PHP数组详解

PHP数组的定义

1. PHP的数组是一个字典。存储着（key-value）的键值对，可以通过key值快速查找到数组，key可以为整形，或者是字符串。
2. PHP数组是有序的。这里面的顺序指的是插入顺序，即遍历元素的顺序应该和插入的顺序一致。

PHP数组的概念

PHP数组zend_array对应的是HashTable（也称作散列表），通过某种哈希函数将制定的键映射到对应的值的一种数组结构。因为它让key和value保持着一 一 对 应 关系，所以可以快速根据key查找到对应的值，查找效率O(1)

HashTable中元素介绍

• bucket ：桶，HashTable中存储数据的单元。用来存储key，value
• slot ：槽，HashTable拥有多个槽，bucket需要存储在slot中，一个slot可以拥有多个bucket
• 哈希函数：用于计算bucket所属的slot
• 哈希冲突：多个key进行计算后可能会出现属于同一个slot的情况（在文章最后会介绍PHP7的处理方法 ）。

数组的分类

pakced array 和 hash array

基本认识：

packed array ：纯属组,不定义 key 值 ，；
hash array：基于key-value 的 map

packed array特性

• key 全部为数字
• key 按插入顺序排列，且为递增的
• 每一个 key - value 的位置都是固定的，存储在bucket数组的第 key 个元素上
• packed array 不需要索引数组 （索引数组大小为2）

packed array 的实现示意图

与packed array 不同，hash array 需要通过 key 计算出 h 值存储在 bucket 数组内，通过计算需要索引数组内的 slot 值，依次往下寻找到对应的值

按照上面的特性我们基本可以判断一个数组是否为 packed array ，但仍然存在特例情况：

$a = array (1=>‘a’ , 3=> ‘b’ , 5 => ‘c’); (例1)
$a = array (1=>‘a’ , 5=> ‘b’ , 3 => ‘c’); (例2）
$a = array (1=>‘a’ , 7 => ‘c’);(例3）

上面例1，例2凭借上面的 packed array特性 可以很明显的判断出，例1 为 packed array ，例2 为 hash array（两例子全部为数字，但插入顺序例1 是递增的）；

例1 packed array 图示：

但例3 几乎与例1 相同，但实际上却是 hash array，因为在以 packed array 插入时，因只设置了 index 为 1 和 7的位置，中间的连续 bucket 未被使用，比较浪费空间；因此在空间效率和时间效率进行了一个平衡，在空间效率浪费比较多的时候，空间效率反而不如 hash array

以 packed array的方式插入 例3

以 hash array 的方式插入 例3

PHP5与PHP7的数组比较

PHP5数组

bucket结构

• arKey：对应HashTable中的key
• h：对应HashTable中的h，数字key或者字符串key的h值
• pData和pDataPtr：对应HashTable中的value ；pData和pDataPtr都是指针；但如果value的值大小等于一个指针的大小，那么将直接存储到pDataPtr上，然后pData指向pDataPtr
• nKeyLength：arKey的长度。当nKeyLength为0时，表示数字key。

整个HashTable维护一个全局链表，每个slot维护一个局部链表

• pLast 和 pNext分别指向局部链表的前后 bucket
• pListNext 和 pListLast 分别指向全局链表的前后 bucket

HashTable成员变量

• arBuckets：指针；指向一段连续的数组内存，这段数组内存指向 bucket 的指针。每一个指针代表一个 slot，并且指向 slot 的数组首元素。通过这个指着可以遍历 slot 下的所有元素
• nTableSize：arBuckets指向的连续内存中指针的个数，即 slot 的数量。该字段取值2的n次方，最小值为8，最大值为2的31次方；当bucket的数量大于slot时，则表示一个slot中存在多个 bucket ，随着bucket数量增多，会导致性能下降；这是PHP5会进行扩容，将 slot 数量翻倍，进行 rehash ，让 bucket 均匀分布
• nTableMask：数值为nTableSize - 1 ；nTableMask的每一位都是1。上文提到的hash2函数就是slot=h&nTableMask,进而获得当前 slot 的头指针：arBuckets[slot]
• nNumOfElements：bucket元素的个数。
• pListHead和pListTail：这两个指针分别指向全局链表的头和尾，保证数组的有序性。

PHP5数组的缺点

• 每个 bucket 都需要内存分配。
• 每个 bucket 都需要维护 pData 和 pDataStr 指针，但大多数情况下用不到
• 为了保证数组的一一对应，和顺序性，每个bucket都需要维护4个指向bucket的指针。对于拥有1024个bucket的HashTable，就需要额外的16KB/32KB的内存。且bucket内存是随机分配的，导致命中率不高

PHP7的数组

PHP7优化了数组的为了保证顺序性的链表设计，取消了全局链表的指针；PHP5是物理链表，PHP7是逻辑链表，bucket 存储在一段连续的数组内存中，每一个bucket只维护到下一个 bucket 在数组中的索引；

因无需维护物理指针，PHP7中的 bucket 值存在 value ，key ，h 3个字段；key 这里不再是char* 型的指针，而是一个指向 zend_string 的指针。zend_string是一种带有字符串长度，h值，gc信息的字符数组的包装（后续插入中的图示中可以见到）。

Bucket的分类

从使用角度可以分为3种：

• 未使用bucket：最初所有的bucket都是未使用状态
• 有效bucket：存在着有效数据，当插入时未使用bucket变成有效bucket。更新操作只发生在有效bucket上，更新后仍为有效bucket
• 无效bucket：当有效bucket存储的数据被删除时，有效bucket就会变为无效bucket。对于某些场景的插入可能会出现一个有效bucket和多个无效bucket

在内存的分布上，有效bucket和无效的bucket会交替分布，且都在未使用bucket前面。当删除的数据越来越多时，无效的bucket就会变多。这时会对整个bucket进行rehash操作，部分无效的bucket会变为有效的bucket 紧密分布，一部分会变为未使用bucket

bucket状态转换示意图

Rehash操作

rehash 的主要功能就是把 is_undef 的数据剔除，把有效的数据重新聚合到 bucket 数组并更新插入索引表；

重新建立索引：

rehash 不重新申请内存，在结构上做聚合调整

聚合操作：

PHP7的HashTable

• arData：存储容器；实际指向一段连续的内存，存储bucket数组
• nTableSize：HashTable的大小。表示arData指向的数组大小
• nNumUsed：表示已使用bucket的数量，包括已使用bucket和无效bucket的数量。下标从0 ~ nNumUsed - 1 的 bucket都属于已使用bucket。而下标 nNumUsed 到 nTableSize - 1 都属于未使用的bucket
• nNumElements：有效bucket的数量。该值小于或等于nNumUsed
• nTableMask：掩码。通常是负数，一般为 - nTableSize
• nInternalPointer：HashTable的全局默认游标
• nNextFreeElement：HashTable中的自然key。自然key是指HashTable的应用情况时纯数组时，插入元素无需指定key，即 $arr[] = 1,会自动插入到key等于0的位置，此时nNextFreeElement 会变为 1

数组初始化

数组初始化步骤：

1. 分配 HashTable 结构体内存，初始化各个字段 ： 设置引用计数 gc_refcount , 类别为 数组，设置最初数组大小（2^n 最小为8），引用指针等
2. 分配 bucket 数组内存，修改一些字段值

初始化后的 HashTable

• nTableMask : -2 索引表大小，由上文我们可知 packed array 未使用到索引表，即值固定为 2
• nInternalPoInter：-1 初始化尚未分配 arData，无遍历下标

插入，更新，查找，删除

插入，更新，查找，删除，这几个操作可以说是比较简单的，可以理解成从 bucket 中找到对应数据，然后进行需要的操作；下面通过几个实例语句与图示了解这几个操作

首先数组初始化：

• nTableMask : -2
• nTableSize: 8
• nInternalPointer : -1

$arr[] = 'foo'

nNumUsed 修改为1，nNumOfElements 修改为1，同时将 foo 对应的 zend_string 拷贝到第一个 bucket 中的 zval 中

$arr['a'] = 'bar'

对于指定 key 值的赋值，直线根据 key = ‘a’ 进行查找，因查找不到对应 key ，选择进行插入到 HashTable 中

$arr[] = 'xyz'
$arr[2] = 'abc'
$arr['a'] = 'foo'

对于 $arr[‘a’] = ‘foo’ , 通过zend_string_hash_val 可以计算出 h 值，发现与第一个 bucket 中 key 为 ‘a’ 的 h 值相同，然后计算 nIndex ，得到对应位置 ， 从 arData 中找到 第1个位置， 判断 key 值是否 为 ‘a’ ，然后修改对应的值为 ‘foo’

unset($arr['a'])

删除操作通过 key 值查找到 ‘a’ 对应的bucket，将 arData[-2] 对应的值修改为 -1 ，修改实际存储数量 nNumOfElements 减 1

哈希冲突

上面我们知道字符串key会经过hash运算得到对应的 h 值，但不同的key 值运算后的结果可能相同，那么在插入的时候就会造成冲突; PHP7 的处理方法是把每个冲突的 idx 放在 bucket 的 u2.next 中，插入时将老的 value 存储地址（idx）放到新 value 的next 中 ，然后将新 value 存储地址放入数组 ，如存在连续多个 nIndex 值相同 ，按上述规则向后添加 ， 遍历是按照 u2.next 的值 逐步判断是否为对应的值

---

引用书籍：
PHP7底层设计与源码实现