Go: 通过例子学习 Map 的设计 — Part I

:information_source: 本文是三篇系列文章中的第一篇。每篇文章 将 涵盖map中的不同部分。 建议您按顺序阅读。

Go提供的内置类型 map 实现了一个哈希表。在本文中，我们将探讨此哈希表不同部分的实现：桶（存储键/值对的结构），哈希（这些键/值对的索引）和负载因子（判断 map 是否应该扩容的指标）。

桶

Go将键/值对存储在桶列表中，其中每个桶将容纳8对，而当map容量不足时，哈希桶的数量将翻倍。这是具有4个桶的map的粗略示意图：

我们将在下一篇文章中看到桶中的键/值对是如何存储的。如果map再次增长，则桶数将翻倍至8，然后是16，依此类推。

当一个键/值对进入map时，它将根据从键计算出的哈希值将其分配到桶中。

哈希

当一个键/值对被分配给map时，Go将基于这个键生成一个哈希值。

让我们举一个插入键/值对 "foo" = 1 的示例。生成的哈希值可能是 15491954468309821754 。此值将应用于位操作，掩码相较于桶数减1。在我们使用4个桶的示例中，掩码3，位操作如下：

哈希值不仅用于桶中值的分配，还参与其他的操作。每个桶都将其哈希值的首字节存储在一个内部数组中，这使得 Go 可以对键进行索引，并跟踪桶中的空槽。让我们看一下哈希在二进制表示下例子：

由于桶中有一个名为top hash的内部表，Go将能够在数据访问期间使用它们，并将其与请求的键的哈希值进行比较。

根据我们在程序中对 map 的使用，Go 需要对 map 进行扩容，以便管理更多的键/值对。

Map 扩容

如果桶收到要存储的键/值对，它将存储在桶中的8个可用插槽中。如果它们都不可用，那么将创建一个溢出桶并将其链接到当前桶：

这里溢出属性表明了桶的内部结构。然而增加溢出桶会降低map的性能。为了解决这个问题，Go将会分配新桶（当前桶数的两倍），在新旧桶之间保持链接，并逐步迁移桶。实际上，在进行了新分配后，每个参与过写操作的桶，如果操作还未完成，都将被迁移。被迁移的桶中的所有键/值对都将被重新分配到新桶中，这意味着，先前同一个桶中存储在一起的键/值对，现在可能被分配到不同的桶中。

Go 使用负载因子来判断何时开始分配新桶并迁移旧桶。

Loading factor

Go选择6.5作为map的负载因子。你可以在代码中发现负载因子的相关研究：

// Picking loadFactor: too large and we have lots of overflow

// buckets, too small and we waste a lot of space. I wrote

// a simple program to check some stats for different loads:

// (64-bit, 8 byte keys and values)

// loadFactor %overflow bytes/entry hitprobe missprobe

// 4.00 2.13 20.77 3.00 4.00

// 4.50 4.05 17.30 3.25 4.50

// 5.00 6.85 14.77 3.50 5.00

// 5.50 10.55 12.94 3.75 5.50

// 6.00 15.27 11.67 4.00 6.00

// 6.50 20.90 10.79 4.25 6.50

// 7.00 27.14 10.15 4.50 7.00

// 7.50 34.03 9.73 4.75 7.50

// 8.00 41.10 9.40 5.00 8.00

//

// %overflow = percentage of buckets which have an overflow bucket

// bytes/entry = overhead bytes used per key/value pair

// hitprobe = # of entries to check when looking up a present key

// missprobe = # of entries to check when looking up an absent key

如果每个桶中的值的平均数量超过6.5，则map将增长。正如我们在研究中看到的那样，由于基于键的哈希值的分布无法平均分布，因此选择接近8的值可能会导致大量的溢出桶。

⏭  这个系列的下一篇文章，将会讲解 map 的内部实现。

编译自

https://medium.com/a-journey-with-go/go-map-design-by-example-part-i-3f78a064a352

博客地址

https://www.chenjie.info/2511