聊聊go语言中map如何解决散列性能下降

写在文章开头

近期对go语言的map进行深入了解和探究，其中关于map解决大量冲突的扩容操作设计的十分巧妙，所以笔者特地整理了这篇文章来探讨问题。

Hi，我是 sharkChili ，是个不断在硬核技术上作死的 java coder ，是 CSDN的博客专家 ，也是开源项目 Java Guide 的维护者之一，熟悉 Java 也会一点 Go ，偶尔也会在 C源码 边缘徘徊。写过很多有意思的技术博客，也还在研究并输出技术的路上，希望我的文章对你有帮助，非常欢迎你关注我的公众号： 写代码的SharkChili 。

因为近期收到很多读者的私信，所以也专门创建了一个交流群，感兴趣的读者可以通过上方的公众号获取笔者的联系方式完成好友添加，点击备注 "加群" 即可和笔者和笔者的朋友们进行深入交流。

hmap扩容详解

为什么需要扩容

go语言中map是由无数个bucket构成，假设某个哈希对应的bucket空间已满，则需要创建一个新的bmap存储键值对，无数个bmap通过overflow指针进行关联。 以下图为例，假设我们需要查找key-111元素，就需要经过以下几个步骤:

1. 通过哈希运算定位到bucket[1]。
2. 基于哈希值高位得到一个值tophash。
3. 最终遍历当前bucket[1]中的所有数组，终于在第二个溢出桶找到key-111。

很明显，如果极端情况下因为有限的桶导致大量的冲突就很可能使map元素定位的时间复杂度退化为O(n)，所以我们需要重新计算哈希值以及对桶进行扩容，从而解决极端的哈希冲突场景。

hmap扩容过程

默认情况下，map的进行扩容需要符合以下两大条件之一：

1. 未处于扩容且键值对数超过bucket数以及当前负载系统超过6.5。
2. 未发生扩容且溢出桶数量大于bucket数。

假设我们当前hmap如下，所有key的算法都是通过哈希值的低3位和B(011)进行取模运算，因为符合上述某个条件之一触发了，需要进行扩容。

一般情况扩容都是以原有bucket数*2，所以新的bucket数组长度为16，创建新的数组空间后，hmap的bucket指针该指向这个新的数组，而原有bucket则交由oldbucket管理。 也因为数组长度有8变为16，所以记录底数的变量B也由原来的3变为4(2^3变为2^4)，因为原有的数组还有两个空闲的溢出桶，所以新的数组也会创建同等数量的溢出交由管理空闲一处的指针extra.nextOverflow管理。

自此我们完成了扩容操作，go语言中的map为了避免扩容后大量迁移导致的计算耗时，对于旧有的bucket元素采用渐进式再哈希的方式进行迁移。 所以后续我们在进行相同的写入操作时，若发现这个桶正处于扩容状态，那么它就会计算当前桶中每个元素的新位置，然后一次性进行驱逐。

以下图为例，假设此时我们要修改key-111的键值对的值，在进行修改的过程中，map就会通过哈希定位到旧的bucket的key-111的值，然后进行修改，完成后基于全新的哈希算法(由%3改为%4)

源码印证

我们现在通过一段代码调试来了解一下go语言中的map时机的工作流程:

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

上述这段代码经过编译之后，实际调用的是mapassign_fast64这个方法：

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

这里笔者就贴出这段代码的核心片段，从核心代码可以看出当map符合进行扩容的条件时会调用hashGrow进行扩容，再通过goto again到again对应代码段进行驱逐操作：

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未进行扩容，且当前map负载超过最大值(默认6.5)或者溢出桶数量超过了bucket数量则进行扩容
 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的扩容逻辑和上图的流程差不多，读者可以基于笔者给出的核心注释进行了解：

func hashGrow(t *maptype, h *hmap) {
 //默认B的值是+1
 bigger := uint8(1)
 
 //oldbuckets 记录现在的bucket
 oldbuckets := h.buckets
 //创建一个新的bucket和溢出桶
 newbuckets, nextOverflow := makeBucketArray(t, h.B+bigger, nil)

 //更新b、oldbuckets 指针指向原有bucket、buckets 指向新创建的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还有空闲溢出桶，则记录到h.extra.oldoverflow指针上
 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
 }
 //如果刚刚有新创建的溢出桶，则用h.extra.nextOverflow指针进行管理
 if nextOverflow != nil {
  if h.extra == nil {
   h.extra = new(mapextra)
  }
  h.extra.nextOverflow = nextOverflow
 }

 
}

进行修改操作时会触发的again代码段的growWork_fast64方法其内部就涉及了驱逐操作方法evacuate_fast64方法，因为有了上文的图解，所以对于这段代码的解读就很容易了，我们直接查看evacuate_fast64的核心注释即可了解驱逐操作的含义：

func growWork_fast64(t *maptype, h *hmap, bucket uintptr) {
 //将对应哈希的oldbucket的元素驱逐到新bucket上
 evacuate_fast64(t, h, bucket&h.oldbucketmask())

 //......
}



func evacuate_fast64(t *maptype, h *hmap, oldbucket uintptr) {
 //获取旧的bucket的指针
 b := (*bmap)(add(h.oldbuckets, oldbucket*uintptr(t.bucketsize)))
 //......

 //通过[2]evacDst数组的0索引记录oldbucket的bucket、keys、values指针，1记录new buckets的bucket、keys、values指针
 if !evacuated(b) {
  
  var xy [2]evacDst
  x := &xy[0]
  //记录oldbucket的bucket、keys、values指针
  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指针
  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)
  }
  //循环遍历非空的tophash进行驱逐操作
  for ; b != nil; b = b.overflow(t) {
   //获取在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)) {
    //计算在旧的bucket的tophash以定位键值对
    top := b.tophash[i]
    if isEmpty(top) {
     b.tophash[i] = evacuatedEmpty
     continue
    }
    if top < minTopHash {
     throw("bad map state")
    }
    //计算在新的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
    //获取新的bucket的指针地址
    dst := &xy[useY]                 // evacuation destination

   //到新bucke的tophash数组上的位置记录这个tophash
    dst.b.tophash[dst.i&(bucketCnt-1)] = top // mask dst.i as an optimization, to avoid a bounds check

    //将旧的bucket的key复制到新bucket上
    if t.key.ptrdata != 0 && writeBarrier.enabled {
     if goarch.PtrSize == 8 {
      // 通过指针操作，将旧的key复制到新的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)
    }
    //复制value到新bucket的位置上
    typedmemmove(t.elem, dst.e, e)
    //....
   }
  }
  // 完成后删除旧的bucket的键值对，辅助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)
 }
}

经过这段代码之后，我们的旧的bucket上的桶的数据也就都驱逐完成了，随后跳出这些代码段，再次回到mapassign_fast64的赋值操作的代码找到合适key的位置设置键值对。

如下所示，可以看到核心步骤大致是:

1. for循环定位到哈希算法得出的tophash对应key的位置。
2. 如果找到空位置则跳出循环进行键值对设置，并更新count值。
3. 若找到和当前key相等的位置，直接跳到done代码段设置value。

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

//......

//定位到key的指针
bucketloop:
 for {
  for i := uintptr(0); i < bucketCnt; i++ {
   //若定位到的bucket为nil,则说明这个位置没有被使用过，则进入该分支定位指针
   if isEmpty(b.tophash[i]) {
    if insertb == nil {
     insertb = b
     inserti = i
    }
    //如果找到当前tophash为0值，说明这个位置没有被用过，直接退出循环，到外部直接赋值
    if b.tophash[i] == emptyRest {
     break bucketloop
    }
    continue
   }
   //获取k判断和当前key值是否一致，若不一致的continue，反之记录直接到done代码段，直接设置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位置设置key
 insertk = add(unsafe.Pointer(insertb), dataOffset+inserti*8)
 // store new key at insert position
 *(*uint64)(insertk) = key
 
 //元素数量+1
 h.count++

done:
 //设置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

}

扩容未完成时如何读

因为map是在操作时进行驱逐操作的，所以在读取时需要会按照以下步骤执行：

1. 定位到当前hash对应bucket设置给指针b。
2. 查看当前hash对应oldbucket是否发生驱逐操作，若未发生则说明当前的值在oldbucket上，将指针b指向oldbucket。
3. 到b指针的bucket上查到对应的key，若找到则返回value。

对应的核心代码如下，读者可参照注释了解大体流程：

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指针
 m := bucketMask(h.B)
 b := (*bmap)(add(h.buckets, (hash&m)*uintptr(t.bucketsize)))
 
 //在基于hash到oldbucket定位旧的bucket指针，若未发生驱逐则上b指针指向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)))
  //若未发生驱逐则上b指针指向oldbucket
  if !evacuated(oldb) {
   b = oldb
  }
 }
 top := tophash(hash)
bucketloop:
 //循环定位键值对
 for ; b != nil; b = b.overflow(t) {
  for i := uintptr(0); i < bucketCnt; i++ {
   //......
   
   //如果找到的key和我们要查询的key相等则直接返回
   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])
}

小结

本文通过图解+代码的形式了解go语言中的map如何通过扩容解决散列性能退化，以及在扩容未完成期间如何实现元素的快速定位查询，希望对你有帮助。

我是 sharkchili ，CSDN Java 领域博客专家 ，开源项目---JavaGuide contributor ，我想写一些有意思的东西，希望对你有帮助，如果你想实时收到我写的硬核的文章也欢迎你关注我的公众号： 写代码的SharkChili 。 因为近期收到很多读者的私信，所以也专门创建了一个交流群，感兴趣的读者可以通过上方的公众号获取笔者的联系方式完成好友添加，点击备注 "加群" 即可和笔者和笔者的朋友们进行深入交流。

参考

【go语言之map源码分析】:blog.csdn.net/qq_37674060...

【Go】深入理解 Go map：赋值和扩容迁移 ①:blog.csdn.net/weixin_4374...

本文使用 markdown.com.cn 排版