Hash Table是PHP的核心,這話一點都不過分。

PHP的數組,關聯數組,對象屬性,函數表,符號表,等等都是用HashTable來做為容器的。

PHP的HashTable采用的拉鏈法來解決沖突, 這個自不用多說, 我今天主要關注的就是PHP的Hash算法, 和這個算法本身透露出來的一些思想。

PHP的Hash采用的是目前最為普遍的DJBX33A (Daniel J. Bernstein, Times 33 with Addition), 這個算法被廣泛運用與多個軟件項目,Apache, Perl和Berkeley DB等. 對于字符串而言這是目前所知道的最好的哈希算法，原因在于該算法的速度非常快，而且分類非常好(沖突小,分布均勻).

算法的核心思想就是:

復制代碼 代碼如下:

hash(i) = hash(i-1) * 33 + str[i]

在zend_hash.h中,我們可以找到在PHP中的這個算法:

復制代碼 代碼如下:

static inline ulong zend_inline_hash_func(char *arKey, uint nKeyLength)
{
    register ulong hash = 5381;

    /* variant with the hash unrolled eight times */
    for (; nKeyLength >= 8; nKeyLength -=  {
        hash = ((hash << 5) + hash) + *arKey++;
        hash = ((hash << 5) + hash) + *arKey++;
        hash = ((hash << 5) + hash) + *arKey++;
        hash = ((hash << 5) + hash) + *arKey++;
        hash = ((hash << 5) + hash) + *arKey++;
        hash = ((hash << 5) + hash) + *arKey++;
        hash = ((hash << 5) + hash) + *arKey++;
        hash = ((hash << 5) + hash) + *arKey++;
    }
    switch (nKeyLength) {
        case 7: hash = ((hash << 5) + hash) + *arKey++; /* fallthrough... */
        case 6: hash = ((hash << 5) + hash) + *arKey++; /* fallthrough... */
        case 5: hash = ((hash << 5) + hash) + *arKey++; /* fallthrough... */
        case 4: hash = ((hash << 5) + hash) + *arKey++; /* fallthrough... */
        case 3: hash = ((hash << 5) + hash) + *arKey++; /* fallthrough... */
        case 2: hash = ((hash << 5) + hash) + *arKey++; /* fallthrough... */
        case 1: hash = ((hash << 5) + hash) + *arKey++; break;
        case 0: break;
EMPTY_SWITCH_DEFAULT_CASE()
    }
    return hash;
}

相比在Apache和Perl中直接采用的經典Times 33算法:

復制代碼 代碼如下:

hashing function used in Perl 5.005:
  # Return the hashed value of a string: $hash = perlhash("key")
  # (Defined by the PERL_HASH macro in hv.h)
  sub perlhash
  {
      $hash = 0;
      foreach (split //, shift) {
          $hash = $hash*33 + ord($_);
      }
      return $hash;
  }

在PHP的hash算法中, 我們可以看出很處細致的不同.

首先, 最不一樣的就是, PHP中并沒有使用直接乘33, 而是采用了:

復制代碼 代碼如下:

hash << 5 + hash

這樣當然會比用乘快了.

然后, 特別要主意的就是使用的unrolled, 我前幾天看過一片文章講Discuz的緩存機制, 其中就有一條說是Discuz會根據帖子的熱度不同采用不同的緩存策略, 根據用戶習慣,而只緩存帖子的第一頁(因為很少有人會翻帖子).

于此類似的思想, PHP鼓勵8位一下的字符索引, 他以8為單位使用unrolled來提高效率, 這不得不說也是個很細節的,很細致的地方.

另外還有inline, register變量 … 可以看出PHP的開發者在hash的優化上也是煞費苦心

最后就是, hash的初始值設置成了5381, 相比在Apache中的times算法和Perl中的Hash算法(都采用初始hash為0), 為什么選5381呢? 具體的原因我也不知道, 但是我發現了5381的一些特性:

復制代碼 代碼如下:

Magic Constant 5381:
1. odd number
2. prime number
3. deficient number