【Go语言踩坑系列（四）】字典

声明

本系列文章并不会停留在Go语言的语法层面，更关注语言特性、学习和使用中出现的问题以及引起的一些思考。

要点

本文关注Go语言map相关的语言特性。

map初始化与内存分配

首先，必须给map分配内存空间之后，才可以往map中添加元素：

func main() {
	var m map[int]int // 使用var语法声明一个map，不会分配内存
	m[1] = 1 // 报错：assignment to entry in nil map
}

如果你使用的是make来创建一个map，Go在声明的同时，会自动为map分配内存空间，不会报错：

func main() {
	m := make(map[int]int) // make语法创建map
	m[1] = 1 // ok
}

map中get操作的返回值

我们直接看一个例子：

func main() {
	m := make(map[int]int)
	fmt.Println(m[1]) // 0
	m[1] = 0
	fmt.Println(m[1]) // 0
}

大家看到问题了吧，如果某个key-value对在map中并不存在，不像其他语言，我们访问这个key是并不会报错的，而是返回value的零值。如果是int，那就返回0。但是，如果我们真正的往map里添加一个key-value对，其值为0，那么我们如何区分是根本没有这个key-value对，还是有这个key-value对，但是值为0呢？其实，访问map中的元素这个表达式有两个返回值：

func main() {
	m := make(map[int]int)
	v, ok := m[1]
	fmt.Println(v, ok) // 0, false
	m[1] = 0
	v, ok = m[1]
	fmt.Println(v, ok) // 0, true
}

第一个返回值和之前的例子相同，而第二个返回值就可以被用来判断，是否map中存在这个key-value对。如果存在，返回true；反之返回false，我们通常可以与if联合进行使用：

func main() {
	m := make(map[int]int)
	if _, ok := m[1]; !ok {
		fmt.Println("key不存在")
	}
}

map遍历的无序性

在Go语言中，多次遍历相同的map，得到的结果是不一样的：

func main() {
	m := make(map[int]int)
	m[0] = 1
	m[1] = 2
	m[3] = 5
	for k, v := range m {
		fmt.Println(k, v)
	}
	// 第一次遍历结果：
	0 1
    1 2
    3 5
    // 第二次遍历结果：
	3 5
    0 1
    1 2
}

为什么map是引用类型

为什么我们常常把map视为引用类型？我们先看一个简单的例子：

func main() {
	m := make(map[int]int)
	m[1] = 1 // 赋一个初始值
	test(m) // 函数调用
	fmt.Println(m[1]) // 2
}

func test(m map[int]int) {
	m[1] = 2 // 修改值
}

我们看到，当map作为函数参数传递的时候，在外部函数对map的修改，会影响到原来map的值，为什么会这样呢？
大家都知道，Go语言只有值传递，那么为什么我们还会有把指针传过去的错觉呢？这还要从字典get与set操作的底层实现说起。Go语言的map在底层是用hashtable来实现的。在我们用var语法声明一个map的时候，实际上就创建了一个hmap结构体：

type hmap struct {
	count     int // 元素个数，调用 len(map) 时，直接返回此值
	buckets    unsafe.Pointer // 指向一个bucket数组
	...
}

我们主要关注count和buckets这两个字段。count就是指map元素的个数；而buckets是真正存储map的key-value对的地方。这也就可以解释为什么我们一开始那个坑的报错问题。我们用var m map[int]int声明的map，只是分配了一个hmap结构体而已，而buckets这个字段并没有分配内存空间。
所以，最后解答我们为什么是引用类型的问题。其实我们传给test函数的值，只是一个hmap结构体；而这个结构体里面又包含了一个bucket数组的指针，也就相当于，表面上我们传了个结构体值过去，而内部却是传了一个指针，这个指针所存储的地址，也就是指针指向的bucket数组结构并没有改变。我们如果对存储key-value对的bucket进行修改，如m[1] = 2这种操作，实际上修改的就是改变了外部函数的bucket值。我们画一个图表示下：

每一个bucket数组中存储的元素结构为bmap，这里真正存储着key与value的值：

type bmap struct {
	tophash  [8]uint8   // tophash，在hash计算过程中会用到
	keys     [8]keyType // 存储key
	values   [8]keyType // 存储value
	pad      uintptr    // 填充，用于内存对齐
	overflow uintptr    // 溢出bucket，hash值相同时会用到
}

为什么key有类型约束

我们常常能够听到“Go 语言字典的键类型不可以是函数类型、字典类型和切片类型，但是value可以为任意类型"。那么，为什么Go语言官方需要对key做限制呢？为了弄清楚这个问题，我们还需要继续深入底层实现。
之前我们已经讲过hmap与bmap的基本结构了，我们继续来看Go语言map的get与set操作，基于以上存储结构，究竟是如何实现的。首先，我们基于之前的那张图，继续画一个空map的内存布局：

如图所示，每一个bucket可以存放8个key-value对。

set操作

假设我们现在要往里插入一个元素m[1] = 2，我们应该把这个元素放在bucket数组中的哪一个bucket上呢？确定了哪一个bucket之后，我们需要放到该bucket内部的哪个位置上呢？
我们首先对key进行哈希运算，假设hash(1)的结果，转成二进制值为：

10010111|000011110110110010001111001010100010010110010101010│00000

哈希值的低5位用来定位究竟是在哪一个bucket；高8位用来定位这个key-value对在bucket内部的哪个位置。
低5位为0，那么在第0号bucket；高8位为151，这个就要和bmap中的tophash有所关联了。我们在往第0号bucket中插入key-value对的时候，发现key1的位置上为空，那么直接往tophash[0]的位置上写入刚才计算的高8位hash值151，然后把key-value对插入即可。
那么，我们为什么需要写入这个tophash值呢？是因为在进行get查找操作的时候，能更加方便快速的定位到bucket内部的元素，后面我们会详细讲。我们画一个插入完m[0] = 2的示意图：

到此为止都很简单，我们继续往里面插入一个元素，m[3] = 3，假设hash(3)算出来的哈希值和刚才的一摸一样，那么这个元素应该放到哪里呢？
由于仍在0号bucket，所以往后找一个空闲的bucket即可，即key2的位置，我们在tophash[1]的位置记录下这个hash值，然后将key-value的值插入到指定的位置：

现在我们往这个字典里插入了两个元素。假设现在我要访问刚刚插入的m[3]这个值，是什么样的流程呢？

get操作

查找操作的关键是定位到key的存储位置。首先，我们需要同样先计算hash值h(3)，得到和上文一摸一样的结果：

10010111|000011110110110010001111001010100010010110010101010│00000

同样的，根据低5位定位到0号bucket，然后读取高8位的值，为151。注意下面就开始不一样了。
我们知道，所有哈希值都是存在tophash这个数组中的，我们遍历tophash这个数组，我们看到tophash[0] = 151，那么我们拿出tophash下标0对应1号位置上的key，等于1，与我们要找的key值比较之后，发现并不等于我们要找的key值3，需要继续遍历；然后继续遍历，找下一个2号位置上key，为3，和我们要找的key值3相等，最终拿出这个位置上的key-value对，就是我们最终要取得的值，get操作结束。
我想大家已经明白了，把对应位置上的key值与我们要找的key值做比较的过程，就需要用到key值比较的这个操作，所以，Go语言要求key值必须可以比较。这就解答了我们一开始的问题了。

哈希冲突的解决

解答了我们所有的问题之后，我们继续想一下，如果bucket内部满了，无法继续插入了，我们应该怎么办？这就是很经典的解决哈希表冲突的问题。
这个时候，bmap结构体内部的overflow字段就派上用场了。如果插入之后当前bucket无法容纳这个元素，Go就会新分配一个bucket，用当前bucket的overflow字段指向这个新的bucket，然后往新的bucket里插入当前key-value对即可。插入流程与前文一致：

如果overflow bucket数量过多，在get操作时，对这个overflow链表进行遍历的时间复杂度会大大升高，为了避免溢出bucket数量过多，Go语言会在超过某一个阈值的时候，触发扩容操作。Go语言bucket的扩容操作也是渐进式的，读者可以把这个扩容操作和redis的渐进式rehash扩容操作一起比较学习。
我们可以看到，Go语言结合了链地址法和开放定址法这两种方案。链地址法的操作维度是bucket，而在每个bucket内部采用的则是开放定址法。有兴趣的朋友可以看一下PHP数组底层的实现，比Go语言的实现更为简单。个人认为Go语言在某些方面（解决哈希冲突）的效率较PHP更高，而PHP中的底层结构更为简洁。限于篇幅，这里就不一一进行比较了。

下期预告

【Go语言踩坑系列（五）】错误与异常处理

关注我们

欢迎对本系列文章感兴趣的读者订阅我们的公众号，关注博主下次不迷路～