哈希表

基本上，PHP里面的所有東西都是哈希表。不僅僅是在下面的PHP數組實現中，它們還用來存儲對象屬性，方法，函數，變量還有幾乎所有東西。

因為哈希表對PHP來說太基礎了，因此非常值得深入研究它是如何工作的。

什么是哈希表

記住，在C里面，數組是內存塊，你可以通過下標訪問這些內存塊。因此，在C里面的數組只能使用整數且有序的鍵值（那就是說，你不能在鍵值0之后使用1332423442的鍵值）。C里面沒有關聯數組這種東西。

哈希表是這樣的東西：它們使用哈希函數轉換字符串鍵值為正常的整型鍵值。哈希后的結果可以被作為正常的C數組的鍵值（又名為內存塊）。現在的問題是，哈希函數會有沖突，那就是說，多個字符串鍵值可能會生成一樣的哈希值。例如，在PHP，超過64個元素的數組里，字符串”foo”和”oof”擁有一樣的哈希值。

這個問題可以通過存儲可能沖突的值到鏈表中，而不是直接將值存儲到生成的下標里。

HashTable和Bucket

typedef struct _hashtable {
uint nTableSize;
uint nTableMask;
uint nNumOfElements;
ulong nNextFreeElement;
Bucket?pInternalPointer;
Bucket?pListHead;
Bucket?pListTail;
Bucket *arBuckets;
dtor_func_t pDestructor;
zend_bool persistent;
unsigned char nApplyCount;
zend_bool bApplyProtection;
if ZEND_DEBUG int inconsistent;
} HashTable;

nNumOfElements
標識現在存儲在數組里面的值的數量。這也是函數count的返回值

nTableSize
表示哈希表的容量。它通常是下一個大于等于nNumOfElements的2的冪值。比如，如果數組存儲了32元素，那么哈希表也是32大小的容量。但如果再多一個元素添加進來，也就是說，數組現在有33個元素，那么哈希表的容量就被調整為64。 這是為了保持哈希表在空間和時間上始終有效。很明顯，如果哈希表太小，那么將會有很多的沖突，而且性能也會降低。另一方面，如果哈希表太大，那么浪費內存。2的冪值是一個很好的折中方案。

nTableMask
是哈希表的容量減一。這個mask用來根據當前的表大小調整生成的哈希值。例如，”foo”真正的哈希值（使用DJBX33A哈希函數）是193491849。如果我們現在有64容量的哈希表，我們明顯不能使用它作為數組的下標。取而代之的是通過應用哈希表的mask，然后只取哈希表的低位。
hash | 193491849 | 0b1011100010000111001110001001
& mask | & 63 | & 0b0000000000000000000000111111
= index | = 9 | = 0b0000000000000000000000001001

nNextFreeElement
是下一個可以使用的數字鍵值，當你使用$array[] = xyz是被使用到。

pInternalPointer
存儲數組當前的位置。這個值在foreach遍歷時可使用reset()，current()，key()，next()，prev()和end()函數訪問。

pListHead和pListTail
標識了數組的第一個和最后一個元素的位置。記住：PHP的數組是有序集合。比如，[‘foo’ => ‘bar’, ‘bar’ => ‘foo’]和[‘bar’ => ‘foo’, ‘foo’ => ‘bar’]這兩個數組包含了相同的元素，但卻有不同的順序。

arBuckets
是我們經常談論的“哈希表（internal C array）”。它用Bucket **來定義，因此它可以被看作數組的bucket指針（我們會馬上談論Bucket是什么）。

pDestructor
是值的析構器。如果一個值從HT中移除，那么這個函數會被調用。常見的析構函數是zval_ptr_dtor。zval_ptr_dtor會減少zval的引用數量，而且，如果它遇到o，它會銷毀和釋放它。

typedef struct bucket {
ulong h;
uint nKeyLength;
void?pData;
void?pDataPtr;
struct bucket?pListNext;
struct bucket?pListLast;
struct bucket?pNext;
struct bucket?pLast;
const char *arKey;
} Bucket;

h
是一個哈希值（沒有應用mask值映射之前的值）。

arKey
用來保存字符串鍵值。

nKeyLength
是對應的長度。如果是數字鍵值，那么這兩個變量都不會被使用。

pData
及

pDataPtr
被用來存儲真正的值。對PHP數組來說，它的值是一個zval結構體（但它也在其他地方使用到）。不要糾結為什么有兩個屬性。它們兩者的區別是誰負責釋放值。

pListNext
和

pListLast
標識數組元素的下一個元素和上一個元素。如果PHP想順序遍歷數組它會從pListHead這個bucket開始（在HashTable結構里面），然后使用pListNext bucket作為遍歷指針。在逆序也是一樣，從pListTail指針開始，然后使用pListLast指針作為變量指針。（你可以在用戶代碼里調用end()然后調用prev()函數達到這個效果。）

pNext
和

pLast
生成我上面提到的“可能沖突的值鏈表”。arBucket數組存儲第一個可能值的bucket。如果該bucket沒有正確的鍵值，PHP會查找pNext指向的bucket。它會一直指向后面的bucket直到找到正確的bucket。pLast在逆序中也是一樣的原理。

你可以看到，PHP的哈希表實現相當復雜。這是它使用超靈活的數組類型要付出的代價。

哈希表是怎么被使用的？

Zend Engine定義了大量的API函數供哈希表使用。低級的哈希表函數預覽可以在
zend_hash.h文件里面找到。另外Zend Engine在zend_API.h文件定義了稍微高級一些的API。

我們沒有足夠的時間去講所有的函數，但是我們至少可以查看一些實例函數，看看它是如何工作的。我們將使用array_fill_keys作為實例函數。

使用第二部分提到的技巧你可以很容易地找到函數在
ext/standard/array.c文件里面定義了。現在，讓我們來快速查看這個函數。
跟大部分函數一樣，函數的頂部有一堆變量的定義，然后調用zend_parse_parameters
函數：

zval?keys,?val, **entry;
HashPosition pos;
if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "az", &keys, &val) == FAILURE) {
return;
}

很明顯，az參數說明第一個參數類型是數組（即變量keys），第二個參數是任意的zval（即變量val）。

解析完參數后，返回數組就被初始化了：

array_init_size(return_value,zend_hash_num_elements(Z_ARRVAL_P(keys));

這一行包含了array API里面存在的三步重要的部分：

Z_ARRVAL_P宏從zval里面提取值到哈希表。

zend_hash_num_elements提取哈希表元素的個數（nNumOfElements屬性）。

array_init_size使用size變量初始化數組。

因此，這一行使用與鍵值數組一樣大小來初始化數組到return_value變量里。

這里的size只是一種優化方案。函數也可以只調用
array_init(return_value)，這樣隨著越來越多的元素添加到數組里，PHP就會多次重置數組的大小。通過指定特定的大小，PHP會在一開始就分配正確的內存空間。
數組被初始化并返回后，函數用跟下面大致相同的代碼結構，使用while循環變量keys數組：

zend_hash_internal_pointer_reset_ex(Z_ARRVAL_P(keys), &pos);
while (zend_hash_get_current_data_ex(Z_ARRVAL_P(keys), (void **)&entry, &pos) == SUCCESS) {
zend_hash_move_forward_ex(Z_ARRVAL_P(keys), &pos);
}

這可以很容易地翻譯成PHP代碼：

reset($keys);
while (null !== $entry = current($keys)) {
next($keys);
}

跟下面的一樣：

foreach ($keys as $entry) {
// some code
}

唯一不同的是，C的遍歷并沒有使用內部的數組指針，而使用它自己的pos變量來存儲當前的位置。

在循環里面的代碼分為兩個分支：一個是給數字鍵值，另一個是其他鍵值。數字鍵值的分支只有下面的兩行代碼：

zval_add_ref(&val);
zend_hash_index_update(Z_ARRVAL_P(return_value),
Z_LVAL_PP(entry), &val,
sizeof(zval *), NULL);

這看起來太直接了：首先值的引用增加了（添加值到哈希表意味著增加另一個指向它的引用），然后值被插入到哈希表中。zend_hash_index_update宏的參數分別是，需要更新的哈希表Z_ARRVAL_P(return_value)，整型下標
Z_LVAL_PP(entry)，值&val，值的大小sizeof(zval *)以及目標指針(這個我們不關注，因此是NULL）。

非數字下標的分支就稍微復雜一點：

zval key,?key_ptr =?entry;
if (Z_TYPE_PP(entry) != IS_STRING) {
key =?*entry;
zval_copy_ctor(&key);
convert_to_string(&key);
key_ptr = &key;
}
zval_add_ref(&val);
zend_symtable_update(Z_ARRVAL_P(return_value), Z_STRVAL_P(key_ptr), Z_STRLEN_P(key_ptr) + 1, &val, sizeof(zval?), NULL);
if (key_ptr != *entry) {
zval_dtor(&key);
}

首先，使用convert_to_string將鍵值轉換為字符串（除非它已經是字符串了）。在這之前，entry被復制到新的key變量。key = **entry這一行實現。另外，
zval_copy_ctor函數會被調用，不然復雜的結構（比如字符串或數組）不會被正確地復制。

上面的復制操作非常有必要，因為要保證類型轉換不會改變原來的數組。如果沒有copy操作，強制轉換不僅僅修改局部的變量，而且也修改了在鍵值數組中的值（顯然，這對用戶來說非常意外）。

顯然，循環結束之后，復制操作需要再次被移除，zval_dtor(&key)
做的就是這個工作。zval_ptr_dtor和zval_dtor的不同是zval_ptr_dtor只會在refcount變量為0時銷毀zval變量，而zval_dtor會馬上銷毀它，而不是依賴
refcount的值。這就為什么你看到zval_pte_dtor使用”normal”變量而zval_dtor
使用臨時變量，這些臨時變量不會在其他地方使用。而且，zval_ptr_dtor
會在銷毀之后釋放zval的內容而zval_dtor不會。因為我們沒有malloc()任何東西，因此我們也不需要free()，因此在這方面，zval_dtor做了正確的選擇。

現在來看看剩下的兩行（重要的兩行^^）：

zval_add_ref(&val);
zend_symtable_update(Z_ARRVAL_P(return_value), Z_STRVAL_P(key_ptr), Z_STRLEN_P(key_ptr) + 1, &val, sizeof(zval *), NULL);

這跟數字鍵值分支完成后的操作非常相似。不同的是，現在調用的是
zend_symtable_update而不是zend_hash_index_update，而傳遞的是鍵值字符串和它的長度。

來源:http://blog.csdn.net/u010412301/article/details/53983452

總結

以上是生活随笔為你收集整理的PHP源码之数组的内部实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。