PHP中HASH函數的優化技巧

Hash數據結構是一種很是常見的數據結構，做爲一個程序員，你可能天天都在和它接觸， 儘管不少時候你可能沒有意識到。Hash在PHP內核中扮演了很是重要的角色，數組、變量做用域、函數參數列表等均是基於Hash實現。因此，在PHP裏你能看到各類對於Hash的優化。

Hash數據結構

Hash數據結構，本質上爲了解決計算機中真正意義的數組只能使用數字做爲索引，而程序員卻常常須要使用字符串或者其餘更復雜的類型來做爲數組key的問題。首先咱們須要一個函數能把字符串轉成數字。而後，因爲數組的長度有限，咱們還須要把這個數字映射到數組長度的區間裏，通常使用取模操做。最後， 若是兩個字符串最終計算出來的Hash值同樣，將保存到數組相同的位置上，這種狀況叫作Hash衝突。解決衝突的常見辦法之一就是拉鍊法， 就是將Hash衝突的數據維護在一個鏈表裏； 另外一種比較常見的解決衝突的辦法叫開放尋址。下圖所示是一個典型的Hash結構：

Hash函數的最優狀況是，將key平均分佈在數組空間中， 這樣能得到最大的性能。最壞的狀況是徹底衝突，這個時候Hash表事實上已經退化爲一個鏈表。前幾年比較火的Hash攻擊事實上就是構造大量的衝突key，使PHP的POST數組退化爲鏈表，從而耗盡服務器的CPU資源。

所以咱們能夠得出一個結論， 一個優秀的hash函數應該符合兩點：足夠隨機分佈，足夠快。

DJB2算法

PHP內核中的hash函數（http://www.cse.yorku.ca/~oz/hash.html）採用的是經典的djb2算法，源碼爲：

關於這個算法背後其實有很複雜的數學證實，我曾經看到過一篇文章給出了完整證實，受限於數學水平這裏我只能從工程的角度來簡單說一下結論：

1. 奇數和素數能比偶數獲得更隨機的結果，因此能夠看到hash函數裏使用的是5381和33兩個數。

2. 爲何是5381？在這個討論裏（https://groups.google.com/forum/#!topic/comp.lang.c/lSKWXiuNOAk）談到採用一個比255大而又不是特別大的素數均可以，djb2的做者也參與了討論，他在討論裏說他選擇了5381，只是由於5381符合這個條件， 並無其餘特殊的緣由。

3. 爲何是33？其實有不少數均可以，採用33是由於n*33能夠優化爲n << 5 + n，能夠把一個耗時的乘法操做優化爲移位操做，畢竟hash函數的效率是很是重要的。

咱們看下PHP內核中的Hash函數實現：

能夠看出來PHP採用的就是djb2算法，可是彷佛和經典的djb2算法有些差距。實際上是PHP內核開發者對這個函數作了進一步的優化。

達夫設備

達夫設備（https://zh.wikipedia.org/wiki/%E8%BE%BE%E5%A4%AB%E8%AE%BE%E5%A4%87）的本質在於減小循環次數。考慮下面的代碼：

這段代碼的特色是很是簡單，簡單到循環自己就佔用了大多數性能開銷，由於每次循環都須要作累減和比較。所以減小循環次數反而成爲了優化重點，這種狀況在系統底層的內存複製的場景中常常出現。PHP中的Hash函數就採用了達夫設備這種技巧來優化， 循環次數減小爲原來的1/8。

順便說一句，實際上最先的達夫設備程序版本是這樣的：

並且這段代碼真的能編譯經過。

取模優化

計算出來hash值以後咱們須要把hash值映射到數組中， 好比hash值爲15，數組a長度爲10，15%10獲得5， 最終保存在a[5]的位置上。可是取模操做在特定條件下是能夠優化的。在PHP內核中，hash table的大小會設定爲2的n次方。當數組大小爲2的n次方時， hash % ht->nTableSize 能夠優化爲 hash & (ht->nTableSize - 1)，也就是把除法操做優化成了位操做。

結語

咱們看到，一個簡單的hash函數背後都蘊含了如此豐富的優化技巧，難怪都說PHP是世界上最好的語言 :) 。