php数组的数据结构

从zvalue_value结构中看出，php的数组是用哈希表来实现的：HashTable *ht;

引用网上的内容介绍下哈希表：

哈希表是一种通过哈希函数，将特定的键映射到特定值的一种数据结构，它维护键和值之间一一对应关系。

键(key)：用于操作数据的标示，例如PHP数组中的索引，或者字符串键等等。

槽(slot/bucket)：哈希表中用于保存数据的一个单元，也就是数据真正存放的容器。

哈希函数(hash function)：将key映射(map)到数据应该存放的slot所在位置的函数。

哈希冲突(hash collision)：哈希函数将两个不同的key映射到同一个索引的情况。

当出现冲突时，php使用链接法来解决冲突，也就是不同的key映射到同一个槽时，这些key将按链表的方式存储，具体解决方法在下文中介绍。

php哈希的实现

php中和哈希实现相关的两个文件是Zend/zend_hash.h和Zend/zend_hash.c。在zend_hash.h中申明了哈希的数据结构和相关操作的函数，包括初始化/释放、哈希函数、基本增删改查操作函数以及为方便操作而提供的类似于utility性质的实用函数。

哈希函数hash function

php采用经典的Daniel J. Bernstein的'times 33'哈希算法，这个算法是已知的最好的哈希算法之一,在处理以字符串为键值的哈希时,有着极快的计算效率和很好哈希分布，具体算法可参考相关文档。

Bucket数据结构

php采用的是链接法解决冲突，所以每个Bucket数据结构中除了指向实际数据的指针，还需要指向链表下一个元素的指针，为了加快查找时间，php的bucket实现中采用双向链表，具体结构如下：

typedef struct bucket {

ulong h; // 对char *key进行hash后的值，或者是数字的索引值

uint nKeyLength; // hash关键字长度，如果索引为数字，那么这个值为0

void *pData; // 指向用户数据(其实是数据副本，在做UPDATE_DATA或者INIT_DATA时分配了新的空间，将用户数据拷贝了一份)，如果是一个指针，那么指向下面的pDataPtr

void *pDataPtr; // 如果是指针数据，那么这个值指向真正的用户数据(同上一个，也是用户数据的副本)，同时上面的pData指向该值。

struct bucket *pListNext; // 指向整个hash表的下一个元素

struct bucket *pListLast; // 指向整个hash表的上一个元素

struct bucket *pNext; // 指向同一个Bucket内的下一个元素

struct bucket *pLast; // 指向同一个Bucket内的上一个元素

char arKey[1];

} Bucket;

这个结构中有两套双向链表指针：pListNext&pListLast，pNext&pLast。其中，pListNext和pListLast用于构成整个哈希表的链表，这个链表中包括哈希表中的所有元素，按插入顺序构成链表。而pNext和pLast则构成同一个槽位内的Bucket链表，用于解决冲突。

拿一个具体的例子来看php哈希的内部指针，如图中所示（该图来自于网络），先后插入Bucket1，Bucket2和Bucket3，同时Bucket1和Bucket2冲突：

这种结构中的几个关键点：

1. 初始化时哈希表的大小：在初始化函数_zend_hash_init中，哈希表的实际大小被初始化为2的整数倍，这样做的好处是，哈希表的可用索引值为0 - (2^n-1)，当需要计算某个哈希值在哈希表中的具体位置时，直接用与方法：nIndex = h & ht->nTableMask;其中，nTableMash = nTableSize-1;按位与操作相比取模操作快很多。

2. 遍历哈希表：在HashTable数据结构中，有这么一个成员:pInternalPointer。这个变量指向当前遍历的元素，所以可以快速的取到下一个元素(通过pListNext取得整个哈希表中的下一个，pListLast取得整个哈希表中的上一个)。所以执行foreach语句比执行for语句快。

3. 纯数字字符串key的索引：如果key是一个数值，那么php不会去计算这个key的哈希值，直接拿这个数值作为哈希值(如果是一个负数，会转成ulong)，如果key是一个纯数字组成的字符串，php的实际做法是调用ZEND_HANDLE_NUMERIC宏，在这个宏中，会将字符串转成数值，然后将这个数值作为哈希值，所以对于纯数字的字符串key和相应数值的key没有区别，比如'10'和10这两个key是一样的。

4. 一个新的Bucket插入到哈希表中的两个操作，一个是插入到某个槽位上的List：CONNECT_TO_BUCKET_DLLIST宏，另一个是插入到哈希表的整个链表中：CONNET_TO_GLOBAL_DLLIST宏。

5. resize操作：在宏ZEND_HASH_IF_FULL_DO_RESIZE中检查是否需要resize，当元素个数超过哈希表的大小时，就做resize操作。resize时，直接将nTableSize左移1位，然后将已有的元素重新hash。

6. 实用函数：php的哈希中提供了很多实用的函数，包括copy，merge，sort(如果指定了renumbre参数，那么key会重建)，minmax，方便遍历的forward和backward等。

另外：hash解决冲突的几种算法：

1）线性探查法(Linear Probing)
该方法的基本思想是：
    将散列表T[0..m-1]看成是一个循环向量，若初始探查的地址为d(即h(key)=d)，则最长的探查序列为：
        d，d+l，d+2，…，m-1，0，1，…，d-1
    　即:探查时从地址d开始，首先探查T[d]，然后依次探查T[d+1]，…，直到T[m-1]，此后又循环到T[0]，T[1]，…，直到探查到T[d-1]为止。
探查过程终止于三种情况：
    　(1)若当前探查的单元为空，则表示查找失败（若是插入则将key写入其中）；
    (2)若当前探查的单元中含有key，则查找成功，但对于插入意味着失败；
    　(3)若探查到T[d-1]时仍未发现空单元也未找到key，则无论是查找还是插入均意味着失败(此时表满)。
利用开放地址法的一般形式，线性探查法的探查序列为：
        h_i=(h(key)+i)％m 0≤i≤m-1 //即d_i=i

（2）线性补偿探测法 
线性补偿探测法的基本思想是：
将线性探测的步长从 1 改为 Q ，即将上述算法中的 j ＝ (j ＋ 1) % m 改为： j ＝ (j ＋ Q) % m ，而且要求 Q 与 m 是互质的，以便能探测到哈希表中的所有单元。
【例】 PDP-11 小型计算机中的汇编程序所用的符合表，就采用此方法来解决冲突，所用表长 m ＝ 1321 ，选用 Q ＝ 25 。

（3）随机探测 
随机探测的基本思想是：
将线性探测的步长从常数改为随机数，即令： j ＝ (j ＋ RN) % m ，其中 RN 是一个随机数。在实际程序中应预先用随机数发生器产生一个随机序列，将此序列作为依次探测的步长。这样就能使不同的关键字具有不同的探测次序，从而可以避 免或减少堆聚。基于与线性探测法相同的理由，在线性补偿探测法和随机探测法中，删除一个记录后也要打上删除标记。

（4）拉链法解决冲突的方法
    　拉链法解决冲突的做法是：将所有关键字为同义词的结点链接在同一个单链表中。若选定的散列表长度为m，则可将散列表定义为一个由m个头指针组成的指针数 组T[0..m-1]。凡是散列地址为i的结点，均插入到以T[i]为头指针的单链表中。T中各分量的初值均应为空指针。在拉链法中，装填因子α可以大于 1，但一般均取α≤1。
【例】设有 m ＝ 5 ， H(K) ＝ K mod 5 ，关键字值序例 5 ， 21 ， 17 ， 9 ， 15 ， 36 ， 41 ， 24 ，按外链地址法所建立的哈希表如下图所示：