续的内存空间
• PHP 经过链地址法解决 HashTable 中的哈希冲突
• 在空间已满时，会触发自动扩容机制，致使重建索引

参考资料

• 《PHP7 内核剖析》
• PHP 7 Arrays : HashTables