PHP内核探索：PHP哈希算法设计

名站导航为爱好php程序的朋友们提供php相关的教程知识。

hash Table是PhP程序的核心，这话一点都不过分。PhP程序的数组、关联数组、对象属性、函数表、符号表等等都是用hashTable来做为容器的。

PhP程序的hashTable采用的拉链法来解决冲突，这个自不用多说，我今天主要关注的就是PhP程序的hash算法，和这个算法本身透露出来的一些思想。

PhP程序的hash采用的是目前最为普遍的DJBX33A (Daniel J. Bernstein, Times 33 with Addition)，这个算法被广泛运用与多个软件项目，Apache、Perl和Berkeley DB等。对于字符串而言这是目前所知道的最好的哈希算法，原因在于该算法的速度非常快，而且分类非常好(冲突小，分布均匀)。

算法的核心思想就是：

hash(i) = hash(i-1) * 33 str[i]

在zend_hash.h中，我们可以找到在PhP程序中的这个算法：

static inline ulong zend_inline_hash_func(char *arKey, uint nKeyLength)

{

/* variant with the hash unrolled eight times */

for (; nKeyLength >= 8; nKeyLength -= 8) {

hash = ((hash << 5) hash) *arKey ;

}

switch (nKeyLength) {

case 7: hash = ((hash << 5) hash) *arKey ; /* fallthrough... */

case 6: hash = ((hash << 5) hash) *arKey ; /* fallthrough... */

case 5: hash = ((hash << 5) hash) *arKey ; /* fallthrough... */

case 4: hash = ((hash << 5) hash) *arKey ; /* fallthrough... */

case 3: hash = ((hash << 5) hash) *arKey ; /* fallthrough... */

case 2: hash = ((hash << 5) hash) *arKey ; /* fallthrough... */

case 1: hash = ((hash << 5) hash) *arKey ; break;

case 0: break;

EMPTY_SWITCh_DEFAULT_CASE()

}

return hash;

}

相比在Apache和Perl中直接采用的经典Times 33算法：

hashing function used in Perl 5.005:

# Return the hashed value of a string: $hash = perlhash("key")

# (Defined by the PERL_hASh macro in hv.h)

sub perlhash

{

$hash = 0;

foreach (split //, shift) {

$hash = $hash*33 ord($_);

}

return $hash;

}

在PhP程序的hash算法中，我们可以看出很处细致的不同。首先，最不一样的就是，PhP程序中并没有使用直接乘33，而是采用了：

hash << 5 hash

这样当然会比用乘快了。

然后，特别要主意的就是使用的unrolled，我前几天看过一篇文章讲Discuz的缓存机制，其中就有一条说是Discuz会根据帖子的热度不同采用不同的缓存策略，根据用户习惯，而只缓存帖子的第一页(因为很少有人会翻帖子)。

于此类似的思想，PhP程序鼓励8位一下的字符索引，他以8为单位使用unrolled来提高效率，这不得不说也是个很细节的，很细致的地方。

另外还有inline，register变量 … 可以看出PhP程序的开发者在hash的优化上也是煞费苦心。

最后就是，hash的初始值设置成了5381，相比在Apache中的times算法和Perl中的hash算法(都采用初始hash为0)，为什么选5381呢？具体的原因我也不知道，但是我发现了5381的一些特性：

Magic Constant 5381:

1. odd number

2. prime number

3. deficient number

4. 001/010/100/000/101 b

看了这些，我有理由相信这个初始值的选定能提供更好的分类。

至于说，为什么是Times 33而不是Times 其他数字，在PhP程序 hash算法的注释中也有一些说明，希望对有兴趣的同学有用：

DJBX33A (Daniel J. Bernstein, Times 33 with Addition)

This is Daniel J. Bernstein's popular `times 33' hash function as

posted by him years ago on comp.lang.c. It basically uses a function

like ``hash(i) = hash(i-1) * 33 str[i]''. This is one of the best

known hash functions for strings. Because it is both computed very

fast and distributes very well.

The magic of number 33, i.e. why it works better than many other

constants, prime or not, has never been adequately explained by

anyone. So I try an explanation: if one experimentally tests all

multipliers between 1 and 256 (as RSE did now) one detects that even

numbers are not useable at all. The remaining 128 odd numbers

(except for the number 1) work more or less all equally well. They

all distribute in an acceptable way and this way fill a hash table

with an average percent of approx. 86%.

If one compares the Chi^2 values of the variants, the number 33 not

even has the best value. But the number 33 and a few other equally

good numbers like 17, 31, 63, 127 and 129 have nevertheless a great

advantage to the remaining numbers in the large set of possible

multipliers: their multiply operation can be replaced by a faster

operation based on just one shift plus either a single addition

or subtraction operation. And because a hash function has to both

distribute good _and_ has to be very fast to compute, those few

numbers should be preferred and seems to be the reason why Daniel J.

Bernstein also preferred it.

-- Ralf S. Engelschall <rse@engelschall.com>

名站网址导航

PhP程序内核探索：翻译一篇hashTables文章

好了关于php程序的知识就说到这里希望可以帮助需要的朋友。,

PHP内核探索：PHP哈希算法设计

宝贝市场2023-02-08

夺宝助手2023-02-08

查诚信2023-02-08

车价天天报2023-02-08

考勤助理小程序2023-02-08

汽车报价大全查询2023-02-08