PHP 數組具有的特性

PHP 的數組是一種非常強大靈活的數據類型，在講它的底層實現之前，先看一下 PHP 的數組都具有哪些特性。

可以使用數字或字符串作為數組健值

$arr = [1 => 'ok', 'one' => 'hello'];

可按順序讀取數組

foreach($arr as $key => $value){
 echo $arr[$key];
}

可隨機讀取數組中的元素

$arr = [1 => 'ok', 'one' => 'hello', 'a' => 'world'];

echo $arr['one'];

echo current($arr);

數組的長度是可變的

$arr = [1, 2, 3];

$arr[] = 4;

array_push($arr, 5);

正是基于這些特性，我們可以使用 PHP 中的數組輕易的實現集合、棧、列表、字典等多種數據結構。那么這些特性在底層是如何實現的呢？ 這就得從數據結構說起了。

數據結構

PHP 中的數組實際上是一個有序映射。映射是一種把 values 關聯到 keys 的類型。

PHP 數組的底層實現是散列表（也叫 hashTable )，散列表是根據鍵（Key）直接訪問內存存儲位置的數據結構，它的key - value 之間存在一個映射函數，可以根據 key 通過映射函數得到的散列值直接索引到對應的 value 值，無需通過關鍵字比較，在理想情況下，不考慮散列沖突，散列表的查找效率是非常高的，時間復雜度是 O(1)。

從源碼中我們可以看到 zend_array 的結構如下：

typedef struct _zend_array zend_array;
typedef struct _zend_array hashTable;

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;
  } u;
  uint32_t     nTableMask; // 哈希值計算掩碼，等于nTableSize的負值(nTableMask = -nTableSize)
  Bucket      *arData;   // 存儲元素數組，指向第一個Bucket
  uint32_t     nNumUsed;  // 已用Bucket數（含失效的 Bucket）
  uint32_t     nNumOfElements; // 哈希表有效元素數
  uint32_t     nTableSize;   // 哈希表總大小，為2的n次方（包括無效的元素）
  uint32_t     nInternalPointer; // 內部指針，用于遍歷
  zend_long     nNextFreeElement; // 下一個可用的數值索引,如:arr[] = 1;arr["a"] = 2;arr[] = 3; 則nNextFreeElement = 2;
  dtor_func_t    pDestructor;
};

該結構中的 Bucket 即儲存元素的數組，arData 指向數組的起始位置，使用映射函數對 key 值進行映射后可以得到偏移值，通過內存起始位置 + 偏移值即可在散列表中進行尋址操作。

Bucket 的數據結構如下：

typedef struct _Bucket {
  zval       val; // 存儲的具體 value，這里是一個 zval，而不是一個指針
  zend_ulong    h;  // 數字 key 或字符串 key 的哈希值。用于查找時 key 的比較  
  zend_string   *key; // 當 key 值為字符串時，指向該字符串對應的 zend_string（使用數字索引時該值為 NULL），用于查找時 key 的比較
} Bucket;

到這里有個問題出現了：存儲在散列表里的元素是無序的，PHP 數組如何做到按順序讀取的呢？

答案是中間映射表，為了實現散列表的有序性，PHP 為其增加了一張中間映射表，該表是一個大小與 Bucket 相同的數組，數組中儲存整形數據，用于保存元素實際儲存的 Value 在 Bucekt 中的下標。Bucekt 中的數據是有序的，而中間映射表中的數據是無序的。

而通過映射函數映射后的散列值要在中間映射表的區間內，這就對映射函數提出了要求。

映射函數

PHP7 數組采用的映射方式：

nIndex = h | ht->nTableMask;

將 key 經過 time33 算法生成的哈希值 h 和 nTableMask 進行或運算即可得出映射表的下標，其中 nTableMask 數值為 nTableSize 的負數。并且由于 nTableSize 的值為 2 的冪次方，所以 nTableMask 二進制位右側全部為 0，保證了 h | ht->nTableMask 的取值范圍會在 [-nTableSize, -1] 之間，正好在映射表的下標范圍內。另外，用按位或運算的方法和其他方法如取余的方法相比運算速度較高，這個映射函數可以說設計的非常巧妙了。

散列（哈希）沖突

不同鍵名的通過映射函數計算得到的散列值有可能相同，此時便發生了散列沖突。

對于散列沖突有以下 4 種常用方法：

1.將散列值放到相鄰的最近地址里

2.換個散列函數重新計算散列值

3.將沖突的散列值統一放到另一個地方

4.在沖突位置構造一個單向鏈表，將散列值相同的元素放到相同槽位對應的鏈表中。這個方法叫鏈地址法，PHP 數組就是采用這個方法解決散列沖突的問題。

其具體實現是：將沖突的 Bucket 串成鏈表，這樣中間映射表映射出的就不是某一個元素，而是一個 Bucket 鏈表，通過散列函數定位到對應的 Bucket 鏈表時，需要遍歷鏈表，逐個對比 Key 值，繼而找到目標元素。而每個 Bucket 之間的鏈接則是將原 value 的下標保存到新 value 的 zval.u2.next 里，新 value 放在當前位置上，從而形成一個單向鏈表。

舉個例子：

當我們訪問 $arr['key'] 的過程中，假設首先通過散列運算得出映射表下標為 -2 ，然后訪問映射表發現其內容指向 arData 數組下標為 1 的元素。此時我們將該元素的 key 和要訪問的鍵名相比較，發現兩者并不相等，則該元素并非我們所想訪問的元素，而元素的 zval.u2.next 保存的值正是另一個具有相同散列值的元素對應 arData 數組的下標，所以我們可以不斷通過 zval.u2.next 的值遍歷直到找到鍵名相同的元素。

擴容

PHP 的數組在底層實現了自動擴容機制，當插入一個元素且沒有空閑空間時，就會觸發自動擴容機制，擴容后再執行插入。

擴容的過程為：

如果已刪除元素所占比例達到閾值，則會移除已被邏輯刪除的 Bucket，然后將后面的 Bucket 向前補上空缺的 Bucket，因為 Bucket 的下標發生了變動，所以還需要更改每個元素在中間映射表中儲存的實際下標值。

如果未達到閾值，PHP 則會申請一個大小是原數組兩倍的新數組，并將舊數組中的數據復制到新數組中，因為數組長度發生了改變，所以 key-value 的映射關系需要重新計算，這個步驟為重建索引。

重建散列表

在刪除某一個數組元素時，會先使用標志位對該元素進行邏輯刪除，即在刪除 value 時只是將 value 的 type 設置為 IS_UNDEF，而不會立即刪除該元素所在的 Bucket，因為如果每次刪除元素立刻刪除 Bucket 的話，每次都需要進行排列操作，會造成不必要的性能開銷。

所以，當刪除元素達到一定數量或擴容后都需要重建散列表，即移除被標記為刪除的 value。因為 value 在 Bucket 位置移動了或哈希數組 nTableSize 變化了導致 key 與 value 的映射關系改變，重建過程就是遍歷 Bucket 數組中的 value，然后重新計算映射值更新到散列表。

關于 PHP7 的數組底層實現就總結這么些了，因為水平有限也無法研究的十分詳盡清楚，如果有疑問或者不足之處歡迎提出~~

參考資料

《PHP7 的底層設計與源碼實現》

php7-internal

總結

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對腳本之家的支持。