PHP源码之数组的内部实现

末蓝、 2023-10-17 15:39 89阅读 0赞

## 哈希表 ##

基本上，PHP里面的所有东西都是哈希表。不仅仅是在下面的PHP数组实现中，它们还用来存储对象属性，方法，函数，变量还有几乎所有东西。

因为哈希表对PHP来说太基础了，因此非常值得深入研究它是如何工作的。

## 什么是哈希表 ##

记住，在C里面，数组是内存块，你可以通过下标访问这些内存块。因此，在C里面的数组只能使用整数且有序的键值（那就是说，你不能在键值0之后使用1332423442的键值）。C里面没有关联数组这种东西。

哈希表是这样的东西：它们使用哈希函数转换字符串键值为正常的整型键值。哈希后的结果可以被作为正常的C数组的键值（又名为内存块）。现在的问题是，哈希函数会有冲突，那就是说，多个字符串键值可能会生成一样的哈希值。例如，在PHP，超过64个元素的数组里，字符串”foo”和”oof”拥有一样的哈希值。

这个问题可以通过存储可能冲突的值到链表中，而不是直接将值存储到生成的下标里。

## 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;

1.  nNumOfElements  
    标识现在存储在数组里面的值的数量。这也是函数count的返回值
2.  nTableSize  
    表示哈希表的容量。它通常是下一个大于等于nNumOfElements的2的幂值。比如，如果数组存储了32元素，那么哈希表也是32大小的容量。但如果再多一个元素添加进来，也就是说，数组现在有33个元素，那么哈希表的容量就被调整为64。 这是为了保持哈希表在空间和时间上始终有效。很明显，如果哈希表太小，那么将会有很多的冲突，而且性能也会降低。另一方面，如果哈希表太大，那么浪费内存。2的幂值是一个很好的折中方案。
3.  nTableMask  
    是哈希表的容量减一。这个mask用来根据当前的表大小调整生成的哈希值。例如，”foo”真正的哈希值（使用DJBX33A哈希函数）是193491849。如果我们现在有64容量的哈希表，我们明显不能使用它作为数组的下标。取而代之的是通过应用哈希表的mask，然后只取哈希表的低位。  
    hash | 193491849 | 0b1011100010000111001110001001  
    & mask | & 63 | & 0b0000000000000000000000111111  
    = index | = 9 | = 0b0000000000000000000000001001
4.  nNextFreeElement  
    是下一个可以使用的数字键值，当你使用$array\[\] = xyz是被使用到。
5.  pInternalPointer  
    存储数组当前的位置。这个值在foreach遍历时可使用reset()，current()，key()，next()，prev()和end()函数访问。
6.  pListHead和pListTail  
    标识了数组的第一个和最后一个元素的位置。记住：PHP的数组是有序集合。比如，\[‘foo’ => ‘bar’, ‘bar’ => ‘foo’\]和\[‘bar’ => ‘foo’, ‘foo’ => ‘bar’\]这两个数组包含了相同的元素，但却有不同的顺序。
7.  arBuckets  
    是我们经常谈论的“哈希表（internal C array）”。它用Bucket \*\*来定义，因此它可以被看作数组的bucket指针（我们会马上谈论Bucket是什么）。
8.  pDestructor  
    是值的析构器。如果一个值从HT中移除，那么这个函数会被调用。常见的析构函数是zval\_ptr\_dtor。zval\_ptr\_dtor会减少zval的引用数量，而且，如果它遇到o，它会销毁和释放它。

> 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;

1.  h  
    是一个哈希值（没有应用mask值映射之前的值）。
2.  arKey  
    用来保存字符串键值。
3.  nKeyLength  
    是对应的长度。如果是数字键值，那么这两个变量都不会被使用。
4.  pData  
    及
5.  pDataPtr  
    被用来存储真正的值。对PHP数组来说，它的值是一个zval结构体（但它也在其他地方使用到）。不要纠结为什么有两个属性。它们两者的区别是谁负责释放值。
6.  pListNext  
    和
7.  pListLast  
    标识数组元素的下一个元素和上一个元素。如果PHP想顺序遍历数组它会从pListHead这个bucket开始（在HashTable结构里面），然后使用pListNext bucket作为遍历指针。在逆序也是一样，从pListTail指针开始，然后使用pListLast指针作为变量指针。（你可以在用户代码里调用end()然后调用prev()函数达到这个效果。）
8.  pNext  
    和
9.  pLast  
    生成我上面提到的“可能冲突的值链表”。arBucket数组存储第一个可能值的bucket。如果该bucket没有正确的键值，PHP会查找pNext指向的bucket。它会一直指向后面的bucket直到找到正确的bucket。pLast在逆序中也是一样的原理。

你可以看到，PHP的哈希表实现相当复杂。这是它使用超灵活的数组类型要付出的代价。

## 哈希表是怎么被使用的？ ##

Zend Engine定义了大量的API函数供哈希表使用。低级的哈希表函数预览可以在  
zend\_hash.h文件里面找到。另外Zend Engine在zend\_API.h文件定义了稍微高级一些的API。

我们没有足够的时间去讲所有的函数，但是我们至少可以查看一些实例函数，看看它是如何工作的。我们将使用array\_fill\_keys作为实例函数。

使用第二部分提到的技巧你可以很容易地找到函数在  
ext/standard/array.c文件里面定义了。现在，让我们来快速查看这个函数。  
跟大部分函数一样，函数的顶部有一堆变量的定义，然后调用zend\_parse\_parameters  
函数：

> zval *keys,* val, \*\*entry;  
> HashPosition pos;  
> if (zend\_parse\_parameters(ZEND\_NUM\_ARGS() TSRMLS\_CC, "az", &keys, &val) == FAILURE) \{  
> return;  
> \}

很明显，az参数说明第一个参数类型是数组（即变量keys），第二个参数是任意的zval（即变量val）。

解析完参数后，返回数组就被初始化了：

> array\_init\_size(return\_value,zend\_hash\_num\_elements(Z\_ARRVAL\_P(keys));

这一行包含了array API里面存在的三步重要的部分：

1.  Z\_ARRVAL\_P宏从zval里面提取值到哈希表。
2.  zend\_hash\_num\_elements提取哈希表元素的个数（nNumOfElements属性）。
3.  array\_init\_size使用size变量初始化数组。

因此，这一行使用与键值数组一样大小来初始化数组到return\_value变量里。

这里的size只是一种优化方案。函数也可以只调用  
array\_init(return\_value)，这样随着越来越多的元素添加到数组里，PHP就会多次重置数组的大小。通过指定特定的大小，PHP会在一开始就分配正确的内存空间。  
数组被初始化并返回后，函数用跟下面大致相同的代码结构，使用while循环变量keys数组：

> 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);  
> \}

这可以很容易地翻译成PHP代码：

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

跟下面的一样：

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

唯一不同的是，C的遍历并没有使用内部的数组指针，而使用它自己的pos变量来存储当前的位置。

在循环里面的代码分为两个分支：一个是给数字键值，另一个是其他键值。数字键值的分支只有下面的两行代码：

> zval\_add\_ref(&val);  
> zend\_hash\_index\_update(Z\_ARRVAL\_P(return\_value),  
> Z\_LVAL\_PP(entry), &val,  
> sizeof(zval \*), NULL);

这看起来太直接了：首先值的引用增加了（添加值到哈希表意味着增加另一个指向它的引用），然后值被插入到哈希表中。zend\_hash\_index\_update宏的参数分别是，需要更新的哈希表Z\_ARRVAL\_P(return\_value)，整型下标  
Z\_LVAL\_PP(entry)，值&val，值的大小sizeof(zval \*)以及目标指针(这个我们不关注，因此是NULL）。

非数字下标的分支就稍微复杂一点：

> 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将键值转换为字符串（除非它已经是字符串了）。在这之前，entry被复制到新的key变量。key = \*\*entry这一行实现。另外，  
zval\_copy\_ctor函数会被调用，不然复杂的结构（比如字符串或数组）不会被正确地复制。

上面的复制操作非常有必要，因为要保证类型转换不会改变原来的数组。如果没有copy操作，强制转换不仅仅修改局部的变量，而且也修改了在键值数组中的值（显然，这对用户来说非常意外）。

显然，循环结束之后，复制操作需要再次被移除，zval\_dtor(&key)  
做的就是这个工作。zval\_ptr\_dtor和zval\_dtor的不同是zval\_ptr\_dtor只会在refcount变量为0时销毁zval变量，而zval\_dtor会马上销毁它，而不是依赖  
refcount的值。这就为什么你看到zval\_pte\_dtor使用”normal”变量而zval\_dtor  
使用临时变量，这些临时变量不会在其他地方使用。而且，zval\_ptr\_dtor  
会在销毁之后释放zval的内容而zval\_dtor不会。因为我们没有malloc()任何东西，因此我们也不需要free()，因此在这方面，zval\_dtor做了正确的选择。

现在来看看剩下的两行（重要的两行^^）：

> 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);

这跟数字键值分支完成后的操作非常相似。不同的是，现在调用的是  
zend\_symtable\_update而不是zend\_hash\_index\_update，而传递的是键值字符串和它的长度。

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