Table内部实现2

这一节介绍Lua唯一的数据结构table，相对于大部分语言提供数组和字典两种类型，Lua将其合二为一，颇为精巧的实现了table。

table充分体现了Lua语言的特点，用最简练的语法表达丰富的信息，但也增加了用户的理解成本。table包含数组和哈希两部分功能，所以实现起来颇为复杂。

本文展示的代码来自llamavm，并非Lua源码，C++版本的实现比较容易理解。

实现部分包括：

数据存储

获取key值

修改key值

自动扩容

计算数组长度

遍历table

示例代码：

执行结果：

Part1 数据存储

若将数组下标索引（1到n）作为整数key，用一个哈希表就能实现table。

key可以为nil之外的任意类型，比如整数key、字符串key，布尔key，甚至可以用函数、table作为key。

在Lua5.0之前，table内部用一个哈希表实现，5.0版本后拆分为数组和哈希两个部分。

两种实现的区别

（1）一个哈希表实现，所有key都存储在哈希表内

（2）数组加哈希表实现，部分整数key存放在数组，其余key存放在哈希表

将部分整数key放在数组部分，显然是为了性能考虑，这里引用一段官方说明：

混合机制有两个优点：

第一：访问整型key的操作会变得更快了，因为不再需要哈希。

第二：更重要的是，数组部分只占原来哈希部分的一半大小，因为哈希部分需要同时存储key和value，而数组部分的key已经隐含在下标了。

结果是，如果一个table是作为数组使用的，它的表现就像数组一样，只要它的整型key是密集分布的。而且，哈希部分没有内存或者时间的代价，因为作为数组使用时，哈希部分不存在。

反过来说，如果table是作为记录使用而非数组，那么数组部分就是空的。这些节省下来的内存是重要的，因为对于Lua程序来说，创建大量小table是很常见的（比如用table来表示object）。

Lua的table也能优雅的处理稀疏数组：语句a={[1000000000]=1}在哈希部分创建了一个键值对，而非一个10亿元素的数组。

数组部分的实现比较简单，主要介绍哈希部分的实现。

在《字符串实现》一节里介绍了通过哈希表实现字符串池，采用链地址法解决hash冲突。在table里采用开放地址法解决hash冲突，table类型定义如下：

数组部分存放在arrayData，每个元素为一个Object

哈希部分存放在hashData，每个元素为一个Node

Node包括key、value，以及指向下一个冲突结点的指针

last_free表示最后一个空闲结点的位置，避免遍历查找

举例说明

（1）有3个结点，key分别为aa、bb、cc

{'aa', 100}

{'bb', 200}

{'cc', 300}

其中'aa'和'cc'的hash值都为401，产生冲突（哈希算法比较差），'bb'的哈希码为402

hashcode('aa') = 401

hashcode('bb') = 402

hashcode('cc') = 401

（2）添加这3个结点到table，Node数组大小为4，根据key的hash值计算数组位置

pos_aa = hashcode('aa') % 4 = 1

pos_bb = hashcode('bb') % 4 = 2

pos_cc = hashcode('cc') % 4 = 1

（3）添加'aa'，添加到位置1

hashData[1] = Node

（4）添加'bb'，添加到位置2

hashData[2] = Node

（5）添加'cc'，位置1已经被'aa'占据，挑选一个空闲位置，last_free=3，添加到位置3

hashData[3] = Node

3个结点添加完毕，Node数组为：

hashData[0] = Node {}

hashData[1] = Node

hashData[2] = Node

hashData[3] = Node

（6）由于'aa'和'cc'冲突，'cc'不在其主位置上（应该在位置1，实际在位置3），需要将'aa'和'cc'串联起来，构成冲突链

hashData[0] = Node {}

hashData[1] = Node

hashData[2] = Node

hashData[3] = Node

查找'cc'时，先查找位置1，找到'aa'，再根据'aa'的next指针找到'cc'。

table结构图：

Part2 获取key值

根据前面的分析，大概了解key的查询方法，流程如下：

先确定key是否在数组部分，比如数组部分长度为4，若key为 1~4 会在数组部分查找，其余key都在哈希部分查找

若在数组部分，直接根据索引查找。数组部分的扩容，在rehash部分介绍

若在哈希部分，先根据key的hash值计算其位置，再通过Node的next指针遍历冲突链，找到对应key。

关键点在于如何计算key的hash值，key可以为多种类型，需要针对每种类型计算其哈希值。

（1）字符串

字符串对象本身携带hash值，可以直接使用。

（2）数值

整数值可以直接用作hash值。对于浮点数，考虑到小数部分的不同也会影响hash值，可以将小数累加到整数部分

n = 123.456789

hashcode(n) =(n - (int)n) * 1000000+ n = 456912

（3）指针类型

指针本身就是数值，可以直接用作hash值

hashcode(key) = (long)ptr

总体来说，应尽量利用数据的每个字节计算hash值，以达到hash散列的效果。

Part3 修改key值

要修改key的值，需要先找到key所在的位置，这一点和“获取key值”原理相同。若找到对应的key，直接修改其value值。

若没找到key，添加到哈希部分，流程如下：

当主位置被占用，且有空闲结点的时候，需要调整结点的位置，流程如下：

这里逻辑有些复杂，举例讲解：

（1）假定Node数组长度为4，先添加key 'aa'，通过hash值计算其主位置应该为1

Node[1] = 'aa'

（2）添加key 'bb'，恰巧其主位置也为1，由于'aa'在其正确位置上，分配最后一个空闲结点给'bb'，且建立冲突链，'aa'指向'bb'

Node[1] = 'aa',next->[3]'bb'

Node[3] = 'bb'

（3）添加key 'cc'，其主位置为3，但'bb'已经占用了位置3，由于'bb'的实际主位置应该为1，所以需要将'bb'移走，归还给'cc'

通过冲突链，获取'bb'的前置结点'aa'

分配空闲位置给'bb'，last_free=2

'aa'指向'bb'的新位置

'cc'存放在其主位置

Node[1] = 'aa',next->[2]'bb'

Node[2] = 'bb'

Node[3] = 'cc'

'bb'从位置3挪动到位置2，'cc'使用位置3，在挪动前后，'aa'始终指向'bb'。