聊聊PHP数组底层是如何实现的

比眉伴天荒 2024-04-19 11:41 3阅读 0赞

最近一直整理资料，搞的自己挺烦躁的，静下心，写一篇博客压压惊。  
今天就聊聊PHP最核心的数组array；  
话不多说，直接打开源码，看看array到底是如何实现的？  
PHP 数组的底层实现是散列表（也叫 hashTable )，散列表是根据键（Key）直接访问内存存储位置的数据结构，  
它的key - value 之间存在一个映射函数，可以根据 key 通过映射函数得到的散列值直接索引到对应的 value 值，  
无需通过关键字比较，在理想情况下，不考虑散列冲突，散列表的查找效率是非常高的，时间复杂度是 O(1)  
直接翻阅到了zend引擎定义数据类型的地方就是开始了：

typedef struct _zval_struct     zval;
    typedef struct _zend_refcounted zend_refcounted;
    typedef struct _zend_string     zend_string;
    typedef struct _zend_array      zend_array; //数组
    typedef struct _zend_object     zend_object;
    typedef struct _zend_resource   zend_resource;

数组在C的底层就是一个结构体了，接下来寻找结构体的实现：  
又继续阅读找到了\_zend\_array的定义：

struct _zend_array {
    	zend_refcounted_h gc;
    	union {
    		struct {
    			ZEND_ENDIAN_LOHI_4(
    				zend_uchar    flags,
    				zend_uchar    nApplyCount,
    				zend_uchar    nIteratorsCount,
    				zend_uchar    consistency)
    		} v;
    		uint32_t flags;
    	} u;
    	uint32_t          nTableMask;
    	Bucket           *arData; //存储元素数组，指向第一个Bucket
    	uint32_t          nNumUsed;//哈希表已经使用的元素数
    	uint32_t          nNumOfElements; // 哈希表有效元素数
    	uint32_t          nTableSize; // 哈希表总大小，为2的n次方(包含无效的元素)
    	uint32_t          nInternalPointer; // 内部指针，用于遍历
    	zend_long         nNextFreeElement; // 下一个可用的数值索引,如:arr[] = 1;
    	dtor_func_t       pDestructor;
    };
    
    //定义hashtable别名
    typedef struct _zend_array HashTable;
    //一些php数组的函数也是hashtable声明类型的
    PHPAPI int php_array_merge(HashTable *dest, HashTable *src);
    PHPAPI int php_array_merge_recursive(HashTable *dest, HashTable *src);
    PHPAPI int php_array_replace_recursive(HashTable *dest, HashTable *src);

Bucket的实现：

typedef struct _Bucket {
    	zval              val;              // 存储的具体 value
    	zend_ulong        h;                /* key 的哈希值。用于查找时 key 的比较   */
    	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;

zval的实现：

struct _zval_struct {
    	zend_value        value;			/* value */
    	union {
    		struct {
    			ZEND_ENDIAN_LOHI_4(
    				zend_uchar    type,			/* active type */
    				zend_uchar    type_flags,
    				zend_uchar    const_flags,
    				zend_uchar    reserved)	    /* call info for EX(This) */
    		} v;
    		uint32_t type_info;
    	} u1;
    	union {
    		uint32_t     next;                 /* hash collision chain */
    		uint32_t     cache_slot;           /* literal cache slot */
    		uint32_t     lineno;               /* line number (for ast nodes) */
    		uint32_t     num_args;             /* arguments number for EX(This) */
    		uint32_t     fe_pos;               /* foreach position */
    		uint32_t     fe_iter_idx;          /* foreach iterator index */
    		uint32_t     access_flags;         /* class constant access flags */
    		uint32_t     property_guard;       /* single property guard */
    		uint32_t     extra;                /* not further specified */
    	} u2;
    };

存储在散列表里的元素是无序的，PHP 数组如何做到按顺序读取的呢？  
中间映射表，为了实现散列表的有序性，PHP 为其增加了一张中间映射表，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。Bucekt 中的数据是有序的，而中间映射表中的数据是无序的。  
而通过映射函数映射后的散列值要在中间映射表的区间内，这就对映射函数提出了要求。  
将 key 经过 time33 算法生成的哈希值 h 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 nTableMask 二进制位右侧全部为 0，保证了 h | ht->nTableMask 的取值范围会在 \[-nTableSize, -1\] 之间，正好在映射表的下标范围内。另外，用按位或运算的方法和其他方法如取余的方法相比运算速度较高，这个映射函数可以说设计的非常巧妙了。

解决hash冲突：  
在冲突位置构造一个单向链表，将散列值相同的元素放到相同槽位对应的链表中。这个方法叫链地址法，PHP 数组就是采用这个方法解决散列冲突的问题。  
其具体实现是：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，通过散列函数定位到对应的 Bucket 链表时，需要遍历链表，逐个对比 Key 值，继而找到目标元素。而每个 Bucket 之间的链接则是将原 value 的下标保存到新 value 的 zval.u2.next 里，新 value 放在当前位置上，从而形成一个单向链表。

数组扩容：  
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。

扩容的过程为：

如果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，然后将后面的 Bucket 向前补上空缺的 Bucket，因为 Bucket 的下标发生了变动，所以还需要更改每个元素在中间映射表中储存的实际下标值。

如果未达到阈值，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，因为数组长度发生了改变，所以 key-value 的映射关系需要重新计算，这个步骤为重建索引。

rehash：

在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，即在删除 value 时只是将 value 的 type 设置为 IS\_UNDEF，而不会立即删除该元素所在的 Bucket，因为如果每次删除元素立刻删除 Bucket 的话，每次都需要进行排列操作，会造成不必要的性能开销。

所以，当删除元素达到一定数量或扩容后都需要重建散列表，即移除被标记为删除的 value。因为 value 在 Bucket 位置移动了或哈希数组 nTableSize 变化了导致 key 与 value 的映射关系改变，重建过程就是遍历 Bucket 数组中的 value，然后重新计算映射值更新到散列表。

hash算法应用很多，比如redis的hashtable实现原理也是这样的。