Go语言实现原理——Map实现原理

Map实现原理

1、概述

Map这一数据结构在很多语言中都存在，其查询的效率非常高，时间复杂度在O(1)的级别，其底层原理使用的是哈希表，通过计算key的hash值，找到其所在的bucket，然后再通过bucket寻找其value， 流程如下图所示

2、哈希碰撞

由于bucket的数量有限，而k-v对的数量会越来越多，因此，在通过哈希值查找对应的bucket的时候可能出现多个哈希值对应一个bucket的情况，这就是hash碰撞。为解决这个问题，可以通过拉链法或开放地址法来解决此类问题

2.1、拉链法

如果多个元素被放在一个bucket中，则会将他们以链表的形式组织起来，在查找到对应的bucket后，只需要对其进行遍历即可。

缺点：由于使用链表组织数据，因此需要额外的指针，并且也无法高效利用CPU高速缓存

2.2、开放地址法

和拉链发不一样的是，对于同一个bucket中的元素，采用的是数组的形式进行保存的，Go语言采用的正式这种方式来解决哈希冲突，在查找元素时是按顺遍历的，此方式能够较好的利用CPU的高速缓存。

3、常用操作

3.1、声明与创建

var m1 map[int]string      // m1为nil，不能进行操作
var m2 = make(map[int]int) // m2不为nil，默认长度为0

3.2、获取值

var m = make(map[int]int)
v1 := m[1]
fmt.Println(v1) // 0
v2, ok := m[2]
fmt.Println(v2, ok) // 0 false

通过上面例子不难看出，如果获取一个不存在的元素，将会得到此类型的”零值“，因此，更推荐使用第二种方法来从map中获取元素，通过第二个参数就可以判断是否存期望的值

3.3、赋值操作

var m = make(map[int]int)
// 赋值：map[key] = value
m[1] = 666
fmt.Println(m[1]) // 666
// 删除：delete(map,key)
delete(m, 1)
fmt.Println(m[1]) // 0

3.4、key的比较性

在Go语言中，map的key必须要具备可比较性。除了切片、函数、map， 不具备可比较性，其他类型几乎都具备可比较性。值得一提的是，结构体的可比较性，取决于其所有属性，如果所有则字段都是可比较的，则该结构体具有可比较性，反之则不具备可比较性。

3.5、并发问题

// 测试并发读写
// 并发读写会报错 fatal error: concurrent map read and map write
func test1() {
    
    
	m := make(map[int]int)
	go func() {
    
    
		for {
    
    
			m[0] = 5
		}
	}()
	go func() {
    
    
		for {
    
    
			_ = m[1]
		}
	}()
	select {
    
    }
}

// 测试并发读
func test2() {
    
    
	m := make(map[int]int)
	go func() {
    
    
		for {
    
    
			_ = m[0]
		}
	}()
	go func() {
    
    
		for {
    
    
			_ = m[1]
		}
	}()
	select {
    
    }
}

// 测试并发写
// 报错： fatal error: concurrent map writes
func test3() {
    
    
	m := make(map[int]int)
	go func() {
    
    
		for {
    
    
			m[0] = 5
		}
	}()
	go func() {
    
    
		for {
    
    
			m[1] = 5
		}
	}()
	select {
    
    }
}

通过上面的案例不难看出，Go语言中的Map只支持并发读，之所以这样设计，是因为在大多数场景下Map都是读多写少的，如果为了那一点点的安全性让每个方法都互斥会有点得不偿失，因此，在性能与并发安全上选择了前者。

4、底层结构

4.1、哈希表结构体

Map结构体

// A header for a Go map.
type hmap struct {
    
    
	// Note: the format of the hmap is also encoded in cmd/compile/internal/reflectdata/reflect.go.
	// Make sure this stays in sync with the compiler's definition.
	count     int // # live cells == size of map.  Must be first (used by len() builtin)
	flags     uint8
	B         uint8  // log_2 of # of buckets (can hold up to loadFactor * 2^B items)
	noverflow uint16 // approximate number of overflow buckets; see incrnoverflow for details
	hash0     uint32 // hash seed

	buckets    unsafe.Pointer // array of 2^B Buckets. may be nil if count==0.
	oldbuckets unsafe.Pointer // previous bucket array of half the size, non-nil only when growing
	nevacuate  uintptr        // progress counter for evacuation (buckets less than this have been evacuated)

	extra *mapextra // optional fields
}

借助翻译软件可以得知大部分字段的作用，这里就不重复解释了，这里介绍一下没有英文注释的flag字段，这个字段的作用记录当前map的状态，前面提到的并发问题正是借助了这个字段进行判断的

Bucket结构体

// A bucket for a Go map.
type bmap struct {
    
    
	// tophash generally contains the top byte of the **hash** value
	// for each key in this bucket. If tophash[0] < minTopHash,
	// tophash[0] is a bucket evacuation state instead.
	tophash [bucketCnt]uint8
	// Followed by bucketCnt keys and then bucketCnt elems.
	// NOTE: packing all the **keys** together and then all the **elems** together makes the
	// code a bit more complicated than alternating key/elem/key/elem/... but it allows
	// us to eliminate padding which would be needed for, e.g., map[int64]int8.
	// Followed by an overflow pointer.
}

在源码中可以看到bucketCnt在运行时为8，在这个结构体中只有一个tophash属性，它是一个长度为8的数组，通过注释可以得知它存储的是hash值，通过后面的英文解释可以得知，紧跟着的应该是key和value，在获取的时候是通过计算偏移量得到的。因此，在运行时实际的结构应该是下面的样子

// A bucket for a Go map.
type bmap struct {
    
    
	tophash [bucketCnt]uint8
	key     [bucketCnt]T
	value   [bucketCnt]T
	......
}

在后面的英文注释部分也解释了，之所以这样组织数据，是为了节省因对其而填充的空间

4.2、溢出桶

通过上面对结构体的分析可以知道，bucket结构体中的数据是存储在数组中的，而数组的长度固定是8，当往map进行存储时，bucket中的数据可能会超过8。对于这种情况，Go语言的做法是创建一个新的bucket，这个新的bucket叫做溢出桶，原bucket，和溢出桶会组织一个链，换句话说，原bucket会有一个指针指向这个溢出桶。

4.3、map重建

在使用key获取value的时候，会先找到对应的bucket，然后回去遍历这里面的元素，如果此bucket没有找到就会检查是否有溢出桶，如果有则会遍历溢出桶。我们知道遍历的效率是非常差的，因此，为了提高性能，需要增加原bucket的数量，由于map中bucket是以数组的方式组织起来的，因此需要在扩容时需要申请一块更大的内存，然后将旧的bucket复制到新的数组中去。

扩容条件

// If we hit the max load factor or we have too many overflow buckets,
// and we're not already in the middle of growing, start growing.
if !h.growing() && (overLoadFactor(h.count+1, h.B) || tooManyOverflowBuckets(h.noverflow, h.B)) {
    
    
	hashGrow(t, h)
	goto again // Growing the table invalidates everything, so try again
}

根据英文注释以及方法名称不难看出，当负载因子达到一定阈值或者溢出桶太多的时候（溢出桶和正常的桶数量一样多的时候），便会触发map重建

负载因子

下面是负载因子的计算公式：

$负载因子=元素数量/bucket数量$

负载因子可以得到目前对空间的大致使用情况，如果当前负载因子很小，说明元素数量远比申请的容量要小，例如：负载因子为1，那么平均每个bucket就只有一个元素，因为每个bucket能存放8个元素，从平均的角度来看，大约只使用到了1/8的空间。

// Maximum average load of a bucket that triggers growth is 6.5.
// Represent as loadFactorNum/loadFactorDen, to allow integer math.
loadFactorNum = 13
loadFactorDen = 2

通过上述源码可以得知，在运行时map的默认最大负载因子为6.5，也就是13÷2的结果，也就是说，当map的负载因子达到6.5的时候会进行扩容操作

扩容策略

func hashGrow(t *maptype, h *hmap) {
    
    
	// If we've hit the load factor, get bigger.
	// Otherwise, there are too many overflow buckets,
	// so keep the same number of buckets and "grow" laterally.
	bigger := uint8(1)
	if !overLoadFactor(h.count+1, h.B) {
    
    
		bigger = 0
		h.flags |= sameSizeGrow
	}
	oldbuckets := h.buckets
	newbuckets, nextOverflow := makeBucketArray(t, h.B+bigger, nil)
	//......
}

map结构体重的B字段与bucket数量的关系是：$2^B=buckets$，也就是说B每增加1，bucket就会增加一倍

在上述源码中，不难看出，如果是因为负载因子导致的扩容，bigger为1，那么B会增加1，也就是buckets的数量会翻倍，如果是因为溢出桶的数量太多导致的扩容，bigger为0，桶的数量会保持不变，进行横向“增长”。

4.4、删除原理

在使用delete(map,key)删除map中的元素的时候，会将bucket中对应位置上的值设置成emptyOne, 如果该值后面都没有值，则会设置成emptyRest, 这样做的好处是，遇到emptyRest的时候便不会继续向后遍历了。如下图所示