[李景山php] 深入理解PHP内核[读书笔记]--第三章：变量及数据类型--变量的结构和类型--PHP的哈希实现

对哈希表的需求远不止那么简单。对性能，灵活性都有不同的需求。下面我们看看PHP中的哈希表是怎么实现的。

PHP的哈希实现

PHP内核中的哈希表是十分重要的数据结构，PHP的大部分语言特性都是基于哈希表实现的，例如：变量的作用域、函数表、类的属性、方法等，Zend引擎内部的很多数据都是保存在哈希表中的。

数据结构及说明

上一节提到PHP中的哈希表是使用链接法来解决冲突的，具体点讲就是使用链表来存储哈希到同一个槽位的数据，Zend为了保存数据之间的关系使用了双向列表来连接元素。

哈希表结构

PHP中的哈希表实现Zend/zend_hash.c中，还是按照上一小节的方式，先看看 PHP实现中的数据结构，PHP使用如下两个数据结构来实现哈希表，HashTable结构体用于保存整个哈希表需要的基本信息，而Bucket结构用于保存具体的数据内容，如下：

typedef struct _hashtable
{
uint nTableSize;// hash Bucket 的最小为8，以2x增长。
uint nTableMask;//nTableSize-1,索引取值的优化
uint nNumOfElement;// hash Bucket 中当前存在的元素个数，count()函数会直接返回此值
ulong nNextFreeElement;//下一个数字索引的位置
Bucket *pInternalPointer;//当前遍历的指针(foreach 比 for 快的原因之一)
Bucket *pListHead;//存储数组头元素指针
Bucket *pListTail;//存储数组尾元素指针
Bucket **arBuckets;//存储hash数组
dtor_func_t pDestructor;//在删除元素时执行的回调函数，用于资源的释放
zend_bool persistent;//指出了Bucket内存分配的方式，如果persisient为TRUE,则使用操作系统本身内存分配函数为Bucket分配内存，否则使用PHP的内存分配函数。
unsigned char nApplyCount;//标记当前hash Bucket 被递归访问的次数(防止多次递归)
zend_bool bApplyProtection;//标记当前hash桶是否允许多次访问，不允许时，最多只能递归3次。
#if ZEND_DEBUG
int inconsistent;
#endif
}HashTable;

nTableSize字段用于标示哈希表的容量，哈希表的初始容量最小为8，首先看看焊锡表的初始化函数

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;
// ...
if(nSize >= 0x80000000)
{
// prevent overflow
ht->nTableSize = 0x80000000;
}else{
while((1U<<i) < nSize){
i++;
}
ht->nTableSize = 1<<i;
}
//....
ht->nTableMask = ht->nTableSize - 1;

// Usee ecalloc() so that Bucket* == NULL
if(persistent)
{
tmp = (Bucket **)calloc(ht->nTableSize,sizeof(Bucket *));
if(!tmp){
return FAILURE;
}
ht->arBuckets = tmp;
}else{
tmp = (Bucket **) ecalloc_rel(ht->nTableSize,sizeof(Bucket *));
if(tmp){
ht->arBuckets = tmp;
}
}
return SUCCESS;
}

例如如果设置初始大小为10，则上面的算法将会将大小调整为16.也就是始终将大小调整为接近初始化大小的2的整数次方。

为什么会这样的调整呢？我们先看看HashTable将哈希值映射到槽位的的方法，上一小节我们使用了取模的方式来将哈希值映射到槽位，例如大小为8的哈希表，哈希值为100，则映射的槽位索引为：100%8 = 4，由于索引通常从0开始，所以槽位索引值为3，在PHp中使用如下的方式计算索引：

h = zend_inline_hash_func(arKey,nKeyLength);

nIndex = h & ht->nTableMask;

从上面的_zend_hash_init()函数中可知，ht->nTableMask的大小为ht->nTableSize-1。这里使用&操作而不是使用取模，这是因为是相对来说取模操作的消耗和安慰与的操作大的多。

mask的作用就是将哈希值映射到槽位所能存储的索引范围内，例如：某个key的索引值是21，哈希表的大小为8，则mask为7，则求与时的二进制表示为： 10101 & 111 = 101也就是十进制的5。因为2的整数次方-1的二进制比较特殊：后面的N位的值都是1，这样比较容易能将值进行映射，如果是普通数字进行了二进制与之后会影响哈希值的结果。那么哈希函数计算的值的平均分布就可能出现影响。

设置好哈希表大小之后就需要为哈希表申请存储数据的空间了，如上面初始化的代码，根据是否需要持久保存而调用了不同内存的申请方法。如果前面PHP生命周期里介绍的，是否需要持久保存体现在：持久内容能在多个请求之间访问，而非持久存储是会在请求结束时释放占用的空间。具体内容将在内存管理章节中进行介绍。

HashTable中的nNumOfElements字段好理解，每插入一个元素或者unset删除元素时会更新这个字段。这样在进行count()函数统计数组元素个数就能快速的返回。

nNextFreeElement字段非常有用，先看一段PHP代码：

<?php
$a = array(10 => 'hello');
$a[] = 'world';
var_dump($a);

//output
array(2){
[10]=>string(5)'Hello'
[11]=>string(5)'world'
}

PHP中可以不指定索引值向数组中添加元素，这时将默认使用数字作为索引，和C语言中的枚举类似，而这个元素的索引到达是多少就由nNextFreeElement字段决定了。如果数组中存在了数字key,则会默认使用最新使用的key+1,例如上例中已经存在了10作为key的元素，这样新插入的默认索引就为11了。

数据容器：槽位

下面看看保存哈希表数据的槽位数据结构体：

typedef struct bucket
{
ulong h;//对char *key进行hash 后的值，或者是用户指定的数字索引值
uint nKeyLength;//hash关键字的长度，如果数组索引为数字，此值为0
void *pData;//指向value，一般是用户数据的副本，如果是指针数据，则指向pDataPtr
void *pDataPtr;//如果是指针数据，此值会指向真正的value,同时上面的pData会指向此值
struct bucket *pListNext;//整个hash表的下一个元素
struct bucket *pListLast;//整个哈希表示该元素的上一个元素
struct bucket *pNext;//存放在同一个hash Bucket内的下一个元素
struct bucket *pList;//同一个哈希bucket的上一个元素
// 保存当期值所对于的key字符串，这个字段只能定义在最后，实现变长结构体
char arKey[1];
}Bucket;

如上面各个字段的注释。h字段保存哈希表key哈希后的值。这里保存的哈希值而不是哈希表中的索引值，这是因为索引值和哈希表的容量有直接关系，如果哈希表扩容了，那么这些索引还得重新进行哈希在进行索引映射，这也是一种优化手段。在PHP中可以使用字符串或者数字作为数组的索引。数字索引直接就可以作为哈希表的索引，数字也无需进行哈希处理。h字段后面的nKeyLength字段是作为key长度的标示，如果索引是数字的话，则nKeyLength为0，在PHP数组中如果索引字符串可以转化数字索引。

未完，待续……………………………

[b]________[/b]–