每天一个PHP语法六数组使用及内部结构

说明

这里基于php7.2.5进行测试，php7之后内部结构变化应该不是太大，但与php5.X有差别。

我们今天学习PHP中的数组语法，数组在PHP中堪称万能结构，什么都能存什么都能放，非常灵活，因为PHP没有其他语言的如map、list等结构，PHParray就够了。

我们前面说变量的存储结构为zval, 值呢放在zend_value中，忘了的看这里

如何声明

$arr  = [];
$arr[1] = "hello";

$arr1 = ['name' => '愤怒的鸟'];

如何实现

数组的底层结构为zend_array 也叫HashTable，也就是通过对数组的key进行hash计算之后能直接获取value的地址，时间复杂度为O(1)那是很快的。

typedef struct _zend_array HashTable;

struct _zend_array {
	zend_refcounted_h gc;// 引用计数
	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; // 中间映射计算
	Bucket           *arData; // 这里是真正存放数组元素的地方
	uint32_t          nNumUsed; // 已使用的bucket数量，可能包含已删除的元素
	uint32_t          nNumOfElements; // 数组中有效元素的数量
	uint32_t          nTableSize; // 数组的总容量
	uint32_t          nInternalPointer;
	zend_long         nNextFreeElement;// 数值索引的值
	dtor_func_t       pDestructor;
};


typedef struct _Bucket {
	zval              val; // 元素的值 实际是一个zval
	zend_ulong        h;  /* 数组key 经过hash计算得出的值 */              /* hash value (or numeric index)   */
	zend_string      *key;   /*元素的key*/           /* string key or NULL for numerics */
} Bucket;

我们知道数组的key可以是数字或者字符串，但是PHP中的数组是有序的，也就是跟插入顺序是保持一致的，那么是如何做到的。

结论：key在存入bucket之前先通过一个中间映射表保存key的位置，先对key进行hash计算然后与数组大小值进行取模运算得出这个key在中间表的位置，然后在中间表的位置存储这个key在bucket中的位置。如图

这里在key是字符串的时候需要进行hash计算，如果是数值就直接拿来用就行了。

插入元素

这个操作比较明晰了，先计算中间表的位置，再存储到bucket

add_to_hash:
	// nMumUsed  Bucket的数量 ++
	idx = ht->nNumUsed++;
// 有效元素的数量 ++
	ht->nNumOfElements++;
	if (ht->nInternalPointer == HT_INVALID_IDX) {
		ht->nInternalPointer = idx;
	}
	zend_hash_iterators_update(ht, HT_INVALID_IDX, idx);
// arData的内存位置 给当前元素用
	p = ht->arData + idx;
// 设置bucket的key
	p->key = key;
	if (!ZSTR_IS_INTERNED(key)) {
		zend_string_addref(key);
		ht->u.flags &= ~HASH_FLAG_STATIC_KEYS;
		zend_string_hash_val(key);
	}
// 设置bucket的h值 ，这里其实是zend_string中的h 
	p->h = h = ZSTR_H(key);
// 设置bucket的val, 
	ZVAL_COPY_VALUE(&p->val, pData);
// 在bucket中的位置
	nIndex = h | ht->nTableMask;
	Z_NEXT(p->val) = HT_HASH(ht, nIndex);
	HT_HASH(ht, nIndex) = HT_IDX_TO_HASH(idx);

	return &p->val;

查找元素

先自己思考一下我们在获取数组的值$a['name'],是如何获取的，先用key计算hash值，拿到中间表的位置，再拿到bucket的位置，就能取到值了

// 拿到key的hash值
h = zend_string_hash_val(key);
	arData = ht->arData;
// 拿到中间表的位置
	nIndex = h | ht->nTableMask;
// 拿到bucket的位置
	idx = HT_HASH_EX(arData, nIndex);
// 这里先不看
	while (EXPECTED(idx != HT_INVALID_IDX)) {
		p = HT_HASH_TO_BUCKET_EX(arData, idx);
    //
		if (EXPECTED(p->key == key)) { /* check for the same interned string */
			return p;
		} else if (EXPECTED(p->h == h) &&
		     EXPECTED(p->key) &&
		     EXPECTED(ZSTR_LEN(p->key) == ZSTR_LEN(key)) &&
		     EXPECTED(memcmp(ZSTR_VAL(p->key), ZSTR_VAL(key), ZSTR_LEN(key)) == 0)) {
			return p;
		}
		idx = Z_NEXT(p->val);
	}

hash冲突

hash计算不可避免的在数据量大的时候有冲突的几率，一般一个常用方法是拉链法，也就是冲突元素串成链表，当keyhash冲突后遍历这个位置的链表，最终拿到匹配的key, 也就是上面的查找元素中while那一段，来看下PHP hashTable是如何处理的，我们还是分析上面那一段代码

add_to_hash:
	// nMumUsed  Bucket的数量 ++
	idx = ht->nNumUsed++;
// 有效元素的数量 ++
	ht->nNumOfElements++;
	if (ht->nInternalPointer == HT_INVALID_IDX) {
		ht->nInternalPointer = idx;
	}
	zend_hash_iterators_update(ht, HT_INVALID_IDX, idx);
// arData的内存位置 给当前元素用
	p = ht->arData + idx;
// 设置bucket的key
	p->key = key;
	if (!ZSTR_IS_INTERNED(key)) {
		zend_string_addref(key);
		ht->u.flags &= ~HASH_FLAG_STATIC_KEYS;
		zend_string_hash_val(key);
	}
// 设置bucket的h值 ，这里其实是zend_string中的h 
	p->h = h = ZSTR_H(key);
// 设置bucket的val, 
	ZVAL_COPY_VALUE(&p->val, pData);
// 在bucket中的位置
	nIndex = h | ht->nTableMask;
// 这一步，把 bucket当前位置nIndex的元素，设置为新值的next  
// 也就是 ht[idx] = p->newval , p->nexal -> next -> p->oldval
	Z_NEXT(p->val) = HT_HASH(ht, nIndex);
	HT_HASH(ht, nIndex) = HT_IDX_TO_HASH(idx);

	return &p->val;



// 这里是 zval.u2.next 下一个元素，忘了的看zval结构
#define Z_NEXT(zval)				(zval).u2.next
// 这里就是取到 data[idx]的元素
#define HT_HASH_EX(data, idx) \
	((uint32_t*)(data))[(int32_t)(idx)]
#define HT_HASH(ht, idx) \
	HT_HASH_EX((ht)->arData, idx)

上图

扩容

PHP数组在初始化时不需要指定容量大小，也就是它是自动扩容的，如何实现呢。

结论：如果插入元素时发现容量不够了，如果已删除的元素达到一定比例就重建索引，如果没有达到就会进行原大小2倍的扩容，然后复制元素到新数组。

IS_CONSISTENT(ht);
	HT_ASSERT_RC1(ht);

// 是否达到了这个值
	if (ht->nNumUsed > ht->nNumOfElements + (ht->nNumOfElements >> 5)) { /* additional term is there to amortize the cost of compaction */
		zend_hash_rehash(ht);
	} else if (ht->nTableSize < HT_MAX_SIZE) {	/* Let's double the table size */
    // 这里会扩容2倍
		void *new_data, *old_data = HT_GET_DATA_ADDR(ht);
    // 2倍
		uint32_t nSize = ht->nTableSize + ht->nTableSize;
		Bucket *old_buckets = ht->arData;
// 申请内存
		new_data = pemalloc(HT_SIZE_EX(nSize, -nSize), ht->u.flags & HASH_FLAG_PERSISTENT);
    // 设置一些属性
		ht->nTableSize = nSize;
		ht->nTableMask = -ht->nTableSize;
		HT_SET_DATA_ADDR(ht, new_data);
    // 复制buckets
		memcpy(ht->arData, old_buckets, sizeof(Bucket) * ht->nNumUsed);
    // 删除老bucket
    
		pefree(old_data, ht->u.flags & HASH_FLAG_PERSISTENT);
		zend_hash_rehash(ht);
	} else {
		zend_error_noreturn(E_ERROR, "Possible integer overflow in memory allocation (%u * %zu + %zu)", ht->nTableSize * 2, sizeof(Bucket) + sizeof(uint32_t), sizeof(Bucket));
	}

总结

PHP数组底层是hashTable, 通过一个中间映射表实现顺序性，自动扩容，value可以任何类型，key可以是int也可以是string

参考资料：

《PHP内核剖析》