go語言中的map如何解決散列性能下降

更新時間：2024年03月26日 09:13:10 作者：shark_chili

近期對go語言的map進行深入了解和探究,其中關(guān)于map解決大量沖突的擴容操作設(shè)計的十分巧妙,所以筆者特地整理了這篇文章來探討一下go語言中map如何解決散列性能下降,文中有相關(guān)的代碼示例供大家參考,需要的朋友可以參考下

寫在文章開頭

近期對go語言的map進行深入了解和探究，其中關(guān)于map解決大量沖突的擴容操作設(shè)計的十分巧妙，所以筆者特地整理了這篇文章來探討問題。

hmap擴容詳解

為什么需要擴容

go語言中map是由無數(shù)個bucket構(gòu)成，假設(shè)某個哈希對應的bucket空間已滿，則需要創(chuàng)建一個新的bmap存儲鍵值對，無數(shù)個bmap通過overflow指針進行關(guān)聯(lián)。以下圖為例，假設(shè)我們需要查找key-111元素，就需要經(jīng)過以下幾個步驟:

通過哈希運算定位到bucket[1]。
基于哈希值高位得到一個值tophash。
最終遍歷當前bucket[1]中的所有數(shù)組，終于在第二個溢出桶找到key-111。

很明顯，如果極端情況下因為有限的桶導致大量的沖突就很可能使map元素定位的時間復雜度退化為O(n)，所以我們需要重新計算哈希值以及對桶進行擴容，從而解決極端的哈希沖突場景。

hmap擴容過程

默認情況下，map的進行擴容需要符合以下兩大條件之一：

未處于擴容且鍵值對數(shù)超過bucket數(shù)以及當前負載系統(tǒng)超過6.5。
未發(fā)生擴容且溢出桶數(shù)量大于bucket數(shù)。

假設(shè)我們當前hmap如下，所有key的算法都是通過哈希值的低3位和B(011)進行取模運算，因為符合上述某個條件之一觸發(fā)了，需要進行擴容。

一般情況擴容都是以原有bucket數(shù)*2，所以新的bucket數(shù)組長度為16，創(chuàng)建新的數(shù)組空間后，hmap的bucket指針該指向這個新的數(shù)組，而原有bucket則交由oldbucket管理。也因為數(shù)組長度有8變?yōu)?code>16，所以記錄底數(shù)的變量B也由原來的3變?yōu)?(2^3變?yōu)?^4)，因為原有的數(shù)組還有兩個空閑的溢出桶，所以新的數(shù)組也會創(chuàng)建同等數(shù)量的溢出交由管理空閑一處的指針extra.nextOverflow管理。

自此我們完成了擴容操作，go語言中的map為了避免擴容后大量遷移導致的計算耗時，對于舊有的bucket元素采用漸進式再哈希的方式進行遷移。所以后續(xù)我們在進行相同的寫入操作時，若發(fā)現(xiàn)這個桶正處于擴容狀態(tài)，那么它就會計算當前桶中每個元素的新位置，然后一次性進行驅(qū)逐。

以下圖為例，假設(shè)此時我們要修改key-111的鍵值對的值，在進行修改的過程中，map就會通過哈希定位到舊的bucket的key-111的值，然后進行修改，完成后基于全新的哈希算法(由%3改為%4)

源碼印證

我們現(xiàn)在通過一段代碼調(diào)試來了解一下go語言中的map時機的工作流程:

func main() {
 m := make(map[int]string)
 for i := 0; i < 9; i++ {
  m[i] = "xiaoming"
 }
 
}

上述這段代碼經(jīng)過編譯之后，實際調(diào)用的是mapassign_fast64這個方法：

0x0092 00146 (F:\github\awesomeProject\main.go:10)      CALL    runtime.mapassign_fast64(SB)

這里筆者就貼出這段代碼的核心片段，從核心代碼可以看出當map符合進行擴容的條件時會調(diào)用hashGrow進行擴容，再通過goto again到again對應代碼段進行驅(qū)逐操作：

func mapassign_fast64(t *maptype, h *hmap, key uint64) unsafe.Pointer {
 // ......

again:
 bucket := hash & bucketMask(h.B)
 if h.growing() {
  growWork_fast64(t, h, bucket)
 }
 b := (*bmap)(add(h.buckets, bucket*uintptr(t.bucketsize)))

 var insertb *bmap
 var inserti uintptr
 var insertk unsafe.Pointer

 // ......

 //如果map未進行擴容，且當前map負載超過最大值(默認6.5)或者溢出桶數(shù)量超過了bucket數(shù)量則進行擴容
 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
 }

 // ......
}

hashGrow的擴容邏輯和上圖的流程差不多，讀者可以基于筆者給出的核心注釋進行了解：

func hashGrow(t *maptype, h *hmap) {
 //默認B的值是+1
 bigger := uint8(1)
 
 //oldbuckets 記錄現(xiàn)在的bucket
 oldbuckets := h.buckets
 //創(chuàng)建一個新的bucket和溢出桶
 newbuckets, nextOverflow := makeBucketArray(t, h.B+bigger, nil)

 //更新b、oldbuckets 指針指向原有bucket、buckets 指向新創(chuàng)建的bucket
 h.B += bigger
 h.flags = flags
 h.oldbuckets = oldbuckets
 h.buckets = newbuckets
 h.nevacuate = 0
 h.noverflow = 0
 
 //如果原有的bucket還有空閑溢出桶，則記錄到h.extra.oldoverflow指針上
 if h.extra != nil && h.extra.overflow != nil {
  // Promote current overflow buckets to the old generation.
  if h.extra.oldoverflow != nil {
   throw("oldoverflow is not nil")
  }
  h.extra.oldoverflow = h.extra.overflow
  h.extra.overflow = nil
 }
 //如果剛剛有新創(chuàng)建的溢出桶，則用h.extra.nextOverflow指針進行管理
 if nextOverflow != nil {
  if h.extra == nil {
   h.extra = new(mapextra)
  }
  h.extra.nextOverflow = nextOverflow
 }

 
}

進行修改操作時會觸發(fā)的again代碼段的growWork_fast64方法其內(nèi)部就涉及了驅(qū)逐操作方法evacuate_fast64方法，因為有了上文的圖解，所以對于這段代碼的解讀就很容易了，我們直接查看evacuate_fast64的核心注釋即可了解驅(qū)逐操作的含義：

func growWork_fast64(t *maptype, h *hmap, bucket uintptr) {
 //將對應哈希的oldbucket的元素驅(qū)逐到新bucket上
 evacuate_fast64(t, h, bucket&h.oldbucketmask())

 //......
}



func evacuate_fast64(t *maptype, h *hmap, oldbucket uintptr) {
 //獲取舊的bucket的指針
 b := (*bmap)(add(h.oldbuckets, oldbucket*uintptr(t.bucketsize)))
 //......

 //通過[2]evacDst數(shù)組的0索引記錄oldbucket的bucket、keys、values指針，1記錄new buckets的bucket、keys、values指針
 if !evacuated(b) {
  
  var xy [2]evacDst
  x := &xy[0]
  //記錄oldbucket的bucket、keys、values指針
  x.b = (*bmap)(add(h.buckets, oldbucket*uintptr(t.bucketsize)))
  x.k = add(unsafe.Pointer(x.b), dataOffset)
  x.e = add(x.k, bucketCnt*8)

  //new buckets的bucket、keys、values指針
  if !h.sameSizeGrow() {
   // Only calculate y pointers if we're growing bigger.
   // Otherwise GC can see bad pointers.
   y := &xy[1]
   y.b = (*bmap)(add(h.buckets, (oldbucket+newbit)*uintptr(t.bucketsize)))
   y.k = add(unsafe.Pointer(y.b), dataOffset)
   y.e = add(y.k, bucketCnt*8)
  }
  //循環(huán)遍歷非空的tophash進行驅(qū)逐操作
  for ; b != nil; b = b.overflow(t) {
   //獲取在old bucket上的地址
   k := add(unsafe.Pointer(b), dataOffset)
   e := add(k, bucketCnt*8)
   
   for i := 0; i < bucketCnt; i, k, e = i+1, add(k, 8), add(e, uintptr(t.elemsize)) {
    //計算在舊的bucket的tophash以定位鍵值對
    top := b.tophash[i]
    if isEmpty(top) {
     b.tophash[i] = evacuatedEmpty
     continue
    }
    if top < minTopHash {
     throw("bad map state")
    }
    //計算在新的bucket上的hash值
    var useY uint8
    if !h.sameSizeGrow() {
     // Compute hash to make our evacuation decision (whether we need
     // to send this key/elem to bucket x or bucket y).
     hash := t.hasher(k, uintptr(h.hash0))
     if hash&newbit != 0 {
      useY = 1
     }
    }

    b.tophash[i] = evacuatedX + useY // evacuatedX + 1 == evacuatedY, enforced in makemap
    //獲取新的bucket的指針地址
    dst := &xy[useY]                 // evacuation destination

   //到新bucke的tophash數(shù)組上的位置記錄這個tophash
    dst.b.tophash[dst.i&(bucketCnt-1)] = top // mask dst.i as an optimization, to avoid a bounds check

    //將舊的bucket的key復制到新bucket上
    if t.key.ptrdata != 0 && writeBarrier.enabled {
     if goarch.PtrSize == 8 {
      // 通過指針操作，將舊的key復制到新的bucket的key上
      *(*unsafe.Pointer)(dst.k) = *(*unsafe.Pointer)(k)
     } else {
      // There are three ways to squeeze at least one 32 bit pointer into 64 bits.
      // Give up and call typedmemmove.
      typedmemmove(t.key, dst.k, k)
     }
    } else {
     *(*uint64)(dst.k) = *(*uint64)(k)
    }
    //復制value到新bucket的位置上
    typedmemmove(t.elem, dst.e, e)
    //....
   }
  }
  // 完成后刪除舊的bucket的鍵值對，輔助GC
  if h.flags&oldIterator == 0 && t.bucket.ptrdata != 0 {
   b := add(h.oldbuckets, oldbucket*uintptr(t.bucketsize))
   // Preserve b.tophash because the evacuation
   // state is maintained there.
   ptr := add(b, dataOffset)
   n := uintptr(t.bucketsize) - dataOffset
   memclrHasPointers(ptr, n)
  }
 }

 if oldbucket == h.nevacuate {
  advanceEvacuationMark(h, t, newbit)
 }
}

經(jīng)過這段代碼之后，我們的舊的bucket上的桶的數(shù)據(jù)也就都驅(qū)逐完成了，隨后跳出這些代碼段，再次回到mapassign_fast64的賦值操作的代碼找到合適key的位置設(shè)置鍵值對。

如下所示，可以看到核心步驟大致是:

for循環(huán)定位到哈希算法得出的tophash對應key的位置。
如果找到空位置則跳出循環(huán)進行鍵值對設(shè)置，并更新count值。
若找到和當前key相等的位置，直接跳到done代碼段設(shè)置value。

func mapassign_fast64(t *maptype, h *hmap, key uint64) unsafe.Pointer {

//......

//定位到key的指針
bucketloop:
 for {
  for i := uintptr(0); i < bucketCnt; i++ {
   //若定位到的bucket為nil,則說明這個位置沒有被使用過，則進入該分支定位指針
   if isEmpty(b.tophash[i]) {
    if insertb == nil {
     insertb = b
     inserti = i
    }
    //如果找到當前tophash為0值，說明這個位置沒有被用過，直接退出循環(huán)，到外部直接賦值
    if b.tophash[i] == emptyRest {
     break bucketloop
    }
    continue
   }
   //獲取k判斷和當前key值是否一致，若不一致的continue，反之記錄直接到done代碼段，直接設(shè)置value的值
   k := *((*uint64)(add(unsafe.Pointer(b), dataOffset+i*8)))
   if k != key {
    continue
   }
   insertb = b
   inserti = i
   goto done
  }
  //.....
 }

 
 //定位到key位置設(shè)置key
 insertk = add(unsafe.Pointer(insertb), dataOffset+inserti*8)
 // store new key at insert position
 *(*uint64)(insertk) = key
 
 //元素數(shù)量+1
 h.count++

done:
 //設(shè)置value
 elem := add(unsafe.Pointer(insertb), dataOffset+bucketCnt*8+inserti*uintptr(t.elemsize))
 if h.flags&hashWriting == 0 {
  fatal("concurrent map writes")
 }
 h.flags &^= hashWriting
 return elem

}

擴容未完成時如何讀

因為map是在操作時進行驅(qū)逐操作的，所以在讀取時需要會按照以下步驟執(zhí)行：

定位到當前hash對應bucket設(shè)置給指針b。
查看當前hash對應oldbucket是否發(fā)生驅(qū)逐操作，若未發(fā)生則說明當前的值在oldbucket上，將指針b指向oldbucket。
到b指針的bucket上查到對應的key，若找到則返回value。

對應的核心代碼如下，讀者可參照注釋了解大體流程：

func mapaccess1(t *maptype, h *hmap, key unsafe.Pointer) unsafe.Pointer {
 //......
 //定位hash值
 hash := t.hasher(key, uintptr(h.hash0))
 //先定位到bucket指針
 m := bucketMask(h.B)
 b := (*bmap)(add(h.buckets, (hash&m)*uintptr(t.bucketsize)))
 
 //在基于hash到oldbucket定位舊的bucket指針，若未發(fā)生驅(qū)逐則上b指針指向oldbucket
 if c := h.oldbuckets; c != nil {
  if !h.sameSizeGrow() {
   // There used to be half as many buckets; mask down one more power of two.
   m >>= 1
  }
  oldb := (*bmap)(add(c, (hash&m)*uintptr(t.bucketsize)))
  //若未發(fā)生驅(qū)逐則上b指針指向oldbucket
  if !evacuated(oldb) {
   b = oldb
  }
 }
 top := tophash(hash)
bucketloop:
 //循環(huán)定位鍵值對
 for ; b != nil; b = b.overflow(t) {
  for i := uintptr(0); i < bucketCnt; i++ {
   //......
   
   //如果找到的key和我們要查詢的key相等則直接返回
   if t.key.equal(key, k) {
    e := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.keysize)+i*uintptr(t.elemsize))
    if t.indirectelem() {
     e = *((*unsafe.Pointer)(e))
    }
    return e
   }
  }
 }
 return unsafe.Pointer(&zeroVal[0])
}