Golang map探究
字节跳动技术团队 人气:1简介
本文主要通过探究在golang 中map的数据结构及源码实现来学习和了解map的特性,共包含map的模型探究、存取、扩容等内容。欢迎大家共同讨论。
Map 的底层内存模型
在 golang 的源码中表示 map 的底层 struct 是 hmap,其是 hashmap 的缩写
type hmap struct { // map中存入元素的个数, golang中调用len(map)的时候直接返回该字段 count int // 状态标记位,通过与定义的枚举值进行&操作可以判断当前是否处于这种状态 flags uint8 B uint8 // 2^B 表示bucket的数量, B 表示取hash后多少位来做bucket的分组 noverflow uint16 // overflow bucket 的数量的近似数 hash0 uint32 // hash seed (hash 种子) 一般是一个素数 buckets unsafe.Pointer // 共有2^B个 bucket ,但是如果没有元素存入,这个字段可能为nil oldbuckets unsafe.Pointer // 在扩容期间,将旧的bucket数组放在这里, 新buckets会是这个的两倍大 nevacuate uintptr // 表示已经完成扩容迁移的bucket的指针, 地址小于当前指针的bucket已经迁移完成 extra *mapextra // optional fields }
B 是 buckets 数组的长度的对数, 即 bucket 数组的长度是 2^B。bucket 的本质上是一个指针,指向了一片内存空间,其指向的 struct 如下所示:
// A bucket for a Go map. type bmap struct { tophash [bucketCnt]uint8 }
但这只是表面(src/runtime/hashmap.go)的结构,编译期间会给它加料,动态地创建一个新的结构:
type bmap struct { topbits [8]uint8 keys [8]keytype values [8]valuetype pad uintptr // 内存对齐使用,可能不需要 overflow uintptr // 当bucket 的8个key 存满了之后 }
bmap 就是我们常说的“桶”的底层数据结构, 一个桶中可以存放最多 8 个 key/value, map 使用 hash 函数 得到 hash 值决定分配到哪个桶, 然后又会根据 hash 值的高 8 位来寻找放在桶的哪个位置 具体的 map 的组成结构如下图所示:
Map 的存与取
在 map 中存与取本质上都是在进行一个工作, 那就是:
- 查询当前 k/v 应该存储的位置。
- 赋值/取值, 所以我们理解了 map 中 key 的定位我们就理解了存取。
底层代码
func mapaccess2(t *maptype, h *hmap, key unsafe.Pointer) (unsafe.Pointer, bool) { // map 为空,或者元素数为 0,直接返回未找到 if h == nil || h.count == 0 { return unsafe.Pointer(&zeroVal[0]), false } // 不支持并发读写 if h.flags&hashWriting != 0 { throw("concurrent map read and map write") } // 根据hash 函数算出hash值,注意key的类型不同可能使用的hash函数也不同 hash := t.hasher(key, uintptr(h.hash0)) // 如果 B = 5,那么结果用二进制表示就是 11111 , 返回的是B位全1的值 m := bucketMask(h.B) // 根据hash的后B位,定位在bucket数组中的位置 b := (*bmap)(unsafe.Pointer(uintptr(h.buckets) + (hash&m)*uintptr(t.bucketsize))) // 当 h.oldbuckets 非空时,说明 map 发生了扩容 // 这时候,新的 buckets 里可能还没有老的内容 // 所以一定要在老的里面找,否则有可能发生“消失”的诡异现象 if c := h.oldbuckets; c != nil { if !h.sameSizeGrow() { // 说明之前只有一半的 bucket,需要除 2 m >>= 1 } oldb := (*bmap)(unsafe.Pointer(uintptr(c) + (hash&m)*uintptr(t.bucketsize))) if !evacuated(oldb) { b = oldb } } // tophash 取其高 8bit 的值 top := tophash(hash) // 一个 bucket 在存储满 8 个元素后,就再也放不下了,这时候会创建新的 bucket,挂在原来的 bucket 的 overflow 指针成员上 // 遍历当前bucket的所有链式bucket for ; b != nil; b = b.overflow(t) { // 在bucket的8个位置上查询 for i := uintptr(0); i < bucketCnt; i++ { // 如果找到了相等的 tophash,那说明就是这个 bucket 了 if b.tophash[i] != top { continue } // 根据内存结构定位key的位置 k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.keysize)) if t.indirectkey { k = *((*unsafe.Pointer)(k)) } // 校验找到的key是否匹配 if t.key.equal(key, k) { // 定位v的位置 v := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.keysize)+i*uintptr(t.valuesize)) if t.indirectvalue { v = *((*unsafe.Pointer)(v)) } return v, true } } } // 所有 bucket 都没有找到,返回零值和 false return unsafe.Pointer(&zeroVal[0]), false }
寻址过程
Map 的扩容
在 golang 中 map 和 slice 一样都是在初始化时首先申请较小的内存空间,在 map 的不断存入的过程中,动态的进行扩容。扩容共有两种,增量扩容与等量扩容(重新排列并分配内存)。下面我们来了解一下扩容的触发方式:
- 负载因子超过阈值,源码里定义的阈值是 6.5。(触发增量扩容)
- overflow 的 bucket 数量过多:当 B 小于 15,也就是 bucket 总数 2^B 小于 2^15 时,如果 overflow 的 bucket 数量超过 2^B;当 B >= 15,也就是 bucket 总数 2^B 大于等于 2^15,如果 overflow 的 bucket 数量超过 2^15。(触发等量扩容)
第一种情况
第二种情况
Map 的有序性
先说结论,在 golang 中 map 是无序的,准确的说是无法严格保证顺序的, 从上面的源码中我们可以知道,golang 中 map 在扩容后,可能会将部分 key 移至新内存,由于在扩容搬移数据过程中,并未记录原数据位置, 并且在 golang 的数据结构中也并未保存数据的顺序,所以那么这一部分在扩容后实际上就已经是无序的了。
遍历的过程,其实就是按顺序遍历内存地址,同时按顺序遍历内存地址中的 key。但这时已经是无序的了。但是如果我就一个 map,我保证不会对 map 进行修改删除等操作,那么按理说没有扩容就不会发生改变。但也是因为这样,GO 才在源码中 但是有一个有趣的现象,就算不对 map 进行插入删除等操作致使其扩容,其在遍历过程中仍是无序的。
objMap := make(map[string]int) for i := 0; i < 5; i++ { objMap[strconv.Itoa(i)] = i } for i := 0 ; i < 5; i ++ { var valStr1, valStr2 string for k, v := range objMap { fmt.Println(k) fmt.Println(v) valStr1 += k } for k, v := range objMap { fmt.Println(k) fmt.Println(v) valStr2 += k } fmt.Println(valStr1 == valStr2) if valStr1 != valStr2 { fmt.Println("not equal") } } fmt.Println("end")
以上的运行结果是
不难看出,即使不对 map 进行扩容,在多次遍历时也是无序的,这是因为 golang 官方在设计时故意加上随机的元素,将遍历 map 的顺序随机化,用来防止使用者用来顺序遍历。
依赖 map 的顺序进行遍历,这是有风险的代码,在 GO 的严格语法规则下,是坚决不提倡的。所以我们在使用 map 时一定要记得其是无序的,不要依赖其顺序。
Map 的并发
首先我们大家都知道,在 golang 中 map 并不是一个并发安全的数据结构,当几个 goruotine 同时对一个 map 进行读写操作时,就会出现并发写问题:fatal error: concurrent map writes。但是为什么 map 是不支持并发安全的呢, 主要是因为成本与效益。
官方答复原因如下:
- 典型使用场景:map 的典型使用场景是不需要从多个 goroutine 中进行安全访问。
- 非典型场景(需要原子操作):map 可能是一些更大的数据结构或已经同步的计算的一部分。
性能场景考虑:若是只是为少数程序增加安全性,导致 map 所有的操作都要处理 mutex,将会降低大多数程序的性能。同时 golang 提供了并发安全的 sync map。
, // 不支持并发读写 if h.flags&hashWriting != 0 { throw("concurrent map read and map write") }
但是我们又有疑问了,为什么 golang map 并发冲突了不抛一个 error 出来,或者 panic 掉,而是要让程序 panic,选择让程序 crash 崩溃掉。这里是 golang 官方出于权衡风险和 map 使用复杂度场景考虑的,首先 map 在官方中就明确表示不支持并发读写, 所以并发对 map 进行读写操作本身就是不正确的。
场景假设一:如果 map 选择在写入或者读取时增加 error 返回值,会导致程序在使用 map 时就无法像现在一样,需要额外的捕获并判断 err。
场景假设二:如果 map 选择 panic(可被 recover),此时如果出现并发写入数据的场景,就会导致走进 recover 中,如果没有对这种场景进行特殊处理,就会导致 map 中存在脏数据,此时程序在使用 map 时就会引发不可预知的错误,此时排查起来也是很难找到问题的根因的。
所以 golang 在考虑了这些场景后,选择明确的抛出 crash 崩溃异常,使得风险被提前暴露。可以明确的定位到问题点。综上所述我们在使用 map 时,已经要严格保障其是在单线程内使用的,如果有多线程场景,建议使用 sync map 。
总结
加载全部内容