Golang 中的 map 详解

文章目录

Golang 中的 map 详解

一、什么是 map？

1、map 的定义

  在计算机科学里，被称为相关数组、map、符号表或者字典，是由一组 <key, value> 对组成的抽象数据结构，并且同一个 key 只会出现一次。

  两个关键点：map 是由 key-value 对组成的；key 只会出现一次。

  map 的设计也被称为 “The dictionary problem（字典问题）”，它的任务是设计一种数据结构用来维护一个集合的数据，并且可以同时对集合进行增删查改的操作。

2、map 的数据结构

  最主要的数据结构有两种：哈希查找表（Hash table）、搜索树（Search tree）。

• 哈希查找表（Hash table）   哈希查找表使用哈希函数将 key 分配到不同的桶（bucket，也就是数组的不同 index），开销主要在哈希函数的计算以及数组的常数访问时间，在很多场景下，哈希查找表的性能很高。
• 搜索树（Search tree）   搜索树一般采用自平衡搜索树，包括：AVL 树，红黑树。

  哈希查找表的平均查找效率是 O(1)，最差是 O(N)，如果哈希函数设计的很好，最坏的情况基本不会出现。自平衡搜索树法的最差搜索效率是 O(logN)。遍历自平衡搜索树，返回的 key 序列，一般会按照从小到大的顺序；而哈希查找表则是乱序的。

二、Golang 中 map 的类型

  Golang 中 map 是一个指针，占用 8 个字节。当使用 make 创建 map 时，底层调用的是 makemap() 函数，makemap() 函数返回的是一个指针，因为返回的是指针，所以 map 作为参数的时候，函数内部能修改map。

funcmakemap(t *maptype, hint int, h *hmap)*hmap {}

三、map 的底层实现

   源码位于 src\runtime\map.go 中。

  golang 中 map 底层使用的是哈希查找表，用链表来解决哈希冲突。每个 map 的底层结构是 hmap，是由若干个结构为 bmap 的 bucket 组成的数组，每个 bucket 底层都采用链表结构。

hmap 的结构：

type hmap struct{
    count      int// map中元素的数量，调用len()直接返回此值
    flags      uint8// 状态标识符，key和value是否包指针、是否正在扩容、是否已经被迭代
    B          uint8// map中桶数组的数量，桶数组的长度的对数，len(buckets) == 2^B，可以最多容纳 6.5 * 2 ^ B 个元素，6.5为装载因子
    noverflow  uint16// 溢出桶的大概数量，当B小于16时是准确值，大于等于16时是大概的值
    hash0      uint32// 哈希种子，用于计算哈希值，为哈希函数的结果引入一定的随机性
    buckets    unsafe.Pointer // 指向桶数组的指针，长度为 2^B ，如果元素个数为0，就为 nil
    oldbuckets unsafe.Pointer // 指向一个旧桶数组，用于扩容，它的长度是当前桶数组的一半
    nevacuate  uintptr// 搬迁进度，小于此地址的桶数组迁移完成
    extra      *mapextra      // 可选字段，用于gc，指向所有的溢出桶，避免gc时扫描整个map，仅扫描所有溢出桶就足够了}// 溢出桶结构type mapextra struct{
    overflow    *[]*bmap // 指针数组，指向所有溢出桶
    oldoverflow *[]*bmap // 指针数组，发生扩容时，指向所有旧的溢出桶
    nextOverflow *bmap // 指向所有溢出桶中下一个可以使用的溢出桶}

bmap的结构：

type bmap struct{
    tophash [bucketCnt]uint8// bucketCnt=8，// 存放key哈希值的高8位，用于决定kv键值对放在桶内的哪个位置}//实际上编辑期间会动态生成一个新的结构体type bmap struct{
    topbits  [8]uint8// 存放key哈希值的高8位，用于决定kv键值对放在桶内的哪个位置
    keys     [8]keytype   // 存放key的数组
    values   [8]valuetype // 存放value的数组
    pad      uintptr// 用于对齐内存
    overflow uintptr// 指向下一个桶，即溢出桶，拉链法}

  buckets是一个bmap数组，数组的长度就是 2^B。每个bucket固定包含8个key和value，实现上面是一个固定的大小连续内存块，分成四部分：tophash 值，8个key值，8个value值，指向下个bucket的指针。

  tophash 值用于快速查找key是否在该bucket中，当插入和查询运行时都会使用哈希哈数对key做哈希运算，获取一个hashcode，取高8位存放在bmap tophash字段中。

  桶里面会最多装 8 个 key，这些 key 之所以会落入同一个桶，是因为它们经过哈希计算后，哈希结果是“一类”的。在桶内，又会根据 key 计算出来的 hash 值的高 8 位来决定 key 到底落入桶内的哪个位置（一个桶内最多有8个位置）。

  如图，B=5 表示hmap的有2^5=32个bmap，buckets是一个bmap数组，其长度为32，每个bmap有8个key。

  桶结构的很多字段得在编译时才会动态生成，比如key和values等

  桶结构中，之所以所有的key放一起，所有的value放一起，而不是key/value一对对的一起存放，目的便是在某些情况下可以省去pad字段，节省内存空间。由于内存对齐的原因，key0/value0/key1/value1… 这样的形式可能需要更多的补齐空间，比如 map[int64]int8 ，1字节的value后面需要补齐7个字节才能保证下一个key是 int64 对齐的。

  golang中的map使用的内存是不会收缩的，只会越用越多。

  每个 bucket 设计成最多只能放 8 个 key-value 对，如果有第 9 个 key-value 落入当前的 bucket，那就需要再构建一个溢出桶 bucket ，通过 overflow 指针连接起来。

四、map 的扩容

1、装载因子（平均每个桶存储的元素个数）

  Go的装载因子阈值常量：6.5，map 最多可容纳 6.5*2^B 个元素。

  装载因子等于 map中元素的个数 / map的容量，即len(map) / 2^B。装载因子用来表示空闲位置的情况，装载因子越大，表明空闲位置越少，冲突也越多。随着装载因子的增大，哈希表线性探测的平均用时就会增加，这会影响哈希表的性能，当装载因子大于70%，哈希表的性能就会急剧下降，当装载因子达到100%，整个哈希表就会完全失效，这个时候，查找和插入任意元素的复杂度都是O(N),因为需要遍历所有元素。

  另外装载因子与扩容、迁移等重新散列(rehash) 行为有直接关系：

• 在程序运行时，会不断地进行插入、删除等，会导致 bucket 不均，内存利用率低，需要迁移。
• 在程序运行时，出现装载因子过大，需要做扩容，解决 bucket 过大的问题。

为什么装载因子是6.5？不是8？不是1？
  装载因子是哈希表中的一个重要指标，主要目的是为了平衡 buckets 的存储空间大小和查找元素时的性能高低。实际上这是 Go 官方的经过认真的测试得出的数字，一起来看看官方的这份测试报告。包含四个指标：

• loadFactor：负载因子，也叫装载因子；
• %overflow：溢出率，有溢出 bukcet 的百分比；
• bytes/entry：平均每对 key/alue 的开销字节数；
• hitprobe：查找一个存在的 key 时，要查找的平均个数；
• missprobe：查找一个不存在的 key 时，要查找的平均个数。

  Go 官方发现：装载因子越大，填入的元素越多，空间利用率就越高，但发生冲突的几率就变大；反之，装数因子越小，填入的元素越少，冲突发生的几率减小，但空间利用率低，而且还会提高扩容操作的次数。

  根据这份测试结果和讨论，Go 官方取了一个相对适中的值，把 Go 中的 map 的负数因子硬编码为 6.5，这就是 6.5 的选择缘由。这意味着在 Go 语言中，当 map存储的元素个数大于或等于 6.5*桶个数 时，就会发扩容行为。

2、触发 map 扩容的时机（插入、删除key）

• 当装载因子超过6.5时，扩容一倍，属于增量扩容；
• 当使用的溢出桶过多时，重新分配一样大的内存空间，属于等量扩容； （实际上没有扩容，主要是为了回收空闲的溢出桶，节省空间，提高 map 的查找和插入效率）

为什么会出现这种情况？
  这种情况可能是因为map删除的特性导致的。当我们不断向哈希表中插入数据，并且将他们又全部删除时，其内存占用并不会减少，因为删除只是将桶对应位置的tophash置nil而已。
  这种情况下，就会不断的积累溢出桶造成内存泄露，为了解决这种情况，采用了等量扩容的机制，一旦哈希表中出现了过多的溢出桶，会创建新桶保存数据，gc会清理掉老的溢出桶，从而避免内存泄露。

如何定义溢出桶是否太多需要等量扩容呢？两种情况：

• 当B小于15时，溢出桶的数量超过2^B，属于溢出桶数量太多，需要等量扩容；
• 当B大于等于15时，溢出桶数量超过2^15，属于溢出桶数量太多，需要等量扩容。

3、扩容策略（怎么扩容？）

  Go 会创建一个新的 buckets 数组，新的 buckets 数组的容量是旧buckets数组的两倍（或者和旧桶容量相同），将原始桶数组中的所有元素重新散列到新的桶数组中。这样做的目的是为了使每个桶中的元素数量尽可能平均分布，以提高查询效率。旧的buckets数组不会被直接删除，而是会把原来对旧数组的引用去掉，让GC来清除内存。

  在map进行扩容迁移的期间，不会触发第二次扩容。只有在前一个扩容迁移工作完成后，map才能进行下一次扩容操作。

4、搬迁策略

  由于map扩容需要将原有的kv键值对搬迁到新的内存地址，如果一下子全部搬完，会非常的影响性能。go 中 map 的扩容采用渐进式的搬迁策略，原有的 key 并不会一次性搬迁完毕，一次性搬迁会造成比较大的延时，每次最多只会搬迁 2 个 bucket，将搬迁的O(N)开销均摊到O(1)的赋值和删除操作上。

  上面说的 hashGrow() 函数实际上并没有真正地“搬迁”，它只是分配好了新的 buckets，并将老的 buckets 挂到了 oldbuckets 字段上。真正搬迁 buckets 的动作在 growWork() 函数中，而调用 growWork() 函数的动作是在 mapassign 和 mapdelete 函数中。也就是插入或修改、删除 key 的时候，都会尝试进行搬迁 buckets 的工作。先检查 oldbuckets 是否搬迁完毕，具体来说就是检查 oldbuckets 是否为 nil。

五、解决哈希冲突

1、开放寻址法

  如果发生哈希冲突，从发生冲突的那个单元起，按一定的次序，不断重复，从哈希表中寻找一个空闲的单元，将该键值对存储在该单元中。具体的实现方式包括线性探测法、平方探测法、随机探测法和双重哈希法等。开放寻址法需要的表长度要大于等于所需要存放的元素数量。

2、链地址法

  基于数组 + 链表 实现哈希表，数组中每个元素都是一个链表，将每个桶都指向一个链表，当哈希冲突发生时，新的键值对会按顺序添加到该桶对应的链表的尾部。在查找特定键值对时，可以遍历该链表以查找与之匹配的键值对。

3、两种方案的比较

• 内存利用率   对于链地址法，基于 数组 + 链表 进行存储，链表节点可以在需要时再创建，开放寻址法需要事先申请好足够内存，因此链地址法对内存的利用率高。
• 适用场景   链地址法对装载因子的容忍度会更高，适合存储大对象、大数据量的哈希表，而且相较于开放寻址法，它更加灵活，支持更多的优化策略，比如可采用红黑树代替链表。但是链地址法需要额外的空间来存储指针。   对于开放寻址法，它只有数组一种数据结构就可完成存储，继承了数组的优点，对CPU缓存友好，易于序列化操作，但是它对内存的利用率不高，且发生冲突时代价更高。当数据量明确、装载因子小，适合采用开放寻址法。