Question

PHP array是PHP的核心功能之一。它是稀疏的，允许同一数组中的多类型键，并支持集合，字典，数组，堆栈/队列和迭代功能。

但是在使用PHP一段时间之后，我发现很多array_*函数比你初看起来慢得多。就像array_rand在非常大的数组（10000+）上的情况一样。 array_rand实际上是如此之慢，以至于在使用php数组作为索引数组的情况下，像rand( 0, array_length( $array ) - 1 )这样的函数运行速度比array_rand快。

现在问我的问题。

如何在C级别上实现PHP数组？这对于预测大量使用PHP数组数据类型的不同功能的函数的Big O非常有用。

Answer 1

在读完zend / zend_hash.h和ext / standard / array.c之后我想我找到了答案（谢谢Chris和gumbo的建议）。

PHP数组是一个链式哈希表（在键冲突上查找O（c）和O（n）），它允许使用int和string键。它使用2种不同的散列算法将这两种类型拟合到相同的散列键空间中。此外，存储在散列中的每个值都链接到它之前存储的值和存储在（链接列表）之后的值。它还有一个临时指针，用于保存当前项，以便可以迭代哈希值。

array_rand函数的捕获是为了确保密钥是真正随机的，array_rand函数必须遍历数组rand(0, count($array))次（O（n））。这是因为在O（c）时间内无法移动到散列表中的偏移量，因为无法保证该范围内没有丢失键。

这个发现让我感到有些困扰，因为这意味着PHP中没有数据类型具有正常的C数组特征。现在大部分时间都没问题，因为哈希查找速度非常快，但在array_rand这样的情况下会出现错误。

另一件令我困扰的事情是array_key_exists和in_array的实施之间的差异。 array_key_exists使用哈希查找（大部分时间为O（c））来查看密钥是否在数组中，而in_array必须线性搜索哈希值（O（n））。

考虑以下两个例子：

in_array版本

$array = range(0, 100000);
if( in_array( $random_key, $array ) ) {
   //we found a value
}

array_key_exists版本

$array = array_fill_keys( range(0, 100000), NULL );
if( array_key_exists( $random_key, $array ) ) {
   //we found a value, err key
}

虽然in_array版本看起来更清晰，更容易理解，但它在大型数组（O（n））上实际上非常慢，其中array_key_exists（尽管是令人讨厌的长名称）非常快（O（c）或接近）。

总结：我希望zend HashTable数据结构中有一个透明标志，在使用array_push或array[] = $value创建数组的情况下设置它，这将允许像C数组而不是链接一样进行扩展列表。

Answer 2

PHP关联数组实际上是HashTables的实现。

在内部，可以制作数字数组或关联数组。如果将它们组合在一起，它就是关联数组。

在数值数组中，它与C非常相似。您有指向ZVAL结构的指针数组。

因为指针具有固定长度（让我们称之为n），所以偏移（x）计算很容易：x * n。

在PHP类型中是ZVAL结构（因为它实现了动态类型），但它也有助于关联数组，因为你可以假设固定长度。因此，即使直接访问数组较慢，它仍然被认为是O（1）。

那么字符串键会发生什么？ PHP使用哈希函数将它们转换为整数。

在数字和关联数组中搜索具有相似的效率，因为在内部它们都是数字。

由于附加级别（哈希函数），只能直接访问数组键。

Answer 3

由于PHP数组are ordered maps（即使使用连续的整数索引）array_rand()可能必须包含从中选择元素的键列表。我猜测缓存（经常无效的）密钥列表的空间和时间是无效的，因此每次调用都会产生至少O（n）遍历和建设成本。

因为您的rand(... length ...)实现利用了您所拥有的特殊知识，即密钥是连续的整数，所以您将获得O（log n）查找成本。这似乎与Chacha102的数据一致。

Answer 4

在文档中查看此注释，确认您的困境，即array_rand虽然对于小型数组来说很快，但扩展性很差。

我修改了fake_array_rand以便总是只返回1个元素，并且在调用array_rand时使用第二个参数作为1进行了一些基准测试。我为每个元素的数量运行了100个样本并获得了平均结果。虽然内部array_rand对于少量元素来说更快，但它的扩展性非常差。

1 elements: 2.0619630813599E-05 sec. for array_rand,8.4352493286133E-05 sec. 
for fake_array_rand 

10 elements: 2.1675825119019E-05 sec. for array_rand,8.427619934082E-05 sec. 
for fake_array_rand 

100 elements: 2.9319524765015E-05 sec. for array_rand,8.4599256515503E-05 sec. 
for fake_array_rand 

1000 elements: 0.0001157283782959 sec. for array_rand,8.5572004318237E-05 sec. 
for fake_array_rand 

10000 elements: 0.0016669762134552 sec. for array_rand,8.5201263427734E-05 sec. 
for fake_array_rand 

100000 elements: 0.015599734783173 sec. for array_rand,8.5580348968506E-05 sec. 
for fake_array_rand 

1000000 elements: 0.18011983394623 sec. for array_rand,8.6690187454224E-05 sec. for fake_array_rand 

<?php 
function fake_array_rand ($array) 
{ 
        $count = count ($array); 
        # Help keep the number generator random :) 
        $randval and usleep ("0.$randval"); 

        # Seed the random number generator 
        # Generate a random number 
        srand ((double) microtime() * 10000000); 
        $randval = rand(); 

        # Use the random value to 'pick' an entry from the array 
        # Count the number of times that the entry is picked 
        ++$index[$randval % $count]; 

        return $array[$randval % $count]; 
} 
?>

http://us.php.net/manual/en/function.array-rand.php#22360

Answer 5

查看zend/zend_hash.c和zend/zend_hash.h

我不知道c，但对我来说，它看起来像一个链式哈希表。

如何在C级上实现PHP数组？

5 个答案: