Golang Map 学习笔记
通过阅读大神博客,简单记录学习笔记
https://www.qcrao.com/2019/05/22/dive-into-go-map/
Map 的数据结构
在源码中,map 的结构体叫 hmap,意思是 hashmap。
// A header for a Go map.
type hmap struct {
// 元素个数,调用 len(map) 时,直接返回此值
count int
flags uint8
// buckets 的对数 log_2
B uint8
// overflow 的 bucket 近似数
noverflow uint16
// 计算 key 的哈希的时候会传入哈希函数
hash0 uint32
// 指向 buckets 数组,大小为 2^B
// 如果元素个数为0,就为 nil
buckets unsafe.Pointer
// 扩容的时候,buckets 长度会是 oldbuckets 的两倍
oldbuckets unsafe.Pointer
// 指示扩容进度,小于此地址的 buckets 迁移完成
nevacuate uintptr
extra *mapextra // optional fields
}
- B 是 buckets 数组长度的对数,意思是,2^B 就是 bucket 的数量。
buckets 是一个指针,指向一个结构体
type bmap struct {
tophash [bucketCnt]uint8
}
这只是表面,在编译期间会变成
type bmap struct {
topbits [8]uint8
keys [8]keytype
values [8]valuetype
pad uintptr
overflow uintptr
}
map 数据结构整体图
再来看一下 bmap 的结构
- 第一行粉色的是一个有 8 个元素的哈希数组,只会起到占位的作用,表示第几个位置已经有值了。
- Key 和 value 在对应有值的位置填补值。
- Key 和 value 是分开放的,这样可以省掉padding,节省内存空间。
Eg: 比如现在有一个 map[int64]int8 ,如果按照 key-value/key-value 的形式存放,那么每一组 kv 之间都需要补齐 7 个字节,会大量浪费内存空间。
Tips: int64 占 8 个字节,int8 占 1 个字节,由于内存对齐机制,他们放在一起内存会自动对齐到最大内存元素的整数倍也就是 16 个字节,所以需要补 7 个字节。
- 每个 bucket 只能存放 8 个 k-v 对,如果需要存放更多,那么就需要再构建新的 bucket 通过 overflow 连接起来。
创建 map
语法层面:
// 使用 make 正确创建 map
m1 := make(map[string]int)
m2 := make(map[string]int, 7)
// 错误方式
var m3 map[string]int
m4 := new(map[string]int)
错误的创建 map 方式是创建一块内存大小为 map[string]int 的内存,然后值类型为零值,指针类型为空指针,所以,在错误的创建方式下,如果直接操作 map 会 panic,报空指针异常。
而使用 make 的方式创建 map,底层实际调用了 makemap 函数,主要工作是初始化 hmap 结构体的各种字段。
func makemap(t *maptype, hint int64, h *hmap, bucket unsafe.Pointer) *hmap {
// 省略各种条件检查...
// 找到一个 B,使得 map 的装载因子在正常范围内
B := uint8(0)
for ; overLoadFactor(hint, B); B++ {
}
// 初始化 hash table
// 如果 B 等于 0,那么 buckets 就会在赋值的时候再分配
// 如果长度比较大,分配内存会花费长一点
buckets := bucket
var extra *mapextra
if B != 0 {
var nextOverflow *bmap
buckets, nextOverflow = makeBucketArray(t, B)
if nextOverflow != nil {
extra = new(mapextra)
extra.nextOverflow = nextOverflow
}
}
// 初始化 hamp
if h == nil {
h = (*hmap)(newobject(t.hmap))
}
h.count = 0
h.B = B
h.extra = extra
h.flags = 0
h.hash0 = fastrand()
h.buckets = buckets
h.oldbuckets = nil
h.nevacuate = 0
h.noverflow = 0
return h
}
makeMap 返回的是指针,所以当 map 作为函数参数时,在函数内部操作 map 会影响 map 自身。
key 定位过程
key 经过哈希计算后得到哈希值,共 64 个 bit 位(不讨论 32 位机)
-
定位桶:定位桶只会用到后 B 个位,例如 B 是 5,那么桶的数量也是就 buckets 数组的长度是 2^5 = 32 个
例如现在有一个 key 经过哈希计算后得到
10010111 | 000011110110110010001111001010100010010110010101010 │ 01010
后 5 位是 10,那么就定位到 10 号桶。
-
定位 key:使用哈希值的高 8 位来定位 key 在 bucket 中的位置,这里是寻找已有的 key。最开始桶内没有 key,新加入的 key 会找到第一个空位,放入。
buckets 编号就是桶编号,当两个不同的 key 落在同一个桶中,也就是发生了哈希冲突。冲突的解决手段是用链表法:在 bucket 中,从前往后找到第一个空位。这样,在查找某个 key 时,先找到对应的桶,再去遍历 bucket 中的 key。
以上图为例,B 为 5,取后 5 位来定位到 6 号桶,然后再取前 8 位,得到 151。遍历 tophash,找到值为 151 的位置。
如果在 bucket 中没找到,并且 overflow 不为空,还要继续去 overflow 中去找,直到找到或者所有的 key 槽位都找遍了包括 overflow。
以下是 mapaccess1函数源码
func mapaccess1(t *maptype, h *hmap, key unsafe.Pointer) unsafe.Pointer {
// ……
// 如果 h 什么都没有,返回零值
if h == nil || h.count == 0 {
return unsafe.Pointer(&zeroVal[0])
}
// 写和读冲突
if h.flags&hashWriting != 0 {
throw("concurrent map read and map write")
}
// 不同类型 key 使用的 hash 算法在编译期确定
alg := t.key.alg
// 计算哈希值,并且加入 hash0 引入随机性
hash := alg.hash(key, uintptr(h.hash0))
// 比如 B=5,那 m 就是31,二进制是全 1
// 求 bucket num 时,将 hash 与 m 相与,
// 达到 bucket num 由 hash 的低 8 位决定的效果
m := uintptr(1)<<h.B - 1
// b 就是 bucket 的地址
b := (*bmap)(add(h.buckets, (hash&m)*uintptr(t.bucketsize)))
// oldbuckets 不为 nil,说明发生了扩容
if c := h.oldbuckets; c != nil {
// 如果不是同 size 扩容(看后面扩容的内容)
// 对应条件 1 的解决方案
if !h.sameSizeGrow() {
// 新 bucket 数量是老的 2 倍
m >>= 1
}
// 求出 key 在老的 map 中的 bucket 位置
oldb := (*bmap)(add(c, (hash&m)*uintptr(t.bucketsize)))
// 如果 oldb 没有搬迁到新的 bucket
// 那就在老的 bucket 中寻找
if !evacuated(oldb) {
b = oldb
}
}
// 计算出高 8 位的 hash
// 相当于右移 56 位,只取高8位
top := uint8(hash >> (sys.PtrSize*8 - 8))
// 增加一个 minTopHash
if top < minTopHash {
top += minTopHash
}
for {
// 遍历 8 个 bucket
for i := uintptr(0); i < bucketCnt; i++ {
// tophash 不匹配,继续
if b.tophash[i] != top {
continue
}
// tophash 匹配,定位到 key 的位置
k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.keysize))
// key 是指针
if t.indirectkey {
// 解引用
k = *((*unsafe.Pointer)(k))
}
// 如果 key 相等
if alg.equal(key, k) {
// 定位到 value 的位置
v := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.keysize)+i*uintptr(t.valuesize))
// value 解引用
if t.indirectvalue {
v = *((*unsafe.Pointer)(v))
}
return v
}
}
// bucket 找完(还没找到),继续到 overflow bucket 里找
b = b.overflow(t)
// overflow bucket 也找完了,说明没有目标 key
// 返回零值
if b == nil {
return unsafe.Pointer(&zeroVal[0])
}
}
}
这个代码不太好看,但是结合上面的逻辑再多看几遍就懂了。
部分源码解读
key value 定位公式
// key 定位公式
k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.keysize))
// value 定位公式
v := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.keysize)+i*uintptr(t.valuesize))
b 是 bmap 的地址,这里 bmap 还是源码里定义的结构体,只包含一个 tophash 数组,经编译器扩充之后的结构体才包含 key,value,overflow 这些字段。dataOffset 是 key 相对于 bmap 起始地址的偏移:
dataOffset = unsafe.Offsetof(struct {
b bmap
v int64
}{}.v)
因此 bucket 里 key 的起始地址就是 unsafe.Pointer(b)+dataOffset。第 i 个 key 的地址就要在此基础上跨过 i 个 key 的大小;而我们又知道,value 的地址是在所有 key 之后,因此第 i 个 value 的地址还需要加上所有 key 的偏移。理解了这些,上面 key 和 value 的定位公式就很好理解了。
大循环
b = b.overflow(t)
遍历所有的 bucket,这相当于是一个 bucket 链表。
当定位到一个具体的 bucket 时,里层循环就是遍历这个 bucket 里所有的 cell,或者说所有的槽位,也就是 bucketCnt=8 个槽位。整个循环过程:
minTopHash
当一个 cell 的 tophash 值小于 minTopHash 时,标志这个 cell 的迁移状态。因为这个状态值是放在 tophash 数组里,为了和正常的哈希值区分开,会给 key 计算出来的哈希值一个增量:minTopHash。这样就能区分正常的 top hash 值和表示状态的哈希值。
下面的这几种状态就表征了 bucket 的情况:
// 空的 cell,也是初始时 bucket 的状态
empty = 0
// 空的 cell,表示 cell 已经被迁移到新的 bucket
evacuatedEmpty = 1
// key,value 已经搬迁完毕,但是 key 都在新 bucket 前半部分,
// 后面扩容部分会再讲到。
evacuatedX = 2
// 同上,key 在后半部分
evacuatedY = 3
// tophash 的最小正常值
minTopHash = 4
源码里判断这个 bucket 是否已经搬迁完毕,用到的函数:
func evacuated(b *bmap) bool {
h := b.tophash[0]
return h > empty && h < minTopHash
}
只取了 tophash 数组的第一个值,判断它是否在 0-4 之间。对比上面的常量,当 top hash 是 evacuatedEmpty
、evacuatedX
、evacuatedY
这三个值之一,说明此 bucket 中的 key 全部被搬迁到了新 bucket。
map 的两种 get
map 有两种 get 方式,带 comma 和不带 comma,我本来觉得这个太神奇了吧,golang 的函数如果有两个返回值就算不接收也要用下划线代替,但是这里就可接收可不接收。原来这是编译器做的工作,编译器在分析代码后,将 map 的 get 对应到了两个不同的函数上。
// src/runtime/hashmap.go
func mapaccess1(t *maptype, h *hmap, key unsafe.Pointer) unsafe.Pointer
func mapaccess2(t *maptype, h *hmap, key unsafe.Pointer) (unsafe.Pointer, bool)
源码真的是不拘小节,直接用 1和 2 后缀来区分,两个函数的实现基本一样,只是返回值不一样。
另外,根据 key 的不同类型,编译器还会将查找、插入、删除的函数用更具体的函数替换,以优化效率:
key 类型 | 查找 |
---|---|
uint32 | mapaccess1_fast32(t *maptype, h *hmap, key uint32) unsafe.Pointer |
uint32 | mapaccess2_fast32(t *maptype, h *hmap, key uint32) (unsafe.Pointer, bool) |
uint64 | mapaccess1_fast64(t *maptype, h *hmap, key uint64) unsafe.Pointer |
uint64 | mapaccess2_fast64(t *maptype, h *hmap, key uint64) (unsafe.Pointer, bool) |
string | mapaccess1_faststr(t *maptype, h *hmap, ky string) unsafe.Pointer |
string | mapaccess2_faststr(t *maptype, h *hmap, ky string) (unsafe.Pointer, bool) |
这些函数的参数类型直接是具体的 uint32、unt64、string,在函数内部由于提前知晓了 key 的类型,所以内存布局是很清楚的,因此能节省很多操作,提高效率。
上面这些函数都是在文件 src/runtime/hashmap_fast.go
里。
如何进行扩容
首先 golang 使用哈希表作为 map 的底层结构就是为了更快的找到 key。但是随着 key 的数量增加,key 发生碰撞的概率就越来越大。bucket 中 8 个 cell 会被逐渐塞满,那么查找、插入、删除 key 的效率就越来越低。
最理想的情况是一个 bucket 装一个 key,这样就能作为 O(1)的时间复杂度。但是这样太浪费空间,所以 golang 使用一个 bucket 装 8 个 key,这样又用时间换空间。但是也不能所有的 key 都落在同一个 bucket 里面,这样就退化成了链表,各种操作都会退化成 O(n) 的时间复杂度了。
因此,是否要进行扩容就需要有一个指标去判断。就有了「装载因子」这个指标。
loadFactor := count / (2^B)
- count 就是 map 的元素个数
- 2^B 表示 bucket 的数量
map 在插入元素的时候,会先检测以下两个条件,如果满足条件才会触发扩容。
- 装载因子超过阈值,源码里定义的阈值是 6.5。也就是说,平均每个 bucket 中元素的数量超过 6.5 就要扩容。
- overflow 的 bucket 过多。其中有两种情况:当 B 小于 15,也就是 bucket 总数 2^B 小于 2^15 时,如果 overflow 的 bucket 数量超过 2^B;当 B >= 15,也就是 bucket 总数 2^B 大于等于 2^15,如果 overflow 的 bucket 数量超过 2^15。
赋值操作的对应代码:
// 触发扩容时机
if !h.growing() && (overLoadFactor(int64(h.count), h.B) || tooManyOverflowBuckets(h.noverflow, h.B)) {
hashGrow(t, h)
}
// 装载因子超过 6.5
func overLoadFactor(count int64, B uint8) bool {
return count >= bucketCnt && float32(count) >= loadFactor*float32((uint64(1)<<B))
}
// overflow buckets 太多
func tooManyOverflowBuckets(noverflow uint16, B uint8) bool {
if B < 16 {
return noverflow >= uint16(1)<<B
}
return noverflow >= 1<<15
}
解释一下:
第 1 点:每个 bucket 有 8 个空位,在没有溢出,且所有的桶都装满的情况下,装载因子算出来的结果是 8 。因此当装载因子超过 6.5 时,表示很多 bucket 快要装满了,查找效率和插入效率都变低了,这个时候扩容是正确的选择。
第 2 点:在装载因子较小的情况下,map 的查询效率也会比较低,但是第 1 点无法感知这种现象。可以理解为,装载因子比较小,即 map 的元素总数较少,但是 bucket 的数量比较多(bucket 包括普通的 bucket 和挂在 overflow 的 bucket)。所以当装载因子比较小的时候会触发重新分配的操作。
造成第 2 点的原因是:不停地插入、删除元素。先插入很多元素,导致创建了很多的 bucket,但是又没有达到装载因子的临界值,未触发扩容;后来又删除元素,降低了元素的总数量,再插入很多元素,导致创建了很多的 overflow bucket,还是不会触发第 1 点的规则,你能拿我怎么办???overflow bucket 的数量太多,导致 key 会很分散,查找插入的效率非常低,所以有了第 2 点的规定。
当命中 1、2 条件,都会发生扩容,准确的说第 2 点并不能称为扩容,应该叫重新分配key 的位置。
扩容策略
对于第 1 点: 元素太多,bucket 太少,很简单:将 B + 1,bucket 的数量(2 ^ B) 变为原来的两倍。于是就有了新老 bucket。注意:刚扩容完元素依然在老 bucket 里,还没有移到新 bucket 里,新 bucket 只是数量变为了老 bucket 的两倍。
对于第 2 点:元素不多,但是 bucket 特别多,说明 bucket 都没满。解决办法就是开辟一个大小与老 bucket 一样的空间,把老 bucket 的元素迁移到新的 bucket ,使其元素排列更加紧密。这样一来,原来在 overflow bucket 中的元素就可以启动到 bucket 中,节省空间,提高 bucket 的利用率,且 map 的查找和插入效率就会提升。
迁移策略:之所以不立刻迁移元素,如果元素过多,扩容完立刻迁移会造成性能的下降。那什么时候迁移呢?golang map 的新老 bucket 元素迁移不是一次性的,是「渐进式」的,只有在每次插入、修改、删除 key 的时候会尝试将老 bucket 中的元素迁移到新的 bucket 中,且每次最多迁移两个。这也就是为什么 map 结构体中有个表示迁移状态的字段。
迁移具体逻辑:
func evacuate(t *maptype, h *hmap, oldbucket uintptr) {
// 定位老的 bucket 地址
b := (*bmap)(add(h.oldbuckets, oldbucket*uintptr(t.bucketsize)))
// 结果是 2^B,如 B = 5,结果为32
newbit := h.noldbuckets()
// key 的哈希函数
alg := t.key.alg
// 如果 b 没有被搬迁过
if !evacuated(b) {
var (
// 表示bucket 移动的目标地址
x, y *bmap
// 指向 x,y 中的 key/val
xi, yi int
// 指向 x,y 中的 key
xk, yk unsafe.Pointer
// 指向 x,y 中的 value
xv, yv unsafe.Pointer
)
// 默认是等 size 扩容,前后 bucket 序号不变
// 使用 x 来进行搬迁
x = (*bmap)(add(h.buckets, oldbucket*uintptr(t.bucketsize)))
xi = 0
xk = add(unsafe.Pointer(x), dataOffset)
xv = add(xk, bucketCnt*uintptr(t.keysize))、
// 如果不是等 size 扩容,前后 bucket 序号有变
// 使用 y 来进行搬迁
if !h.sameSizeGrow() {
// y 代表的 bucket 序号增加了 2^B
y = (*bmap)(add(h.buckets, (oldbucket+newbit)*uintptr(t.bucketsize)))
yi = 0
yk = add(unsafe.Pointer(y), dataOffset)
yv = add(yk, bucketCnt*uintptr(t.keysize))
}
// 遍历所有的 bucket,包括 overflow buckets
// b 是老的 bucket 地址
for ; b != nil; b = b.overflow(t) {
k := add(unsafe.Pointer(b), dataOffset)
v := add(k, bucketCnt*uintptr(t.keysize))
// 遍历 bucket 中的所有 cell
for i := 0; i < bucketCnt; i, k, v = i+1, add(k, uintptr(t.keysize)), add(v, uintptr(t.valuesize)) {
// 当前 cell 的 top hash 值
top := b.tophash[i]
// 如果 cell 为空,即没有 key
if top == empty {
// 那就标志它被"搬迁"过
b.tophash[i] = evacuatedEmpty
// 继续下个 cell
continue
}
// 正常不会出现这种情况
// 未被搬迁的 cell 只可能是 empty 或是
// 正常的 top hash(大于 minTopHash)
if top < minTopHash {
throw("bad map state")
}
k2 := k
// 如果 key 是指针,则解引用
if t.indirectkey {
k2 = *((*unsafe.Pointer)(k2))
}
// 默认使用 X,等量扩容
useX := true
// 如果不是等量扩容
if !h.sameSizeGrow() {
// 计算 hash 值,和 key 第一次写入时一样
hash := alg.hash(k2, uintptr(h.hash0))
// 如果有协程正在遍历 map
if h.flags&iterator != 0 {
// 如果出现 相同的 key 值,算出来的 hash 值不同
if !t.reflexivekey && !alg.equal(k2, k2) {
// 只有在 float 变量的 NaN() 情况下会出现
if top&1 != 0 {
// 第 B 位置 1
hash |= newbit
} else {
// 第 B 位置 0
hash &^= newbit
}
// 取高 8 位作为 top hash 值
top = uint8(hash >> (sys.PtrSize*8 - 8))
if top < minTopHash {
top += minTopHash
}
}
}
// 取决于新哈希值的 oldB+1 位是 0 还是 1
// 详细看后面的文章
useX = hash&newbit == 0
}
// 如果 key 搬到 X 部分
if useX {
// 标志老的 cell 的 top hash 值,表示搬移到 X 部分
b.tophash[i] = evacuatedX
// 如果 xi 等于 8,说明要溢出了
if xi == bucketCnt {
// 新建一个 bucket
newx := h.newoverflow(t, x)
x = newx
// xi 从 0 开始计数
xi = 0
// xk 表示 key 要移动到的位置
xk = add(unsafe.Pointer(x), dataOffset)
// xv 表示 value 要移动到的位置
xv = add(xk, bucketCnt*uintptr(t.keysize))
}
// 设置 top hash 值
x.tophash[xi] = top
// key 是指针
if t.indirectkey {
// 将原 key(是指针)复制到新位置
*(*unsafe.Pointer)(xk) = k2 // copy pointer
} else {
// 将原 key(是值)复制到新位置
typedmemmove(t.key, xk, k) // copy value
}
// value 是指针,操作同 key
if t.indirectvalue {
*(*unsafe.Pointer)(xv) = *(*unsafe.Pointer)(v)
} else {
typedmemmove(t.elem, xv, v)
}
// 定位到下一个 cell
xi++
xk = add(xk, uintptr(t.keysize))
xv = add(xv, uintptr(t.valuesize))
} else { // key 搬到 Y 部分,操作同 X 部分
// ……
// 省略了这部分,操作和 X 部分相同
}
}
}
// 如果没有协程在使用老的 buckets,就把老 buckets 清除掉,帮助gc
if h.flags&oldIterator == 0 {
b = (*bmap)(add(h.oldbuckets, oldbucket*uintptr(t.bucketsize)))
// 只清除bucket 的 key,value 部分,保留 top hash 部分,指示搬迁状态
if t.bucket.kind&kindNoPointers == 0 {
memclrHasPointers(add(unsafe.Pointer(b), dataOffset), uintptr(t.bucketsize)-dataOffset)
} else {
memclrNoHeapPointers(add(unsafe.Pointer(b), dataOffset), uintptr(t.bucketsize)-dataOffset)
}
}
}
// 更新搬迁进度
// 如果此次搬迁的 bucket 等于当前进度
if oldbucket == h.nevacuate {
// 进度加 1
h.nevacuate = oldbucket + 1
// Experiments suggest that 1024 is overkill by at least an order of magnitude.
// Put it in there as a safeguard anyway, to ensure O(1) behavior.
// 尝试往后看 1024 个 bucket
stop := h.nevacuate + 1024
if stop > newbit {
stop = newbit
}
// 寻找没有搬迁的 bucket
for h.nevacuate != stop && bucketEvacuated(t, h, h.nevacuate) {
h.nevacuate++
}
// 现在 h.nevacuate 之前的 bucket 都被搬迁完毕
// 所有的 buckets 搬迁完毕
if h.nevacuate == newbit {
// 清除老的 buckets
h.oldbuckets = nil
// 清除老的 overflow bucket
// 回忆一下:[0] 表示当前 overflow bucket
// [1] 表示 old overflow bucket
if h.extra != nil {
h.extra.overflow[1] = nil
}
// 清除正在扩容的标志位
h.flags &^= sameSizeGrow
}
}
}
总结一下:
先判断是哪种条件下的迁移:
如果是符合第 1 点的扩容,那么在决定 key 在哪个 bucket 里时,就取key 的 hash 值的低 B+1 位。
如果是符合第 2 点的扩容,与原来一样。
map 遍历的无序特性:
这样也就解释了 map 的遍历为什么是无序的了,因为如果发生了扩容,曾经在同一个 bucket 的元素可能就不在一起了。就像是你高中毕业了,那么你的大学同学很难有高中同学一样。
如果有人说,我就固定给 map 里写几个元素,那么遍历不就是一个伪有序的了吗?其实在 Go1.0 后版本,开发者在每次遍历时,都会从随机的位置开始遍历,并且在 bucket 里随机位置开始读元素,这么做的目的是为了防止新手程序员误以为 map 的遍历是有序的。我只能说:高!
map 的遍历
map 的遍历看似很简单,就好像挨个遍历就行,但是复杂的地方是,如果遍历前发生过扩容,并且老 bucket 的元素还没有迁移完,这时对这个中间态的遍历是比较复杂的。
下面举一个遍历中间态的栗子🌰
假设有一个 map,刚开始 B = 1(也就是有两个 bucket),后来发生了扩容(不纠结是否满足条件,只是为了举例子),B 变成了 2,1 号 bucket 中的内容迁移到了新的 bucket,1 号 bucket 裂变成新 1 号和新 3 号。0 号 bucket 暂未迁移,老的 bucket 挂在 *oldbuckets 指针上,新的挂在 *buckets 上。
这时,我们对 map 进行遍历,假设初始化后,startBucket(初始 bucket 下标) = 3,offset(初始 cell 位置) = 2。那么就变成:
标红表示起始位置,bucket 的遍历顺序为:3 -> 0 -> 1 -> 2
因为新 3 号对应的老 1 号(对应关系是 二进制的低 B - 1 位),所以先检查老 1 号是否迁移完了,判断方法是:
func evacuated(b *bmap) bool {
h := b.tophash[0]
return h > empty && h < minTopHash
}
如果 b.tophash[0] 的值在标志值范围内,即在 (0,4) 区间里,说明已经被搬迁过了。
empty = 0
evacuatedEmpty = 1
evacuatedX = 2
evacuatedY = 3
minTopHash = 4
本例中老 1 号已经迁移完成,所以只需要遍历新 3 号的 bucket 即可。遍历完后得到:
因为新 3 号有 overflow bucket ,因此还需要遍历 overflow bucket ,得到结果:
新 3 号遍历完后,到新 0 号,新 0 号对应老 0 号,先检查老 0 号是否迁移完成,发现没迁移完,遍历老 0 号。
注意:并不是把老 0 号的所有值取出来,因为老的 bucket 会裂变成两个新的 bucket,因此这里只会拿出原本要迁移到新 0 号的元素,也就是 key hash 值的低新 B 位,得到结果:
然后遍历到新 1 号,和之前一样,发现老 1 号已经前已完成,遍历新 1 号得到:
遍历到新 2 号,和新 0 号一样的逻辑,得到结果:
最后遍历到新 3 号时,发现所有的 bucket 都遍历完了,结束。
map 的赋值和删除比较简单,因为篇幅原因,先不诺列了。