IT评测·应用市场-qidao123.com

标题: 万字剖析Golang的map实现原理 [打印本页]

作者: 灌篮少年 时间: 2025-3-9 19:10
标题: 万字剖析Golang的map实现原理
0、引言

信赖各人对Map这个数据结构都不陌生，像C++的map、Java的HashMap。各个语言的底层实现各有不同，在本篇博客中，我将分享个人对Go的map实现的明确，以及深入源码进行分析，信赖耐心看完一定会收获不少。

1、宏观结构

信赖各人对于map的基本使用都不陌生，Golang中的map是不允许并发写操纵的，这里的写指代的是宏观意义上的“写”，包括了更新、插入、删除操纵。当发生了并发写时，程序会抛出fatal，这是一个非常严峻的错误，会直接克制程序的进行，因此对于同一个map，它不应该被共享到多个协程中。

我们可以通过以下代码来验证：

func main() {
hm := map[int]int{1: 1, 2: 2, 3: 3}
for i := 4; i <= 9999; i++ {
go func(num int) {
hm[i] = i
}(i)
}
}

复制代码

程序很快就会报错，因为我们有多个协程同时对map进行写入操纵。

那么map是怎么保存键值对的呢？

起首，我们得知道map的宏观结构，Go对map的计划采用了桶的思想，有一组组桶来装KV对，而且规定一个桶只能装8个KV对。

例如我们把KV1和KV2放在桶1中，KV3放在桶2中。假如我们有许多个KV对，只要桶够多，把它们分散在各个桶中，那么就能将O(N)的时间复杂度缩小到O(N/bucketsNum)了，只要给定符合的桶数，时间复杂度就≈O(1)。

于是，我们要办理两个标题：

如何找到一个KV对对应的桶？
如何保证桶平均下来的KV对数量都是合理的呢？

1.1、如何找到桶？

1、对于第一个标题，接纳的措施是使用哈希映射来办理。

假如我们有如许一个函数，它可以使得对于任意长度的输入，都压缩到一个固定长度的输出，而且对于相同的输入，输出必定是一样的。如许子的函数叫做哈希函数，即hash func。详细的可以去网上了解。那么在Go中，它会先求出每个KV的hash值，例如对于一个键值对「“Hello”：“World”」，求出它的hash值为100111101，那么只要对桶数取模即可找到对应的桶了。

对此，我们对hash函数的选取需要有一定的要求，它必须满意以下的性质：

hash的可重入性：相同的key，必定产生相同的hash值
hash的离散性：只要两个key不相同，岂论相似度的高低，产生的hash值都会在整个输出域内匀称地离散化
hash的单向性：不可通过hash值反向寻找key

但是，根据hash的性质，因为输入是无限的，但是输出的长度却是固定有限的，所以必然会存在两个不同的key通过映射到了同一个hash值的环境上，这种环境称之为hash辩论。对于Go对hash辩论接纳的策略，将会在下文提及。

1.2、如何保证桶平均的KV对数量是合理的？

对于这个标题，我们必须接纳一个措施来量化目前的存储状态是否合理。在Go中，引入了负载因子（Load Factor）的概念，对于一个map，假如存在count个键值对，2^B个桶，那么它必须满意以下方程：「count <=LoadFactor*(2^B)」，当count的值凌驾这个界限，就会引发map的扩容机制。LoadFactor在Go中，一样平常取值为6.5。

1.3、桶结构

一个map会维护一个桶数组，桶数组中含有多个桶，每个桶可以存放八个键值对，以及一个指向其溢出桶的指针。用图表示如下：

对于一个桶，含有八个槽位（slot），一个槽位可以放置一对键值对以及它的hash值。在桶的末尾含有一个overflow指针，指向它的溢出桶。

针对哈希辩论，接纳的措施紧张有两种：

拉链法：将多个命中到同一个桶的键值对，按照插入顺序依次存放在桶中。
开放寻址法：对于命中到同一个桶的多个键值对，接纳向后寻找，知道找到空的桶再将值放入其中

我们来对比两种策略的长处：
显然，Go接纳的是拉链法，桶数组中的每一个桶，严酷来说应该是一个链表结构的桶数组，它通过overflow指针链接上了下一个溢出桶，使得多个键值对能存放在同一个桶中。若当前桶八个槽位都满了，就开辟一个新的溢出桶，放置在溢出桶里面。

1.4、数据结构界说

结构界说如下：

type hmap struct {
count int // # live cells == size of map. Must be first (used by len() builtin)
flags uint8
B uint8 // log_2 of # of buckets (can hold up to loadFactor * 2^B items)
noverflow uint16 // approximate number of overflow buckets; see incrnoverflow for details
hash0 uint32 // hash seed
buckets unsafe.Pointer // array of 2^B Buckets. may be nil if count==0.
oldbuckets unsafe.Pointer // previous bucket array of half the size, non-nil only when growing
nevacuate uintptr // progress counter for evacuation (buckets less than this have been evacuated)
extra *mapextra // optional fields
}

复制代码

count：标识当前map的键值对数量
flags：标识当前map的状态
B：2^B为map目前的总桶数
noverflow：溢出桶数量
hash0：哈希因子
buckets：指向桶数组
oldbuckets：扩容时存储旧的桶数组
nevacuate：待完成数据迁移的桶下标
extra：存储预分配的溢出桶

mapextra的界说如下：

type mapextra struct {
overflow *[]*bmap
oldoverflow *[]*bmap
nextOverflow *bmap
}

复制代码

overflow：指向新的预分配溢出桶数组
oldoverflow：指向旧的预分配溢出桶数组
nextoverflow：指向下一个可被使用的溢出桶

而bmap是一个桶的详细实现，源码如下：

type bmap struct {
tophash [bucketCnt]uint8
}

复制代码

虽然在数据界说上，只含有一个tophash，但是在内存上，可以通过直接计算得出下一个槽的位置，以及overflow指针的位置。所以为了便于明确，它的实际结构如下：

type bmap struct {
tophash [bucketCnt]uint8
keys [bucketCnt]T
values [bucketCnt]T
overflow unsafe.Pointer
}

复制代码

接下来，让我们步入map的主干流程，了解它的机制实现。

2、主干流程

2.1、map的创建与初始化

//makemap为make(map[k]v,hint)实现Go映射创建
func makemap(t *maptype, hint int, h *hmap) *hmap {
mem, overflow := math.MulUintptr(uintptr(hint), t.Bucket.Size_)
if overflow || mem > maxAlloc {
hint = 0
}
// initialize Hmap
if h == nil {
h = new(hmap)
}
h.hash0 = uint32(rand())
// Find the size parameter B which will hold the requested # of elements.
// For hint < 0 overLoadFactor returns false since hint < bucketCnt.
B := uint8(0)
for overLoadFactor(hint, B) {
B++
}
h.B = B
//若B==0，那么buckets将会采取懒创建的策略，会在未来要写map的方法mapassign中创建。
if h.B != 0 {
var nextOverflow *bmap
h.buckets, nextOverflow = makeBucketArray(t, h.B, nil)
if nextOverflow != nil {
h.extra = new(mapextra)
h.extra.nextOverflow = nextOverflow
}
}
return h
}

复制代码

（1）makemap起首根据预分配的容量巨细hint进行分配容量，若容量过大，则会置hint为0；

mem, overflow := math.MulUintptr(uintptr(hint), t.Bucket.Size_)
if overflow || mem > maxAlloc {
hint = 0
}

复制代码

math.MulUintptr实现如下：

func MulUintptr(a, b uintptr) (uintptr, bool) {
if a|b < 1<<(4*goarch.PtrSize) || a == 0 {
return a * b, false
}
overflow := b > MaxUintptr/a
return a * b, overflow
}

复制代码

返回的两个值为：

计算二值的乘积a*b
乘积是否溢出

如果a|b的二进制表示，没有凌驾1<<(4*goarch.PtrSize)，那么它们的乘积也不会溢出。在64位操纵体系中，goarch.PtrSize的巨细为8。否则，则通过a*b>MaxUintptr来判断，MaxUintptr为2^64-1.

（2）通过new方法，初始化hmap

// initialize Hmap
if h == nil {
h = new(hmap)
}

复制代码

（3）通过rand()生成一个哈希因子

h.hash0 = uint32(rand())

复制代码

（4）获取哈希表的桶数量标对数B。（留意这里并不是直接计算log_2_hint，是要根据负载因子衡量桶的数量）

B := uint8(0)
for overLoadFactor(hint, B) {
B++
}
h.B = B

复制代码

Go中存在一个特别的参数即“负载因子”，它用于衡量哈希表的填充程度，负载因子越高，哈希表的空间使用率越高，但辩论的概率也会变大，性能大概下降。在Go中，该因子值为6.5。

func overLoadFactor(count int, B uint8) bool {
return count > bucketCnt && uintptr(count) > loadFactorNum*(bucketShift(B)/loadFactorDen)
}

复制代码

在这里，bucketCnt为8。若count<=8，则直接返回false，只需要将键值对放在一个桶中即可。否则，计算当前的哈希表的容量*负载因子，若count的数量＞这个值，将会扩容哈希表，即增大B。

假如count为60，那么B终极为4。

（5）若B!=0，初始化哈希表，使用makeBucketArray方法构造桶数组。

if h.B != 0 {
var nextOverflow *bmap
h.buckets, nextOverflow = makeBucketArray(t, h.B, nil)
if nextOverflow != nil {
h.extra = new(mapextra)
h.extra.nextOverflow = nextOverflow
}
}

复制代码

如果map的容量过大，会提前申请一批溢出桶。

2.1.1、makeBucketArray方法

func makeBucketArray(t *maptype, b uint8, dirtyalloc unsafe.Pointer) (buckets unsafe.Pointer, nextOverflow *bmap) {
//初始桶数量
base := bucketShift(b)
//最终桶数量，初始和base相同
nbuckets := base
//溢出桶预分配
if b >= 4 {
nbuckets += bucketShift(b - 4)
//计算分配的总内存大小
sz := t.Bucket.Size_ * nbuckets
//将内存大小向上对齐到合适的大小，是内存分配的一个优化。
up := roundupsize(sz, t.Bucket.PtrBytes == 0)
if up != sz {
//调整桶数量，使得内存被充分利用
nbuckets = up / t.Bucket.Size_
}
}
if dirtyalloc == nil {
//分配nbuckets个桶
buckets = newarray(t.Bucket, int(nbuckets))
} else {
//复用旧的内存
buckets = dirtyalloc
size := t.Bucket.Size_ * nbuckets
if t.Bucket.PtrBytes != 0 {
memclrHasPointers(buckets, size)
} else {
memclrNoHeapPointers(buckets, size)
}
}
if base != nbuckets {
//如果base和nbuckets的数量不同，说明预分配了溢出桶，需要设置溢出桶链表
//指向第一个可用的预分配溢出桶，计算出溢出桶的起始位置
nextOverflow = (*bmap)(add(buckets, base*uintptr(t.BucketSize)))
//最后一个预分配的溢出桶的位置
last := (*bmap)(add(buckets, (nbuckets-1)*uintptr(t.BucketSize)))
//将最后一个溢出桶的指针设置为buckets，形成一个环形链表，用于后面的分配判断
last.setoverflow(t, (*bmap)(buckets))
}
return buckets, nextOverflow
}

复制代码

makeBucketArray方法会根据初始的对数B来判断是否需要分配溢出桶。若B>=4，则需要预分配的溢出桶数量为2^(B-4)。确定好桶的总数后，会根据dirtyalloc是否为nil来判断是否需要新开辟空间。末了会返回指向桶数组的指针以及指向首个溢出桶位置的指针。

当末了返回到上层的makemap方法中，终极创造出的map结构如图：

2.2、map的读流程

2.2.1、读流程步调总览

大致流程如下：
1、查抄表是否为nil，或者表是否没有元素，如果则直接返回零值。
2、若处在并发写状态，则会导致程序瓦解（fatal）。
3、计算key对应的hash值，而且定位到对应的桶上。
4、若数据在旧桶，且数据没有迁移到新桶中，就在旧桶查找，否则在新桶中查找。
5、外层遍历桶数组的每个桶，内层遍历桶的每个kv对，找到了就返回value，否则返回零值

2.2.2、源码跟进mapaccess1

func mapaccess1(t *maptype, h *hmap, key unsafe.Pointer) unsafe.Pointer {
//...
if h == nil || h.count == 0 {
if err := mapKeyError(t, key); err != nil {
panic(err) // see issue 23734
}
return unsafe.Pointer(&zeroVal[0])
}
if h.flags&hashWriting != 0 {
fatal("concurrent map read and map write")
}
hash := t.Hasher(key, uintptr(h.hash0))
m := bucketMask(h.B)
b := (*bmap)(add(h.buckets, (hash&m)*uintptr(t.BucketSize)))
if c := h.oldbuckets; c != nil {
if !h.sameSizeGrow() {
// There used to be half as many buckets; mask down one more power of two.
m >>= 1
}
oldb := (*bmap)(add(c, (hash&m)*uintptr(t.BucketSize)))
if !evacuated(oldb) {
b = oldb
}
}
top := tophash(hash)
bucketloop:
for ; b != nil; b = b.overflow(t) {
for i := uintptr(0); i < bucketCnt; i++ {
if b.tophash[i] != top {
if b.tophash[i] == emptyRest {
break bucketloop
}
continue
}
k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
if t.IndirectKey() {
k = *((*unsafe.Pointer)(k))
}
if t.Key.Equal(key, k) {
e := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
if t.IndirectElem() {
e = *((*unsafe.Pointer)(e))
}
return e
}
}
}
return unsafe.Pointer(&zeroVal[0])
}

复制代码

（1）若哈希表为空，或不存在键值对，则会返回零值。在此之前，会查抄key是否合法，非法会触发panic。

if h == nil || h.count == 0 {
if err := mapKeyError(t, key); err != nil {
panic(err) // see issue 23734
}
return unsafe.Pointer(&zeroVal[0])
}

复制代码

（2）若存在并发写map，会立即报错，使得程序克制运行。flags的第3个bit位标识map是否处于并发写状态。

hashWriting = 4 // a goroutine is writing to the map 4->100
if h.flags&hashWriting != 0 {
fatal("concurrent map read and map write")
}

复制代码

（3）计算key的hash值，而且对桶数量取模，定位到详细的桶。取模运算为x & (mod-1)，只有mod为2的幂时可以加快。

hash := t.Hasher(key, uintptr(h.hash0))
m := bucketMask(h.B)
b := (*bmap)(add(h.buckets, (hash&m)*uintptr(t.BucketSize)))

复制代码

（4）查抄是否存在旧桶，存在旧桶且数据未搬迁完成则去旧桶中找key，否则在新桶找。

if c := h.oldbuckets; c != nil { //c!=nil，说明旧桶未完成迁移（rehash）
if !h.sameSizeGrow() { //是否是等量扩容
//如果不是等量扩容，调整 hash 掩码（mask）
m >>= 1
}
oldb := (*bmap)(add(c, (hash&m)*uintptr(t.BucketSize)))//计算旧桶地址
if !evacuated(oldb) { //检查旧桶是否已搬迁
b = oldb //未搬迁则数据有效
}
}

复制代码

在取旧桶的时候，会根据evacuated判断数据是否已经迁移到新的桶：判断方法是取桶首个元素的tophash值，若值为2,3,4中的一个，代表数据已经迁移完成。

const emptyOne = 1
const evacuatedX = 2
const evacuatedY = 3
const evacuatedEmpty = 4
const minTopHash = 5
func evacuated(b *bmap) bool {
h := b.tophash[0]
return h > emptyOne && h < minTopHash
}

复制代码

（5）取key的hash值的高8位值top，若值<5则累加5，避开0~4，这些值会用于枚举，存在一些特殊的含义。

top := tophash(hash)

复制代码

func tophash(hash uintptr) uint8 {
top := uint8(hash >> (goarch.PtrSize*8 - 8))
if top < minTopHash {
top += minTopHash
}
return top
}

复制代码

（6）外层b遍历每一个桶，内层遍历b中的每一个kv对，对比每一个kv对的tophash值是否和要查询的key的top值是否相同进行查找。

for ; b != nil; b = b.overflow(t) {
for i := uintptr(0); i < bucketCnt; i++ {
//...
}
}

复制代码

若两个hash值不同，而且桶中的当前键值对的tophash为0，表示后续没有元素，直接退出循环返回零值。否则查抄下一个kv。

if b.tophash[i] != top {
if b.tophash[i] == emptyRest {
break bucketloop
}
continue
}

复制代码

若找到了，就根据内存偏移找到对应的value而且返回。留意：会调用key.Equal方法详细查抄要读的key和当前key是否一样，避免因为哈希辩论导致读取了错误的value。

k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
if t.IndirectKey() {
k = *((*unsafe.Pointer)(k))
}
if t.Key.Equal(key, k) {
e := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
if t.IndirectElem() {
e = *((*unsafe.Pointer)(e))
}
return e
}

复制代码

否则终极返回0值。

return unsafe.Pointer(&zeroVal[0])

复制代码

2.3、map的写流程

2.3.1、写流程步调总览

大致流程如下：

1、若表为nil，则panic，若处在并发写，则fatal
2、获取key的hash值，用于校验是否已经存在，需要覆盖
3、设置处于写状态
4、懒创建buckets，若B==0，则buckets会在第一次写的时候创建
5、根据hash定位到详细的bucket中，若表处在扩容阶段则调用growWork辅助扩容；创建三个拟插入位置指针，分别存储要插入的tophash、key、value的位置。（作用是若遇见空位置，就存储，然后要继承看是否存在相同的key要覆盖。）
6、遍历该桶的每一个kv，会遇到两种环境：
若当前槽位的tophash和要插入的键值对的tophash不相同，那么查抄是否是空槽，是则更新拟存储指针；若当前槽位是空槽，会继承查抄对背面是否存在kv的标识，若背面全是空槽了，就可以直接退出了不必继承遍历。
若相同，那就直接进行覆盖操纵，更新完成直接到第10步进行收尾。
7、如果我们没有找到要插入的位置，或者要插入的位置是当前桶的末了一个槽位，查抄以下条件决定是否进行扩容：
Count+1 > loadfactor * 2^h.B，即总键值对 > 负载因子*总桶数
h.noverflow > threshold：如果 溢出桶过多，说明辩论严峻，也要扩容。
发生扩容后，刚刚的记录就无效了，重新到第5步。
8、若不扩容，且没有插入的位置（没有空槽，也没有覆盖），就新创建一个新桶，连接到当前桶的背面作为溢出桶，插入到新桶的第一个位置上。这个新桶可以是新分配的，也可以是一开始创建表就预分配的（优先）。
9、对拟插入的位置进行实际的插入
10、收尾，再次查抄是否处在并发写状态，是则fatal，否则重置写状态标识，然退却出。

2.3.2、源码跟进mapassign

func mapassign(t *maptype, h *hmap, key unsafe.Pointer) unsafe.Pointer {
if h == nil {
panic(plainError("assignment to entry in nil map"))
}
//...
if h.flags&hashWriting != 0 {
fatal("concurrent map writes")
}
hash := t.Hasher(key, uintptr(h.hash0))
// Set hashWriting after calling t.hasher, since t.hasher may panic,
// in which case we have not actually done a write.
h.flags ^= hashWriting
if h.buckets == nil {
h.buckets = newobject(t.Bucket) // newarray(t.Bucket, 1)
}
again:
bucket := hash & bucketMask(h.B)
if h.growing() {
growWork(t, h, bucket)
}
b := (*bmap)(add(h.buckets, bucket*uintptr(t.BucketSize)))
top := tophash(hash)
var inserti *uint8
var insertk unsafe.Pointer
var elem unsafe.Pointer
bucketloop:
for {
for i := uintptr(0); i < bucketCnt; i++ {
if b.tophash[i] != top {
if isEmpty(b.tophash[i]) && inserti == nil {
inserti = &b.tophash[i]
insertk = add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
elem = add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
}
if b.tophash[i] == emptyRest {
break bucketloop
}
continue
}
k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
if t.IndirectKey() {
k = *((*unsafe.Pointer)(k))
}
if !t.Key.Equal(key, k) {
continue
}
// already have a mapping for key. Update it.
if t.NeedKeyUpdate() {
typedmemmove(t.Key, k, key)
}
elem = add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
goto done
}
ovf := b.overflow(t)
if ovf == nil {
break
}
b = ovf
}
// Did not find mapping for key. Allocate new cell & add entry.
// If we hit the max load factor or we have too many overflow buckets,
// and we're not already in the middle of growing, start growing.
if !h.growing() && (overLoadFactor(h.count+1, h.B) || tooManyOverflowBuckets(h.noverflow, h.B)) {
hashGrow(t, h)
goto again // Growing the table invalidates everything, so try again
}
if inserti == nil {
// The current bucket and all the overflow buckets connected to it are full, allocate a new one.
newb := h.newoverflow(t, b)
inserti = &newb.tophash[0]
insertk = add(unsafe.Pointer(newb), dataOffset)
elem = add(insertk, bucketCnt*uintptr(t.KeySize))
}
// store new key/elem at insert position
if t.IndirectKey() {
kmem := newobject(t.Key)
*(*unsafe.Pointer)(insertk) = kmem
insertk = kmem
}
if t.IndirectElem() {
vmem := newobject(t.Elem)
*(*unsafe.Pointer)(elem) = vmem
}
typedmemmove(t.Key, insertk, key)
*inserti = top
h.count++
done:
if h.flags&hashWriting == 0 {
fatal("concurrent map writes")
}
h.flags &^= hashWriting
if t.IndirectElem() {
elem = *((*unsafe.Pointer)(elem))
}
return elem
}

复制代码

（1）错误处理惩罚：map为空则panic，并发写则出发fatal。

if h == nil {
panic(plainError("assignment to entry in nil map"))
}
//...
if h.flags&hashWriting != 0 {
fatal("concurrent map writes")
}
hash := t.Hasher(key, uintptr(h.hash0))

复制代码

（2）标识map处在写的状态，而且懒创建桶。

h.flags ^= hashWriting
if h.buckets == nil {
h.buckets = newobject(t.Bucket) // newarray(t.Bucket, 1)
}

复制代码

（3）获取当前key对应的桶的桶索引

bucket := hash & bucketMask(h.B)

复制代码

（4）若发现当前map处在扩容状态，则资助其渐进扩容。详细在下文中提及。

if h.growing() {
growWork(t, h, bucket)
}

复制代码

（5）进行地址偏移，定位到详细的桶b

b := (*bmap)(add(h.buckets, bucket*uintptr(t.BucketSize)))

复制代码

（6）计算tophash

top := tophash(hash)

复制代码

（7）提前声明三个指针，用于指向存放kv对槽位

var inserti *uint8 //tophash拟插入位置
var insertk unsafe.Pointer //key拟插入位置
var elem unsafe.Pointer //value拟插入位置

复制代码

（8）开启循环，和读流程雷同，外层遍历桶，内层遍历桶的每个位置。

for {
for i := uintptr(0); i < bucketCnt; i++ {
//...
}
b = ovf
}

复制代码

（9）若key的tophash和当前槽位的tophash不相同，则进行以下的查抄：

若该槽位是空的，那么就将kv拟插入在这个位置（先记录），因为大概存在相同的key在背面的桶中。
若槽位当前位置tophash标识为emptyRest（0），则标识从当前槽位开始往后的槽位都是空的，就不消继承遍历了，直接退出bucketloop。（说明可以插入在此位置了）

if b.tophash[i] != top {
if isEmpty(b.tophash[i]) && inserti == nil {
inserti = &b.tophash[i]
insertk = add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
elem = add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
}
if b.tophash[i] == emptyRest {
break bucketloop
}
continue
}

复制代码

（10）否则说明找到了相同的key，需要进行覆盖操纵。更新完成后跳到done，实行收尾流程。留意：会调用key.Equal方法详细查抄要写的key和当前key是否一样，避免因为哈希辩论导致原来不同的kv对被错误的覆盖。

k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
if t.IndirectKey() {
k = *((*unsafe.Pointer)(k))
}
if !t.Key.Equal(key, k) {
continue
}
// already have a mapping for key. Update it.
if t.NeedKeyUpdate() {
typedmemmove(t.Key, k, key)
}
elem = add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
goto done

复制代码

（11）倘若没有相同的key，也没有剩余的空间了，则会考虑实行扩容模式，完成后再回到agian的位置重新桶定位以及遍历流程。

// 如果达到负载因子上限，或者溢出桶过多，则扩容
if !h.growing() && (overLoadFactor(h.count+1, h.B) || tooManyOverflowBuckets(h.noverflow, h.B)) {
hashGrow(t, h)
goto again // Growing the table invalidates everything, so try again
}

复制代码

触发扩容的条件：

h.count+1 > loadFactor * 2^h.B：如果当前 map 达到负载因子上限，需要扩容。
h.noverflow > threshold：如果 溢出桶过多，说明辩论严峻，也要扩容。
h.growing()：查抄是否 已经在扩容，如果已经在扩容，就不会触发新的扩容。

（12）若不实行扩容操纵，也没有找到插入的位置，则新创建一个溢出桶，将kv拟插入在溢出桶的第一个位置。

if inserti == nil {
// The current bucket and all the overflow buckets connected to it are full, allocate a new one.
newb := h.newoverflow(t, b)
inserti = &newb.tophash[0]
insertk = add(unsafe.Pointer(newb), dataOffset)
elem = add(insertk, bucketCnt*uintptr(t.KeySize))
}

复制代码

创建新桶操纵如下：

func (h *hmap) newoverflow(t *maptype, b *bmap) *bmap {
var ovf *bmap
//若表存在预分配溢出桶，则直接使用预分配的溢出桶。
if h.extra != nil && h.extra.nextOverflow != nil {
if ovf.overflow(t) == nil {
// 不是最后一个预分配的溢出桶，直接移动 `nextOverflow` 指针
h.extra.nextOverflow = (*bmap)(add(unsafe.Pointer(ovf), uintptr(t.BucketSize)))
} else {
// 这是最后一个预分配的溢出桶，重置 overflow 指针
ovf.setoverflow(t, nil)
h.extra.nextOverflow = nil
}
} else {
//创建一个新的溢出桶
ovf = (*bmap)(newobject(t.Bucket))
}
//更新 h.noverflow 计数，跟踪 map 目前有多少个溢出桶。
h.incrnoverflow()
if t.Bucket.PtrBytes == 0 { //如果map只存储基本数据类型
h.createOverflow() //创建overflow记录表
*h.extra.overflow = append(*h.extra.overflow, ovf) //记录新的溢出桶
}
b.setoverflow(t, ovf) //把ovf连接到b这个桶的overflow指针
return ovf
}

复制代码

这里存在一个非常容易肴杂的点：请留意，在最开始的makeBucketArray方法中，我们提及到了只有末了一个溢出桶它才设置了overflow指针，对于前面的溢出桶，overflow指针是nil，所以可以根据这个特性来判断当前的溢出桶是不是末了一个溢出桶。

用图来表示，每个桶颠末了多次溢出桶扩展后的表状态，如下：

（13）在拟插入位置实际插入kv

// store new key/elem at insert position
if t.IndirectKey() {
kmem := newobject(t.Key)
*(*unsafe.Pointer)(insertk) = kmem
insertk = kmem
}
if t.IndirectElem() {
vmem := newobject(t.Elem)
*(*unsafe.Pointer)(elem) = vmem
}
typedmemmove(t.Key, insertk, key)
*inserti = top
h.count++

复制代码

（14）收尾流程，再次校验是否处在并发写，有则抛出fatal，否则将标志重置，然退却出。

done:
if h.flags&hashWriting == 0 {
fatal("concurrent map writes")
}
h.flags &^= hashWriting
if t.IndirectElem() {
elem = *((*unsafe.Pointer)(elem))
}
return elem

复制代码

2.4、map的删流程

2.4.1、删流程步调总览

删流程步调大致如下：

1、若表为nil或者不存在元素，则直接返回；若处在并发写则fatal
2、获取key的哈希因子，根据哈希值找到对应的桶
3、若表处在扩容阶段，则使用growWork辅助扩容
4、开始遍历查找要删除的元素，若没找到则直接退出查找流程，找到了则将值清为0值
5、若表的结构如：「值1——空——空——空——删除值——后全空——后全空」的结构，则需要向前回溯，将值1后的全部slot都置为emptyRest状态。
6、若删除后，表的count为0，则更新hash因子，避免哈希碰撞攻击。
7、再次校验是否处在并发写，处在将fatal，否则重置写标识

2.4.2、源码跟进mapdelete

func mapdelete(t *maptype, h *hmap, key unsafe.Pointer) { //... if h == nil || h.count == 0 {
if err := mapKeyError(t, key); err != nil {
panic(err) // see issue 23734
}
return
}
if h.flags&hashWriting != 0 {
fatal("concurrent map writes")
} hash := t.Hasher(key, uintptr(h.hash0))
// Set hashWriting after calling t.hasher, since t.hasher may panic,
// in which case we have not actually done a write (delete).
h.flags ^= hashWriting bucket := hash & bucketMask(h.B) if h.growing() {
growWork(t, h, bucket)
} b := (*bmap)(add(h.buckets, bucket*uintptr(t.BucketSize))) bOrig := b top := tophash(hash)search: for ; b != nil; b = b.overflow(t) { for i := uintptr(0); i < bucketCnt; i++ { if b.tophash[i] != top {
if b.tophash[i] == emptyRest {
break search
}
continue
} k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
k2 := k
if t.IndirectKey() {
k2 = *((*unsafe.Pointer)(k2))
}
if !t.Key.Equal(key, k2) {
continue
}
// Only clear key if there are pointers in it.
if t.IndirectKey() {
*(*unsafe.Pointer)(k) = nil
} else if t.Key.PtrBytes != 0 {
memclrHasPointers(k, t.Key.Size_)
}
e := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
if t.IndirectElem() {
*(*unsafe.Pointer)(e) = nil
} else if t.Elem.PtrBytes != 0 {
memclrHasPointers(e, t.Elem.Size_)
} else {
memclrNoHeapPointers(e, t.Elem.Size_)
}
b.tophash[i] = emptyOne // If the bucket now ends in a bunch of emptyOne states, // change those to emptyRest states. // It would be nice to make this a separate function, but // for loops are not currently inlineable. if i == bucketCnt-1 { if b.overflow(t) != nil && b.overflow(t).tophash[0] != emptyRest { goto notLast } } else { if b.tophash[i+1] != emptyRest { goto notLast } } for {
b.tophash[i] = emptyRest
if i == 0 {
if b == bOrig {
break // beginning of initial bucket, we're done.
}
// Find previous bucket, continue at its last entry.
c := b
for b = bOrig; b.overflow(t) != c; b = b.overflow(t) {
}
i = bucketCnt - 1
} else {
i--
}
if b.tophash[i] != emptyOne {
break
}
} notLast:
h.count--
// Reset the hash seed to make it more difficult for attackers to
// repeatedly trigger hash collisions. See issue 25237.
if h.count == 0 {
h.hash0 = uint32(rand())
}
break search
} } if h.flags&hashWriting == 0 {
fatal("concurrent map writes")
}
h.flags &^= hashWriting}

复制代码

（1）错误处理惩罚：当表为nil或者不存在元素，则直接返回；若处在并发写状态则fatal

if h == nil || h.count == 0 {
if err := mapKeyError(t, key); err != nil {
panic(err) // see issue 23734
}
return
}
if h.flags&hashWriting != 0 {
fatal("concurrent map writes")
}

复制代码

（2）获取key的hash，而且标识表为写状态

hash := t.Hasher(key, uintptr(h.hash0))
// Set hashWriting after calling t.hasher, since t.hasher may panic,
// in which case we have not actually done a write (delete).
h.flags ^= hashWriting

复制代码

（3）若表正在扩容，则调用growWork辅助扩容。通过hash值映射到对应的桶b。

bucket := hash & bucketMask(h.B) if h.growing() {
growWork(t, h, bucket)
} b := (*bmap)(add(h.buckets, bucket*uintptr(t.BucketSize))) bOrig := b top := tophash(hash)

复制代码

（4）进入桶的遍历，外层遍历桶，内层遍历每个kv对

for ; b != nil; b = b.overflow(t) {
for i := uintptr(0); i < bucketCnt; i++ {
//...
}
}

复制代码

（5）若当前槽位的tophash和需要查找的不相同，则查抄背面是否另有元素；有元素就继承进行查找，没有就直接退出，表示想删除的元素不存在。

if b.tophash[i] != top {
if b.tophash[i] == emptyRest {
break search
}
continue
}

复制代码

（6）否则，说明找到了对应的key，进行删除操纵，详细包括了：

查找key并找到存储位置
扫除 key 和 value（包括直接清零或 nil 指针）。
更新 tophash，标志该槽位为空（EmptyOne）。

留意：会调用key.Equal方法详细查抄要删除的key和当前key是否一样，避免因为哈希辩论导致原来不同的kv对被错误的删除。

k := add(unsafe.Pointer(b), dataOffset+i*uintptr(t.KeySize))
k2 := k
if t.IndirectKey() {
k2 = *((*unsafe.Pointer)(k2))
}
if !t.Key.Equal(key, k2) {
continue
}
// Only clear key if there are pointers in it.
if t.IndirectKey() {
*(*unsafe.Pointer)(k) = nil
} else if t.Key.PtrBytes != 0 {
memclrHasPointers(k, t.Key.Size_)
}
e := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+i*uintptr(t.ValueSize))
if t.IndirectElem() {
*(*unsafe.Pointer)(e) = nil
} else if t.Elem.PtrBytes != 0 {
memclrHasPointers(e, t.Elem.Size_)
} else {
memclrNoHeapPointers(e, t.Elem.Size_)
}
b.tophash[i] = emptyOne

复制代码

（7）查抄当前删除的桶的元素是否是桶的末了一个元素：

如果，若该桶的背面还存在溢出桶，而且溢出桶非空则跳过清理环节，进入收尾阶段
若不是，查抄背面是否另有元素，有元素也跳过清理环节。（通过查抄下一个slot的标识是否为emptyRest）

if i == bucketCnt-1 {
if b.overflow(t) != nil && b.overflow(t).tophash[0] != emptyRest {
goto notLast
}
} else {
if b.tophash[i+1] != emptyRest {
goto notLast
}
}

复制代码

否则，说明背面没有更多的元素了，需要向前回溯，将末了一个元素的槽位背面的全部槽位都设置为emptyRest状态，优化未来的流程。

回溯流程：

先将当前桶从当前的删除元素一个个往前走，遇到是emptyOne的就修改为emptyRest
当到达第一个元素而且也为空时，回溯到上一个桶的末尾，重复流程
遇到非空元素，完成全部回溯而且退出。

for {
b.tophash[i] = emptyRest
if i == 0 {
if b == bOrig {
break // beginning of initial bucket, we're done.
}
// Find previous bucket, continue at its last entry.
c := b
for b = bOrig; b.overflow(t) != c; b = b.overflow(t) {
}
i = bucketCnt - 1
} else {
i--
}
if b.tophash[i] != emptyOne {
break
}
}

复制代码

（8）收尾流程，将map的元素计数器count-1，若count为0，则更新哈希因子。

notLast:
h.count--
// Reset the hash seed to make it more difficult for attackers to
// repeatedly trigger hash collisions. See issue 25237.
if h.count == 0 {
h.hash0 = uint32(rand())
}
break search
}

复制代码

为什么要更新哈希因子？
让攻击者无法使用相同的哈希因子 h.hash0 构造出一组导致严峻哈希碰撞的 key，从而保护 map 免受拒绝服务（DoS）攻击。

（9）末了的校验是否处在并发写状态，是则fatal，然后再更新状态标识

if h.flags&hashWriting == 0 {
fatal("concurrent map writes")
}
h.flags &^= hashWriting

复制代码

3、扩容机制

3.1、扩容类型

Gomap的扩容方式分为两种：

等量扩容（Same-Size-Grow）：如果map的溢出桶过多，导致查找性能下降，说明KV分布不匀称，此时就会触发等量扩容，哈希表的桶数不会改变，但会重新分配K-V对的位置，目标是减少溢出桶的数量，增加KV的密度，让数据能平均分布。
增量扩容（Double-Size-Grow）：如果负载因子超标「count/2^B > loadFactor」，即KV对的数量凌驾了一定上限，就会触发增量扩容，使得Buckets数量翻倍，让全部的KV对重新分配在新的桶数组中，目标是减少K-V对的密度，降低每个桶的KV数量，优化查询时间。

为什么说等量扩容是增加密度呢？
我们想，既然count是合理的，但是当前map导致了溢出桶过多，那么只大概是颠末了多次删除操纵，导致出现了许多空位，例如「A——空——空——空——B」，如许子每次查找就很耗时了，于是等量扩容需要重新分配KV对的位置变为「A——B」，让数据更加紧凑。

3.2、扩容触发

在之前的写流程中，提及到以下代码会触发map的扩容：

if !h.growing() && (overLoadFactor(h.count+1, h.B) || tooManyOverflowBuckets(h.noverflow, h.B)) {
hashGrow(t, h)
goto again // Growing the table invalidates everything, so try again
}

复制代码

只有当map不处在扩容中，而且满意以下两个条件之一，触发扩容：

负载因子超标：当KV对的数量凌驾桶的数量，而且「KV对数量/桶数 > 负载因子」时，发生扩容

overLoadFactor(h.count+1, h.B)func overLoadFactor(count int, B uint8) bool {
return count > bucketCnt && uintptr(count) > loadFactorNum*(bucketShift(B)/loadFactorDen)
}

复制代码

溢出桶过多：当溢出桶数量>桶数组的数量（B最大取15），则发生扩容

func tooManyOverflowBuckets(noverflow uint16, B uint8) bool {
if B > 15 {
B = 15
}
return noverflow >= uint16(1)<<(B&15)
}

复制代码

3.3、扩容流程前置

进入hashGrow方法，观察扩容流程

func hashGrow(t *maptype, h *hmap) {
bigger := uint8(1)
if !overLoadFactor(h.count+1, h.B) {
bigger = 0
h.flags |= sameSizeGrow
}
oldbuckets := h.buckets
newbuckets, nextOverflow := makeBucketArray(t, h.B+bigger, nil)
flags := h.flags &^ (iterator | oldIterator)
if h.flags&iterator != 0 {
flags |= oldIterator
}
// commit the grow (atomic wrt gc)
h.B += bigger
h.flags = flags
h.oldbuckets = oldbuckets
h.buckets = newbuckets
h.nevacuate = 0
h.noverflow = 0
if h.extra != nil && h.extra.overflow != nil {
// Promote current overflow buckets to the old generation.
if h.extra.oldoverflow != nil {
throw("oldoverflow is not nil")
}
h.extra.oldoverflow = h.extra.overflow
h.extra.overflow = nil
}
if nextOverflow != nil {
if h.extra == nil {
h.extra = new(mapextra)
}
h.extra.nextOverflow = nextOverflow
}

复制代码

（1）标识是否为等量扩容，如果等量扩容bigger置0，否则将map的flag的二进制第4位置1标识处在等量扩容阶段。

bigger := uint8(1)
if !overLoadFactor(h.count+1, h.B) {
bigger = 0
h.flags |= sameSizeGrow
}

复制代码

（2）岂论如何，发生扩容，那么当前的桶数组就会变成旧的桶数组了，于是将map的oldbuckets指针指向它，然后创建一个新的桶数组。

oldbuckets := h.buckets
newbuckets, nextOverflow := makeBucketArray(t, h.B+bigger, nil)

复制代码

（3）更新一些map的标识，包括：

处于range的iterator标识，若处在遍历中，则需要标识olditerator
新map的桶数、完成数据迁移的桶数、溢出桶的桶数等

flags := h.flags &^ (iterator | oldIterator)
if h.flags&iterator != 0 {
flags |= oldIterator
}
// commit the grow (atomic wrt gc)
h.B += bigger
h.flags = flags
h.oldbuckets = oldbuckets
h.buckets = newbuckets
h.nevacuate = 0
h.noverflow = 0

复制代码

（4）将原本的可用预分配溢出桶赋值给h.extra.oldoverflow，将新分配的桶数组的新预分配溢出桶赋值给h.extra.nextOverflow

if h.extra != nil && h.extra.overflow != nil {
// Promote current overflow buckets to the old generation.
if h.extra.oldoverflow != nil {
throw("oldoverflow is not nil")
}
h.extra.oldoverflow = h.extra.overflow
h.extra.overflow = nil
}
if nextOverflow != nil {
if h.extra == nil {
h.extra = new(mapextra)
}
h.extra.nextOverflow = nextOverflow
}

复制代码

末了根据注释，我们知道Go的map扩容实际流程会通过growWork和evacuate方法渐进式地完成。

// the actual copying of the hash table data is done incrementally
// by growWork() and evacuate().

复制代码

3.4、渐进式扩容、源码实现

Go对map的扩容策略接纳的是渐进式扩容（Incrementally Grow），避免一次将全部旧数据迁移至新map引发性能抖动。

迁移规则如下：

如果等量扩容，那么新桶数组的长度与旧桶数组长度一致，让数据更加紧凑，从而减少溢出链长度
如果等量扩容，旧桶的数据迁移到的新桶中，它们桶的下标在桶数组中是一致的。例如旧桶0—迁移至—>新桶0
如果增量扩容，会根据旧数据KV对的hash值，来判断是否要进行桶的偏移。
因为一个KV对，要通过hash值来映射到对应的桶中，当桶的数量翻倍之后，对应的对数指标B也会加一，因此取模映射会发生改变。例如，一个KV对的hash值原本是111，原本桶的数量为4，那么B=2，取模运算为：「111 & (1<<2 - 1) = 111 & 11 = 11 = 3」，所以这个KV对会被存放在桶3中。当发生了增量扩容后，B增一为3，此时对于同一个hash值，它的取模变成了：「111 & (1<<3 - 1) = 111 & 111 = 111 = 7」，偏移了4个桶。对于增量扩容的转移，就是通过这个方式来判断旧的KV对应该被放在新的哪一个桶中，假如它原本在第i个桶，原本含有j个桶，那么迁移后它只大概在第i个桶或者第i+j个桶中。

当每次触发写、删操纵的时候，会为处于map的两组桶的数据完成迁移：

一组是当前写、删操纵所命中的桶
一组是未迁移的桶中，索引最小的谁人桶

func growWork(t *maptype, h *hmap, bucket uintptr) {
//迁移当前正在使用的桶
evacuate(t, h, bucket&h.oldbucketmask())
//迁移未迁移的桶中，索引最小的桶
if h.growing() {
evacuate(t, h, h.nevacuate)
}
}

复制代码

步入evacuate函数：

func evacuate(t *maptype, h *hmap, oldbucket uintptr) {
//oldbcuket为要迁移的旧桶在旧桶数组中的索引
//获取这一个旧桶b
b := (*bmap)(add(h.oldbuckets, oldbucket*uintptr(t.BucketSize)))
//获取旧桶数组的桶数，根据2^oldB计算
newbit := h.noldbuckets()
//判断此桶b是否已经完成了数据的迁移，未完成则步入函数内部
if !evacuated(b) {
//xy[2]数组用于存储迁移目标bucket
//xy[0]，记录的是等量扩容迁移的目标桶，代表新桶数组中索引和旧桶一致的那个桶
//xy[1]，记录的是增量扩容迁移的目标桶，索引为原索引加上旧桶容量的桶
var xy [2]evacDst
x := &xy[0]
x.b = (*bmap)(add(h.buckets, oldbucket*uintptr(t.BucketSize)))
x.k = add(unsafe.Pointer(x.b), dataOffset)
x.e = add(x.k, bucketCnt*uintptr(t.KeySize))
if !h.sameSizeGrow() {
//若是增量扩容，则记录xy[1]
y := &xy[1]
//例如旧桶数组有4个桶，那么旧桶i映射到新桶i+4
y.b = (*bmap)(add(h.buckets, (oldbucket+newbit)*uintptr(t.BucketSize)))
y.k = add(unsafe.Pointer(y.b), dataOffset)
y.e = add(y.k, bucketCnt*uintptr(t.KeySize))
}
//开始遍历旧桶b的所有键值对
for ; b != nil; b = b.overflow(t) {
k := add(unsafe.Pointer(b), dataOffset)
e := add(k, bucketCnt*uintptr(t.KeySize))
//遍历每一个键值对
for i := 0; i < bucketCnt; i, k, e = i+1, add(k, uintptr(t.KeySize)), add(e, uintptr(t.ValueSize)) {
//获取当前slot的tophash
top := b.tophash[i]
if isEmpty(top) {
//若槽位为空，标识以完成迁移
b.tophash[i] = evacuatedEmpty
continue
}
if top < minTopHash {
throw("bad map state")
}
k2 := k
//处理键为指针的情况
if t.IndirectKey() {
k2 = *((*unsafe.Pointer)(k2))
}
var useY uint8
if !h.sameSizeGrow() {
//对于增量扩容的迁移策略
//计算key的hash值
hash := t.Hasher(k2, uintptr(h.hash0))
//若map处于迭代过程需要特殊处理
if h.flags&iterator != 0 && !t.ReflexiveKey() && !t.Key.Equal(k2, k2) {
//useY决定是否要迁移到新桶中
useY = top & 1
top = tophash(hash)
} else {
//普通key的迁移判断
if hash&newbit != 0 {
//说明hash的B位是1，key要被迁移到新桶中下标为Y的桶。
//这里举个例子，假如旧桶有4个，那么B是2，那么newbit就是1<<B=100，若hash的第B位也是1，那就决定要用y的坐标，所以会迁移到桶8
useY = 1
}
}
}
b.tophash[i] = evacuatedX + useY // evacuatedX + 1 == evacuatedY
dst := &xy[useY] // evacuation destination
//若到了桶的最后一个slot，完成后跳转到溢出桶
if dst.i == bucketCnt {
dst.b = h.newoverflow(t, dst.b)
dst.i = 0
dst.k = add(unsafe.Pointer(dst.b), dataOffset)
dst.e = add(dst.k, bucketCnt*uintptr(t.KeySize))
}
//完成K-V对的迁移，更新几个目标指针
dst.b.tophash[dst.i&(bucketCnt-1)] = top // mask dst.i as an optimization, to avoid a bounds check
if t.IndirectKey() {
*(*unsafe.Pointer)(dst.k) = k2 // copy pointer
} else {
typedmemmove(t.Key, dst.k, k) // copy elem
}
if t.IndirectElem() {
*(*unsafe.Pointer)(dst.e) = *(*unsafe.Pointer)(e)
} else {
typedmemmove(t.Elem, dst.e, e)
}
dst.i++
dst.k = add(dst.k, uintptr(t.KeySize))
dst.e = add(dst.e, uintptr(t.ValueSize))
}
}
//若旧桶完成了迁移，并且没有处于迭代中并且含有指针类型的值，需要手动帮助GC清理掉旧桶。
if h.flags&oldIterator == 0 && t.Bucket.PtrBytes != 0 {
b := add(h.oldbuckets, oldbucket*uintptr(t.BucketSize))
// Preserve b.tophash because the evacuation
// state is maintained there.
ptr := add(b, dataOffset)
n := uintptr(t.BucketSize) - dataOffset
memclrHasPointers(ptr, n)
}
}
//若当前迁移的旧桶是未迁移的旧桶中索引最小的，那么将h.nevacuate累加1.若旧桶全部被迁移完毕，会将等量扩容标识置为0
if oldbucket == h.nevacuate {
advanceEvacuationMark(h, t, newbit)
}
}
func advanceEvacuationMark(h *hmap, t *maptype, newbit uintptr) {
h.nevacuate++
//...
if h.nevacuate == newbit {
//完成所有迁移，工作结束
h.oldbuckets = nil
if h.extra != nil {
h.extra.oldoverflow = nil
}
h.flags &^= sameSizeGrow
}
}

复制代码

可以阅读上述代码注释来学习它的迁移过程。

4、map的遍历流程

4.1、紧张数据结构

我们知道，可以通过for range的方式来遍历map的每一个kv对，它紧张是通过底层的hiter——Hash Iterator数据结构实现的。

在runtime/map.go中，可以找到对迭代器结构的界说：

type hiter struct {
key unsafe.Pointer // 当前遍历的 key 指针
elem unsafe.Pointer // 当前遍历的 value 指针
t *maptype // 关联的 map 类型信息
h *hmap // 指向被遍历的 map 结构
buckets unsafe.Pointer // 迭代开始时的 buckets 数组指针（用于保证遍历稳定）
bptr *bmap // 当前遍历的 bucket 指针
overflow *[]*bmap // 存储当前 hmap.buckets 可能存在的溢出桶，防止 GC 误清理
oldoverflow *[]*bmap // 存储旧 hmap.oldbuckets 可能存在的溢出桶，防止 GC 误清理
startBucket uintptr // 迭代开始的 bucket 位置（用于随机化遍历起点）
offset uint8 // 在 bucket 内的随机偏移量（防止总是从 slot 0 开始，增强安全性）
wrapped bool // 是否已经遍历完所有 bucket 并回绕到起始位置
B uint8 // 当前 map 的 B 值（`2^B` 代表 bucket 数量）
i uint8 // 当前 bucket 内的 key-value 索引（用于迭代 bucket 内部的槽位）
bucket uintptr // 当前遍历到的 bucket 索引（相对 `buckets` 起始位置）
checkBucket uintptr // 用于 double-checking bucket 迭代的一致性，避免 map 变化影响遍历
}

复制代码

字段详细说明：

4.2、遍历主流程

Go对map的遍历出发点是随机的，它防止每次遍历都从slot 0开始，增强了一定的安全性，这也是为什么你使用for range去遍历map的时候，不能保证每次一次遍历都结果都是相同的。

4.3、mapiterinit初始化迭代器

让我们进入mapiterinit流程，观察它的详细实现。

func mapiterinit(t *maptype, h *hmap, it *hiter) {
//...
it.t = t
if h == nil || h.count == 0 {
return
}
if unsafe.Sizeof(hiter{})/goarch.PtrSize != 12 {
throw("hash_iter size incorrect") // see cmd/compile/internal/reflectdata/reflect.go
}
it.h = h
// grab snapshot of bucket state
it.B = h.B
it.buckets = h.buckets
if t.Bucket.PtrBytes == 0 {
h.createOverflow()
it.overflow = h.extra.overflow
it.oldoverflow = h.extra.oldoverflow
}
// decide where to start
r := uintptr(rand())
it.startBucket = r & bucketMask(h.B)
it.offset = uint8(r >> h.B & (bucketCnt - 1))
// iterator state
it.bucket = it.startBucket
// Remember we have an iterator.
// Can run concurrently with another mapiterinit().
if old := h.flags; old&(iterator|oldIterator) != iterator|oldIterator {
atomic.Or8(&h.flags, iterator|oldIterator)
}
mapiternext(it)
}

复制代码

（1）若表为nil或者没有元素，则直接返回；记录一些初始参数

it.t = t
if h == nil || h.count == 0 {
return
}
if unsafe.Sizeof(hiter{})/goarch.PtrSize != 12 {
throw("hash_iter size incorrect") // see cmd/compile/internal/reflectdata/reflect.go
}
it.h = h
// grab snapshot of bucket state
it.B = h.B
it.buckets = h.buckets

复制代码

（2）若表的桶不含有指针类型，那么它们大概会在遍历的过程中，若表发生了结构的变化，大概会取消对旧桶的引用，此时溢出桶就大概会被GC清理掉，所以当迭代器开始工作的时候，就需要将当前的溢出桶和旧的溢出桶保存在迭代器的结构中，保持对它们的引用。

if t.Bucket.PtrBytes == 0 {
// Allocate the current slice and remember pointers to both current and old.
// This preserves all relevant overflow buckets alive even if
// the table grows and/or overflow buckets are added to the table
// while we are iterating.
h.createOverflow()
it.overflow = h.extra.overflow
it.oldoverflow = h.extra.oldoverflow
}

复制代码

（3）通过取随机数的方式，决定遍历的起始桶，以及桶的遍历的起始kv对的位置

// decide where to start
r := uintptr(rand())
it.startBucket = r & bucketMask(h.B)
it.offset = uint8(r >> h.B & (bucketCnt - 1))
// iterator state
it.bucket = it.startBucket

复制代码

（4）进入遍历流程

mapiternext(it)

复制代码

4.4、mapiternext

func mapiternext(it *hiter) {
h := it.h
//...
if h.flags&hashWriting != 0 {
fatal("concurrent map iteration and map write")
}
t := it.t
bucket := it.bucket
b := it.bptr
i := it.i
checkBucket := it.checkBucket
next:
if b == nil {
if bucket == it.startBucket && it.wrapped {
// end of iteration
it.key = nil
it.elem = nil
return
}
if h.growing() && it.B == h.B {
// Iterator was started in the middle of a grow, and the grow isn't done yet.
// If the bucket we're looking at hasn't been filled in yet (i.e. the old
// bucket hasn't been evacuated) then we need to iterate through the old
// bucket and only return the ones that will be migrated to this bucket.
oldbucket := bucket & it.h.oldbucketmask()
b = (*bmap)(add(h.oldbuckets, oldbucket*uintptr(t.BucketSize)))
if !evacuated(b) {
checkBucket = bucket
} else {
b = (*bmap)(add(it.buckets, bucket*uintptr(t.BucketSize)))
checkBucket = noCheck
}
} else {
b = (*bmap)(add(it.buckets, bucket*uintptr(t.BucketSize)))
checkBucket = noCheck
}
bucket++
if bucket == bucketShift(it.B) {
bucket = 0
it.wrapped = true
}
i = 0
}
for ; i < bucketCnt; i++ {
offi := (i + it.offset) & (bucketCnt - 1)
if isEmpty(b.tophash[offi]) || b.tophash[offi] == evacuatedEmpty {
// TODO: emptyRest is hard to use here, as we start iterating
// in the middle of a bucket. It's feasible, just tricky.
continue
}
k := add(unsafe.Pointer(b), dataOffset+uintptr(offi)*uintptr(t.KeySize))
if t.IndirectKey() {
k = *((*unsafe.Pointer)(k))
}
e := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+uintptr(offi)*uintptr(t.ValueSize))
if checkBucket != noCheck && !h.sameSizeGrow() {
// Special case: iterator was started during a grow to a larger size
// and the grow is not done yet. We're working on a bucket whose
// oldbucket has not been evacuated yet. Or at least, it wasn't
// evacuated when we started the bucket. So we're iterating
// through the oldbucket, skipping any keys that will go
// to the other new bucket (each oldbucket expands to two
// buckets during a grow).
if t.ReflexiveKey() || t.Key.Equal(k, k) {
// If the item in the oldbucket is not destined for
// the current new bucket in the iteration, skip it.
hash := t.Hasher(k, uintptr(h.hash0))
if hash&bucketMask(it.B) != checkBucket {
continue
}
} else {
// Hash isn't repeatable if k != k (NaNs). We need a
// repeatable and randomish choice of which direction
// to send NaNs during evacuation. We'll use the low
// bit of tophash to decide which way NaNs go.
// NOTE: this case is why we need two evacuate tophash
// values, evacuatedX and evacuatedY, that differ in
// their low bit.
if checkBucket>>(it.B-1) != uintptr(b.tophash[offi]&1) {
continue
}
}
}
if (b.tophash[offi] != evacuatedX && b.tophash[offi] != evacuatedY) ||
!(t.ReflexiveKey() || t.Key.Equal(k, k)) {
// This is the golden data, we can return it.
// OR
// key!=key, so the entry can't be deleted or updated, so we can just return it.
// That's lucky for us because when key!=key we can't look it up successfully.
it.key = k
if t.IndirectElem() {
e = *((*unsafe.Pointer)(e))
}
it.elem = e
} else {
// The hash table has grown since the iterator was started.
// The golden data for this key is now somewhere else.
// Check the current hash table for the data.
// This code handles the case where the key
// has been deleted, updated, or deleted and reinserted.
// NOTE: we need to regrab the key as it has potentially been
// updated to an equal() but not identical key (e.g. +0.0 vs -0.0).
rk, re := mapaccessK(t, h, k)
if rk == nil {
continue // key has been deleted
}
it.key = rk
it.elem = re
}
it.bucket = bucket
if it.bptr != b { // avoid unnecessary write barrier; see issue 14921
it.bptr = b
}
it.i = i + 1
it.checkBucket = checkBucket
return
}
b = b.overflow(t)
i = 0
goto next
}

复制代码

（1）若处在并发写状态则fatal；初始化各项参数

if h.flags&hashWriting != 0 {
fatal("concurrent map iteration and map write")
}
t := it.t
bucket := it.bucket
b := it.bptr
i := it.i
checkBucket := it.checkBucket

复制代码

（2）外层主循环，遍历每一个bucket，当达到buckets的末尾的时候，标识wrapped为true，回到头部。

next:
if b == nil {
//...
b = (*bmap)(add(it.buckets, bucket*uintptr(t.BucketSize)))
//...
}
bucket++
if bucket == bucketShift(it.B) {
bucket = 0
it.wrapped = true
}
b = b.overflow(t)
i = 0
goto next

复制代码

（3）若遍历完全部的桶了，则退出函数

if bucket == it.startBucket && it.wrapped {
// end of iteration
it.key = nil
it.elem = nil
return
}

复制代码

（4）map大概正在处于扩容阶段，若处在扩容阶段，而且当前range的B和map的B任然相同（仍然是同一级数），那么说明便利的顺序没有发生改变。若桶处于旧桶数组，且数据没有迁移完成，那么需要将checkBucket置为当前桶号，需要对其便利防止漏掉数据。

if h.growing() && it.B == h.B {
oldbucket := bucket & it.h.oldbucketmask()
//获取oldbucket在oldbuckets中的位置
b = (*bmap)(add(h.oldbuckets, oldbucket*uintptr(t.BucketSize)))
//若数据还没有完成迁移，那么还需要遍历这个桶的K-V对
if !evacuated(b) {
checkBucket = bucket
} else {
//否则，直接读取newbuckets
b = (*bmap)(add(it.buckets, bucket*uintptr(t.BucketSize)))
//表示bucket都迁移完了，不需要额外检查oldbuckets
checkBucket = noCheck
}
} else {
//没有扩容，直接从buckets读取
b = (*bmap)(add(it.buckets, bucket*uintptr(t.BucketSize)))
checkBucket = noCheck
}

复制代码

（5）开始遍历该bucket下的全部KV对，对于一个空的槽位，因为大概处在迁移过程，所以会存在evacuatedEmpty的标识，所以不能判断是不是背面都是空的，必须全部遍历一次。

for ; i < bucketCnt; i++ {
offi := (i + it.offset) & (bucketCnt - 1)
if isEmpty(b.tophash[offi]) || b.tophash[offi] == evacuatedEmpty {
// TODO: emptyRest is hard to use here, as we start iterating
// in the middle of a bucket. It's feasible, just tricky.
continue
}

复制代码

（6）获取槽位的KV

k := add(unsafe.Pointer(b), dataOffset+uintptr(offi)*uintptr(t.KeySize))
if t.IndirectKey() {
k = *((*unsafe.Pointer)(k))
}
e := add(unsafe.Pointer(b), dataOffset+bucketCnt*uintptr(t.KeySize)+uintptr(offi)*uintptr(t.ValueSize))

复制代码

（7）对于map正在实施等量扩容的环境下，如果当前的key颠末重新到hash映射，会被映射到另一个桶中，那这时候我们也应该严酷按照新桶的顺序来遍历，所以跳过这个key。例如，我们现在正在遍历桶3的一个KV对，但是这个KV对将会被迁移至桶7，那我们也该在遍历桶7的时候再获取它，而不是现在获取。

if checkBucket != noCheck && !h.sameSizeGrow() {
if t.ReflexiveKey() || t.Key.Equal(k, k) {
hash := t.Hasher(k, uintptr(h.hash0))
if hash&bucketMask(it.B) != checkBucket {
continue
}
} else {
if checkBucket>>(it.B-1) != uintptr(b.tophash[offi]&1) {
continue
}
}
}

复制代码

（8）通过读流程的mapaccessK方法来读取这个K-V对，通过迭代器hiter的key、value指针进行接收，用于对用户的遍历操纵进行响应。

rk, re := mapaccessK(t, h, k)
if rk == nil {
continue // key has been deleted
}
it.key = rk
it.elem = re

复制代码

文章转载自：MelonTe
原文链接：万字剖析Golang的map实现原理 - MelonTe - 博客园
体验地址：引迈 - JNPF快速开发平台_低代码开发平台_零代码开发平台_流程计划器_表单引擎_工作流引擎_软件架构

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 IT评测·应用市场-qidao123.com (https://dis.qidao123.com/)