Python中Dict兩種實現(xiàn)的原理詳解
前記
在Python
中, Dict是一系列由鍵和值配對組成的元素的集合, 它是一個可變?nèi)萜髂P?,可以存儲任意類型對? Dict的存取速度非常的快, 而這全靠他的哈希算法的功勞, 在Python
3.6之前Dict是無序的, 在Python
3.6中絕大部分是有序的, 在Python
3.7以及之后則是絕對有序的, 而且占用內(nèi)存空間更少, 對于萬物基于Dict的Python
,這算一個大優(yōu)化, 也讓我好奇Python
是如何實現(xiàn)哈希有序的.
1.無序Dict的實現(xiàn)
Dict在查找key時非常的快, 這得益于它的使用空間換時間思路和哈希實現(xiàn)。的在讀取和寫入Key時, 都會對Key進(jìn)行哈希計算(所以要求Key都是不可變類型,如果是可變類型,就無法計算出他的哈希值了), 然后根據(jù)計算的值, 與當(dāng)前的數(shù)組空間長度進(jìn)行取模計算, 得到的值就是當(dāng)前Key在數(shù)組的下標(biāo), 最后通過下標(biāo)就可以以O(shè)(1)的時間復(fù)雜度讀取值. 這種實現(xiàn)非常棒, 也是分布式的常見做法, 但也有問題, 如果數(shù)組滿了怎么辦或者是不同的Key, 但是哈希結(jié)果是一樣的怎么辦?
針對第一個問題的解決辦法是在合適的時候進(jìn)行擴(kuò)容, 在Python
中, 當(dāng)Dict中放置的數(shù)量占容量的2/3時, Dict就會開始擴(kuò)容, 擴(kuò)容后的總?cè)萘渴菙U(kuò)容之前的一倍, 這是為了減少頻繁擴(kuò)容, 導(dǎo)致key的遷移次數(shù)變多;
而針對第二個問題則有兩個解法:
鏈接法: 原本數(shù)組里面存的是Key對應(yīng)的值, 而鏈接法的數(shù)組存的是一個數(shù)組, 這個數(shù)組存了一個包含key和對應(yīng)值的數(shù)組, 如下所示, 假設(shè)key1和key2的哈希結(jié)果都是0, 那就會插入到數(shù)組的0下標(biāo)中, key1在0下標(biāo)的數(shù)組的第一位, 而key2在插入時,發(fā)現(xiàn)已經(jīng)存在key1了, 再用key2與key1進(jìn)行對比, 發(fā)現(xiàn)它們的key其實是不一樣的, 那就在0下標(biāo)進(jìn)行追加.
array = [ [ # 分別為key, hash值, 數(shù)值 ('key1', 123, 123), ('key2', 123, 123) ], [ ('key3', 123, 123) ] ]
開發(fā)尋址法: 開發(fā)尋址法走的是另外一個思路, 采取借用的思想, 在插入數(shù)據(jù)時, 如果遇到了沖突那就去使用當(dāng)前下標(biāo)的下一位, 如果下一位還是沖突, 就繼續(xù)用下一位.在查找數(shù)據(jù)時則會對哈希值對應(yīng)的key進(jìn)行比較, 如果有值且對不上就找下一位, 直到或者空位找到為止。
上面兩個的方案的實現(xiàn)都很簡單, 對比下也很容易知道他們的優(yōu)缺點:
鏈表法的優(yōu)點:
- 刪除記錄方便, 直接處理數(shù)組對應(yīng)下標(biāo)的子數(shù)組即可.
- 平均查找速度快, 如果沖突了, 只需要對子數(shù)組進(jìn)行查詢即可
鏈表法的缺點:
- 用到了指針, 導(dǎo)致了查詢速度會偏慢一點, 內(nèi)存占用可能會較高, 不適合序列化. 而開放尋址法的優(yōu)缺點是跟鏈表法反過來的, 由于Python萬物基于Dict, 且都需要序列化, 所以選擇了開放尋址法.
通過對比鏈表法和開放尋執(zhí)法都可以發(fā)現(xiàn), 他們都是針對哈希沖突的一個解決方案, 如果存數(shù)據(jù)的數(shù)組夠大, 那么哈希沖突的可能性就會很小, 不用頻繁擴(kuò)容遷移數(shù)據(jù), 但是占用的空間就會很大.所以一個好的哈希表實現(xiàn)初始值都不能太大, 在Python
的Dict的初始值是8. 另外哈希表還需要讓存數(shù)據(jù)的數(shù)組的未使用空位保持在一個范圍值內(nèi)波動, 這樣空間的使用和哈希沖突的概率都會保持在一個最優(yōu)的情況, 但由于每次擴(kuò)容都會消耗很大的性能, 也不能每次更改都進(jìn)行一次擴(kuò)容, 所以需要確定一個值, 當(dāng)未使用/使用的占比達(dá)到這個值時, 就自動擴(kuò)容, 在Python
的Dict中這個值是2/3. 也就是當(dāng)Dict里面使用了2/3的空間后, 他就會自動擴(kuò)容, 使他達(dá)到一個新的最優(yōu)平衡. 同時, 為了減少每次擴(kuò)容時key的遷移次數(shù), 擴(kuò)容后的總?cè)萘恳欢ㄊ菙U(kuò)容之前的總?cè)萘康囊槐? 這樣的話, key只需要遷移一半的數(shù)量即可.
哈希表擴(kuò)容一倍只會遷移一半的key的原因是獲取key在數(shù)組的下標(biāo)是通過對哈希值取模實現(xiàn)的, 比如一個哈希表容量為8,一個哈希值為20的key取模值為4,哈希表擴(kuò)容后長度變?yōu)?6, 此時取模結(jié)果還是4。而一個哈希值為11的key取模值為3, 擴(kuò)容后取模值為11。可以很明顯的看出,擴(kuò)容后原來哈希值大于容量的key都不用做遷移, 而哈希值小于容量的都需要遷移。
但是如果按照上面是說法, 開放尋址法還是有一個問題的, 比如下面的數(shù)組:
arrray = [None, None, None, None, True, True, True, True]
以True代表當(dāng)前數(shù)組的位置已經(jīng)被占用, None代表未被占用, 可以看出當(dāng)前并未滿足使用了數(shù)組的2/3空間, 數(shù)組還未到擴(kuò)容階段。 此時假設(shè)要插入一個Key, 剛好落在數(shù)組下標(biāo)4, 那么插入的時候就要一直查詢下去, 最后發(fā)現(xiàn)只有數(shù)組下標(biāo)0的位置的空的, 才可以真正的插入數(shù)據(jù). 對于一個長度只有8的數(shù)組, 需要執(zhí)行5次才能插入數(shù)據(jù), 那也太浪費性能了, 所以Python
要實現(xiàn)一個算法, 盡量讓沖突的數(shù)據(jù)插在別的地方. 在源碼中, Python
用到了公式x = ((5*y) + 1) % 2**i
來實現(xiàn)跳躍插入沖突數(shù)據(jù). 式子中x為數(shù)組的下一個坐標(biāo), y為當(dāng)前發(fā)生沖突的坐標(biāo),i為容量系數(shù), 比如初始化時, i為3, 那么容量就是8了, 第一次插入數(shù)據(jù)到坐標(biāo)0沖突時, y = 0, 帶入公式后, 求得x 等于1, 第二次插入數(shù)據(jù)到坐標(biāo)0時, y = 1, 求得x 等于 6, 通過這樣算下去, 可以發(fā)現(xiàn)數(shù)字生成軌跡是0>1>6>7>4>5>2>3>0一直循環(huán)著, 這樣跳著插數(shù)據(jù)就能完美解決上面場景的問題.
2.有序Dict的原理
Python
3.6之前說的差不多, 它的數(shù)組大概是長這樣的, 數(shù)組中存了子數(shù)組, 第一項為hash值, 第二項為key, 第三項為值.
array = [ [], [123456, "key1", 1], [], [], [], [234567, "key2", 2], [], [] ]
這種實現(xiàn)的空間大小在初始化時就固定了, 直到下次擴(kuò)容再發(fā)送變化, 在遍歷字典時, 實際上就是遍歷數(shù)組, 只是把沒有占用的空間進(jìn)行跳過.可以看出這種遍歷的生成的順序只跟哈希結(jié)果相關(guān), 無法跟插入順序相關(guān), 所以這種方法的實現(xiàn)是無序的(同時由于每次啟動程序時, 他們的哈希計算是不一樣的, 所以每次遍歷的順序也就各不相同了).
而在Python
3.7之后, Python
的Dict使用了新的數(shù)據(jù)結(jié)構(gòu), 使Python
新Dict的內(nèi)存占用也比老的Dict少了, 同時新的Dict在遍歷時是跟插入順序是一致的, 具體的實現(xiàn)是, 初始化時會生成兩個數(shù)組, 插入值時, 在數(shù)組二追加當(dāng)前的數(shù)據(jù), 并獲得當(dāng)前追加數(shù)據(jù)所在的下標(biāo)A, 然后對key進(jìn)行哈希取模算出下標(biāo)B, 最后對數(shù)組下標(biāo)B的值更新為A, 簡單的演示如下:
# 初始的結(jié)構(gòu) # -1代表還未插入數(shù)據(jù) array_1 = [-1, -1, -1, -1, -1, -1, -1, -1] array_2 = [] # 插入值后, 他就會變?yōu)? array_1 = [-1, 0, -1, -1, -1, 1, -1, -1] array_2 = [ [123456, "key1", 1], [234567, "key2", 2], ]
可以看出, 數(shù)組2的容量跟當(dāng)前放入的值相等的, 數(shù)組1雖然還會保持1/3的空閑標(biāo)記位, 但他只保存數(shù)組二的下標(biāo), 占用空間也不多, 相比之前的方案會節(jié)省一些空間, 同時在遍歷的時候可以直接遍歷數(shù)組2, 這樣Python
的Dict就變?yōu)橛行虻牧? 注: 為了保持操作高效, 在刪除的時候, 只是把數(shù)組1的值設(shè)置為-2, 并把數(shù)組2對應(yīng)的值設(shè)置為None, 而不去刪除它, 在查找時會忽略掉數(shù)組1中值為-2的元素, 在遍歷時會忽略掉值為None的元素.
3.有序字典的實現(xiàn)
通過上面的了解后, 可以使用Python
來寫一個新版Dict的實現(xiàn), 具體說明見注釋:
from typing import Any, Iterable, List, Optional, Tuple class CustomerDict(object): def __init__(self): self._init_seed: int = 3 # 容量因子 self._init_length: int = 2 ** self._init_seed # 初始化數(shù)組大小 self._load_factor: float = 2 / 3 # 擴(kuò)容因子 self._index_array: List[int] = [-1 for _ in range(self._init_length)] # 存放下標(biāo)的數(shù)組 self._data_array: List[Optional[Tuple[int, Any, Any]]] = [] # 存放數(shù)據(jù)的數(shù)組 self._used_count: int = 0 # 目前用的量 self._delete_count: int = 0 # 被標(biāo)記刪除的量 def _create_new(self): """擴(kuò)容函數(shù)""" self._init_seed += 1 # 增加容量因子 self._init_length = 2 ** self._init_seed old_data_array: List[Tuple[int, Any, Any]] = self._data_array self._index_array: List[int] = [-1 for _ in range(self._init_length)] self._data_array: List[Tuple[int, Any, Any]] = [] self._used_count = 0 self._delete_count = 0 # 這里只是簡單實現(xiàn), 實際上只需要搬運一半的數(shù)據(jù) for item in old_data_array: if item is not None: self.__setitem__(item[1], item[2]) def _get_next(self, index: int): """計算沖突的下一跳,如果下標(biāo)對應(yīng)的值沖突了, 需要計算下一跳的下標(biāo)""" return ((5*index) + 1) % self._init_length def _core(self, key: Any, default_value: Optional[Any] = None) -> Tuple[int, Any, int]: """獲取數(shù)據(jù)或者得到可以放新數(shù)據(jù)的方法, 返回值是index_array的索引, 數(shù)據(jù), data_array的索引""" index: int = hash(key) % (self._init_length - 1) while True: data_index: int = self._index_array[index] # 如果是-1則代表沒有數(shù)據(jù) if data_index == -1: break # 如果是-2則代表之前有數(shù)據(jù)則不過被刪除了 elif data_index == -2: index = self._get_next(index) continue _, new_key, default_value = self._data_array[data_index] # 判斷是不是對應(yīng)的key if key != new_key: index = self._get_next(index) else: break return index, default_value, data_index def __getitem__(self, key: Any) -> Any: _, value, data_index = self._core(key) if data_index == -1: raise KeyError(key) return value def __setitem__(self, key: Any, value: Any) -> None: if (self._used_count / self._init_length) > self._load_factor: self._create_new() index, _, _ = self._core(key) self._index_array[index] = self._used_count self._data_array.append((hash(key), key, value)) self._used_count += 1 def __delitem__(self, key: Any) -> None: index, _, data_index = self._core(key) if data_index == -1: raise KeyError(key) self._index_array[index] = -2 self._data_array[data_index] = None self._delete_count += 1 def __len__(self) -> int: return self._used_count - self._delete_count def __iter__(self) -> Iterable: return iter(self._data_array) def __str__(self) -> str: return str({item[1]: item[2] for item in self._data_array if item is not None}) def keys(self) -> List[Any]: """模擬實現(xiàn)keys方法""" return [item[1] for item in self._data_array if item is not None] def values(self) -> List[Any]: """模擬實現(xiàn)values方法""" return [item[2] for item in self._data_array if item is not None] def items(self) -> List[Tuple[Any, Any]]: """模擬實現(xiàn)items方法""" return [(item[1], item[2]) for item in self._data_array if item is not None] if __name__ == '__main__': customer_dict: CustomerDict = CustomerDict() customer_dict["demo_1"] = "a" customer_dict["demo_2"] = "b" assert len(customer_dict) == 2 del customer_dict["demo_1"] del customer_dict["demo_2"] assert len(customer_dict) == 0 for i in range(30): customer_dict[i] = i assert len(customer_dict) == 30 customer_dict_value_list: List[Any] = customer_dict.values() for i in range(30): assert i == customer_dict[i] for i in range(30): assert customer_dict[i] == i del customer_dict[i] assert len(customer_dict) == 0
到此這篇關(guān)于Python中Dict兩種實現(xiàn)的原理詳解的文章就介紹到這了,更多相關(guān)Python Dict內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python實現(xiàn)的udp協(xié)議Server和Client代碼實例
這篇文章主要介紹了python實現(xiàn)的udp協(xié)議Server和Client代碼實例,需要的朋友可以參考下2014-06-06簡介Python設(shè)計模式中的代理模式與模板方法模式編程
這篇文章主要介紹了Python設(shè)計模式中的代理模式與模板方法模式編程,文中舉了兩個簡單的代碼片段來說明,需要的朋友可以參考下2016-02-02解決Jupyter notebook中.py與.ipynb文件的import問題
這篇文章主要介紹了解決Jupyter notebook中.py與.ipynb文件的import問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04