Dig101: dig more, simplified more and know more
在 golang 中，map是一个不可或缺的存在。
它作为哈希表，简单易用，既能自动处理哈希碰撞，又能自动扩容或重新内存整理，避免读写性能的下降。
这些都要归功于其内部实现的精妙。本文尝试去通过源码去分析一下其背后的故事。
我们不会过多在源码分析上展开，只结合代码示例对其背后设计实现上做些总结，希望可以简单明了一些。
希望看完后，会让你对 map 的理解有一些帮助。网上也有很多不错的源码分析，会附到文末，感兴趣的同学自行查看下。
（本文分析基于 Mac 平台上 go1.14beta1 版本。长文预警 ... ）
我们先简单过下 map 实现 hash 表所用的数据结构，这样方便后边讨论。
在这里我们先弄清楚 map 实现的整体结构
map 本质是 hash 表（hmap），指向一堆桶（buckets）用来承接数据，每个桶（bmap）能存 8 组 k/v。
当有数据读写时，会用key的 hash 找到对应的桶。
为加速 hash 定位桶，bmap里记录了tophash数组（ hash 的高 8 位）
hash 表就会有哈希冲突的问题（不同 key 的 hash 值一样，即 hash 后都指向同一个桶），为此 map 使用桶后链一个溢出桶（overflow）链表来解决当桶 8 个单元都满了，但还有数据需要存入此桶的问题。
剩下noverflow,oldbuckets,nevacuate,oldoverflow 会用于扩容，暂时先不展开
具体对应的数据结构详细注释如下：
（虽然多，先大致过一遍，后边遇到会在提到）
// runtime/map.go
// A header for a Go map.
type hmap struct {
//用于 len(map)
count int
//标志位
// iterator = 1 // 可能有遍历用 buckets
// oldIterator = 2 // 可能有遍历用 oldbuckets，用于扩容期间
// hashWriting = 4 // 标记写，用于并发读写检测
// sameSizeGrow = 8 // 用于等大小 buckets 扩容，减少 overflow 桶
flags uint8
// 代表可以最多容纳 loadFactor * 2^B 个元素（ loadFactor=6.5 ）
B uint8
// overflow 桶的计数，当其接近 1<<15 - 1 时为近似值
noverflow uint16
// 随机的 hash 种子，每个 map 不一样，减少哈希碰撞的几率
hash0 uint32
// 当前桶，长度为（ 0-2^B ）
buckets unsafe.Pointer
// 如果存在扩容会有扩容前的桶
oldbuckets unsafe.Pointer
// 迁移数，标识小于其的 buckets 已迁移完毕
nevacuate uintptr
// 额外记录 overflow 桶信息，不一定每个 map 都有
extra *mapextra
}
// 额外记录 overflow 桶信息
type mapextra struct {
overflow *[]*bmap
oldoverflow *[]*bmap
// 指向下一个可用 overflow 桶
nextOverflow *bmap
}
const(
// 每个桶 8 个 k/v 单元
BUCKETSIZE = 8
// k 或 v 类型大小大于 128 转为指针存储
MAXKEYSIZE = 128
MAXELEMSIZE = 128
)
// 桶结构 （字段会根据 key 和 elem 类型动态生成，见下边 bmap ）
type bmap struct {
// 记录桶内 8 个单元的高 8 位 hash 值，或标记空桶状态，用于快速定位 key
// emptyRest = 0 // 此单元为空，且更高索引的单元也为空
// emptyOne = 1 // 此单元为空
// evacuatedX = 2 // 用于表示扩容迁移到新桶前半段区间
// evacuatedY = 3 // 用于表示扩容迁移到新桶后半段区间
// evacuatedEmpty = 4 // 用于表示此单元已迁移
// minTopHash = 5 // 最小的空桶标记值，小于其则是空桶标志
tophash [bucketCnt]uint8
}
// cmd/compile/internal/gc/reflect.go
// func bmap(t *types.Type) *types.Type {
// 每个桶内 k/v 单元数是 8
type bmap struct{
topbits [8]uint8 //tophash
keys [8]keytype
elems [8]elemtype
// overflow 桶
// otyp 类型为指针*Type,
// 若 keytype 及 elemtype 不含指针，则为 uintptr
// 使 bmap 整体不含指针,避免 gc 去 scan 此类 map
overflow otyp
}
这里有几个字段需要解释一下：
这个为啥用 2 的对数来表示桶的数目呢？
这里是为了 hash 定位桶及扩容方便
比方说，hash%n可以定位桶， 但%操作没有位运算快。
而利用 n=2^B，则 hash%n=hash&(n-1)
则可优化定位方式为: hash&(1<<B-1)， (1<<B-1)即源码中BucketMask
再比方扩容，hmap.B=hmap.B+1 即为扩容到二倍
在桶里存储 k/v 的方式不是一个 k/v 一组, 而是 k 放一块，v 放一块。
这样的相对 k/v 相邻的好处是，方便内存对齐。比如map[int64]int8, v 是int8,放一块就避免需要额外内存对齐。
另外对于大的 k/v 也做了优化。
正常情况 key 和 elem 直接使用用户声明的类型，但当其 size 大于 128(MAXKEYSIZE/MAXELEMSIZE)时，
则会转为指针去存储。（也就是indirectkey、indirectelem）
这个额外记录溢出桶意义在哪？
具体是为解决让gc不需要扫描此类bucket。
只要 bmap 内不含指针就不需 gc 扫描。
当map的key和elem类型都不包含指针时，但其中的overflow是指针。
此时 bmap 的生成函数会将overflow的类型转化为uintptr。
而uintptr虽然是地址，但不会被gc认为是指针，指向的数据有被回收的风险。
此时为保证其中的overflow指针指向的数据存活，就用mapextra结构指向了这些buckets，这样 bmap 有被引用就不会被回收了。
关于 uintptr 可能被回收的例子，可以看下 go101 - Type-Unsafe Pointers 中 Some Facts in Go We Should Know
了解 map 的基本结构后，我们通过下边代码分析下 map 的 hash
var m = map[interface{}]int{}
var i interface{} = []int{}
//panic: runtime error: hash of unhashable type []int
println(m[i])
//panic: runtime error: hash of unhashable type []int
delete(m, i)
为什么不可以用[]int作为 key 呢？
查找源码中 hash 的调用链注释如下：
// runtime/map.go
// mapassign，mapaccess1 中 获取 key 的 hash
hash := t.hasher(key, uintptr(h.hash0))
// cmd/compile/internal/gc/reflect.go
func dtypesym(t *types.Type) *obj.LSym {
switch t.Etype {
// ../../../../runtime/type.go:/mapType
case TMAP:
...
// 依据 key 构建 hash 函数
hasher := genhash(t.Key())
...
}
}
// cmd/compile/internal/gc/alg.go
func genhash(t *types.Type) *obj.LSym {
switch algtype(t) {
...
//具体针对 interface 调用 interhash
case AINTER:
return sysClosure("interhash")
...
}
}
// runtime/alg.go
func interhash(p unsafe.Pointer, h uintptr) uintptr {
//获取 interface p 的实际类型 t，此处为 slice
a := (*iface)(p)
tab := a.tab
t := tab._type
// slice 类型不可比较，没有 equal 函数
if t.equal == nil {
panic(errorString("hash of unhashable type " + t.string()))
}
...
}
如上，我们会发现 map 的 hash 函数并不唯一。
它会对不同 key 类型选取不同的 hash 方式，以此加快 hash 效率
这个例子slice不可比较，所以不能作为 key。
也对，不可比较的类型作为 key 的话，找到桶但没法比较 key 是否相等，那 map 用这个 key 读写都会是个问题。
还有哪些不可比较？
cmd/compile/internal/gc/alg.go的 algtype1 函数中可以找到返回ANOEQ（不可比较类型）的类型,如下：
map不可以对其值取地址；
如果值类型为slice或struct，不能直接操作其内部元素
我们用代码验证如下：
m0 := map[int]int{}
// ❎ cannot take the address of m0[0]
_ = &m0[0]
m := make(map[int][2]int)
// ✅
m[0] = [2]int{1, 0}
// ❎ cannot assign to m[0][0]
m[0][0] = 1
// ❎ cannot take the address of m[0]
_ = &m[0]
type T struct{ v int }
ms := make(map[int]T)
// ✅
ms[0] = T{v: 1}
// ❎ cannot assign to struct field ms[0].v in map
ms[0].v = 1
// ❎ cannot take the address of ms[0]
_ = &ms[0]
}
为什么呢？
这是因为map内部有渐进式扩容，所以map的值地址不固定，取地址没有意义。
也因此，对于值类型为slice和struct, 只有把他们各自当做整体去赋值操作才是安全的。go 有个 issue 讨论过这个问题：issues-3117
针对扩容的方式，有两类，分别是：
过多的overflow使用，使用等大小的 buckets 重新整理，回收多余的overflow桶，提高 map 读写效率，减少溢出桶占用
这里借助hmap.noverflow来判断溢出桶是否过多
hmap.B<=15 时，判断是溢出桶是否多于桶数1<<hmap.B
否则只判断溢出桶是否多于 1<<15
这也就是为啥hmap.noverflow，当其接近1<<15 - 1时为近似值, 只要可以评估是否溢出桶过多不合理就行了
count/size > 6.5 (装载因子 :overLoadFactor）, 避免读写效率降低。
扩容一倍，并渐进的在赋值和删除（mapassign 和 mapdelete）期间，
对每个桶重新分流到x（原来桶区间）和y（扩容后的增加的新桶区间）
这里overLoadFactor （ count/size ）是评估桶的平均装载数据能力，即 map 平均每个桶装载多少个 k/v。
这个值太大，则桶不够用，会有太多溢出桶；太小，则分配了太多桶，浪费了空间。
6.5 是测试后对 map 装载能力最大化的一个的选择。
源码中扩容代码注释如下：
// mapassign 中创建新 bucket 时检测是否需要扩容
if !h.growing() && //非扩容中
(overLoadFactor(h.count+1, h.B) || tooManyOverflowBuckets(h.noverflow, h.B)) {
// 提交扩容，生成新桶，记录旧桶相关。但不开始
// 具体开始是后续赋值和删除期间渐进进行
hashGrow(t, h)
}
//mapassign 或 mapdelete 中 渐进扩容
bucket := hash & bucketMask(h.B)
if h.growing() {
growWork(t, h, bucket)
}
// 具体迁移工作执行，每次最多两个桶
func growWork(t *maptype, h *hmap, bucket uintptr) {
// 迁移对应旧桶
// 若无迭代器遍历旧桶，可释放对应的 overflow 桶或 k/v
// 全部迁移完则释放整个旧桶
evacuate(t, h, bucket&h.oldbucketmask())
// 如果还有旧桶待迁移，再迁移一个
if h.growing() {
evacuate(t, h, h.nevacuate)
}
}
具体扩容evacuate（迁移）时，判断是否要将旧桶迁移到新桶后半区间（y）有段代码比较有趣, 注释如下：
newbit := h.noldbuckets()
var useY uint8
if !h.sameSizeGrow() {
// 获取 hash
hash := t.hasher(k2, uintptr(h.hash0))
if h.flags&iterator != 0 && !t.reflexivekey() && !t.key.equal(k2, k2) {
// 这里 key != key 是指 key 为 NaNs，
// 此时 useY = top & 1 意味着有 50%的几率到新桶区间
useY = top & 1
top = tophash(hash)
} else {
if hash&newbit != 0 {
// 举例来看 若扩容前 h.B=3 时, newbit=1<<3
// hash&newbit != 0 则 hash 形如 xxx1xxx
// 新 hmap 的 BucketMask= 1<<4 - 1 (1111: 15)
// 则 hash&新 BucketMask > 原 BucketMask 1<<3-1 (111: 7)
// 所以去新桶区间
useY = 1
}
}
}
// 补充一个 key != key 的代码示例
n1, n2 := math.NaN(), math.NaN()
m := map[float64]int{}
m[n1], m[n2] = 1, 2
println(n1 == n2, m[n1], m[n2])
// output: false 0 0
// 所以 NaN 做 key 没有意义。。。
弄清楚 map 的结构、hash 和扩容，剩下的就是初始化、读写、删除和遍历了，我们就不详细展开了，简单过下。
map 不初始化时为 nil，是不可以操作的。可以通过 make 方式初始化
// 不指定大小
s := make(map[int]int)
// 指定大小
b := make(map[int]int,10)
对于这两种 map 内部调用方式是不一样的
当不指定大小或者指定大小不大于 8 时，调用
func makemap_small() *hmap {
只需要直接在堆上初始化hmap和 hash 种子（hash0）就行。
当大小大于 8， 调用
func makemap(t *maptype, hint int, h *hmap) *hmap {
hint溢出则置 0
初始化hmap和 hash 种子
根据overLoadFactor:6.5的要求, 循环增加h.B， 获取 hint/(1<<h.B) 最接近 6.5 的h.B
预分配 hashtable 的 bucket 数组
h.B 大于 4 的话，多分配至少1<<(h.B-4)（需要内存对齐）个 bucket，用于可能的overflow桶使用，
并将 h.nextOverflow设置为第一个可用的overflow桶。
最后一个overflow桶指向h.buckets(方便后续判断已无overflow桶)
对于 map 的读取有着三个函数，主要区别是返回参数不同
mapaccess1: m[k]
mapaccess2: a,b = m[i]
mapaccessk: 在 map 遍历时若 grow 已发生，key 可能有更新，需用此函数重新获取 k/v
计算 key 的 hash,定位当前 buckets 里桶位置
如果当前处于扩容中，也尝试去旧桶取对应的桶，需考虑扩容前 bucket 大小是否为现在一半，且其所指向的桶未迁移
然后就是按照 bucket->overflow 链表的顺序去遍历，直至找到tophash匹配且 key 相等的记录（ entry ）
期间，如果 key 或者 elem 是转过指针（ size 大于 128 ），需转回对应值。
map 为空或无值返回 elem 类型的零值
计算 key 的 hash，拿到对应的桶
如果此时处于扩容期间，则执行扩容growWork
对桶 bucket->overflow 链表遍历
若有空桶(对应 tophash[i]为空)，则准备在此空桶存储 k/v
若非空，且和 tophash 相等，且 key 相等，则更新对应 elem
若无可用桶，则分配一个新的 overflow 桶来存储 k/v, 会判断是否需要扩容
最后若使用了空桶或新overflow桶，则要将对应tophash更新回去, 如果需要的话，也更新count
获取待删除 key 对应的桶，方式和 mapassign 的查找方式基本一样，找到则清除 k/v。
这里还有个额外操作：
如果当前 tophash 状态是：当前 cell 为空（emptyOne），
若其后桶或其后的 overflow 桶状态为：当前 cell 为空前索引高于此 cell 的也为空（emptyRest）,则将当前状态也更新为emptyRest
倒着依次往前如此处理，实现 emptyOne -> emptyRest的转化
这样有什么好处呢？
答案是为了方便读写删除（mapaccess,mapassign,mapdelete）时做桶遍历（bucketLoop）能减少不必要的空 bucket 遍历
截取代码如下：
bucketloop:
for ; b != nil; b = b.overflow(t) {
for i := uintptr(0); i < bucketCnt; i++ {
if b.tophash[i] != top {
// 减少空 cell 的遍历
if b.tophash[i] == emptyRest {
break bucketloop
}
continue
}
...
}
先调用mapiterinit 初始化用于遍历的 hiter结构体, 这里会用随机定位出一个起始遍历的桶hiter.startBucket, 这也就是为啥 map 遍历无序。
随机获取起始桶的代码如下：
r := uintptr(fastrand())
// 随机数不够用得再加一个 32 位
if h.B > 31-bucketCntBits {
r += uintptr(fastrand()) << 31
}
it.startBucket = r & bucketMask(h.B)
在调用mapiternext去实现遍历, 遍历中如果处于扩容期间，如果当前桶已经迁移了，那么就指向新桶，没有迁移就指向旧桶
至此，map 的内部实现我们就过完了。
里边有很多优化点，设计比较巧妙，简单总结一下：
趁热打铁，建议你再阅读一遍源码，加深一下理解。
附上几篇不错的源码分析文章，代码对应的go版本和本文不一致，但变化不大，可以对照着看。
本文代码见 NewbMiao/Dig101-Go
欢迎关注公众号：newbmiao，获取及时更新文章。
推荐阅读：Dig101-Go 系列，挖一挖技术背后的故事。
这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。
V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。
V2EX is a community of developers, designers and creative people.