C#中實現(xiàn)Dictionary的原理分析

小編給大家分享一下C#中實現(xiàn)Dictionary的原理分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

一、理論知識

對于Dictionary的實現(xiàn)原理，其中有兩個關(guān)鍵的算法，一個是Hash算法，一個是用于應(yīng)對Hash碰撞沖突解決算法。

1.1、Hash算法

Hash算法是一種數(shù)字摘要算法，它能將不定長度的二進(jìn)制數(shù)據(jù)集給映射到一個較短的二進(jìn)制長度數(shù)據(jù)集，常見的MD5算法就是一種Hash算法，通過MD5算法可對任何數(shù)據(jù)生成數(shù)字摘要。而實現(xiàn)了Hash算法的函數(shù)我們叫她Hash函數(shù)。Hash函數(shù)有以下幾點特征。

• 相同的數(shù)據(jù)進(jìn)行Hash運算，得到的結(jié)果一定相同。HashFunc(key1) == HashFunc(key1)

• 不同的數(shù)據(jù)進(jìn)行Hash運算，其結(jié)果也可能會相同，(Hash會產(chǎn)生碰撞)。key1 != key2 => HashFunc(key1) == HashFunc(key2).

• Hash運算時不可逆的，不能由key獲取原始的數(shù)據(jù)。key1 => hashCode但是hashCode =\=> key1。

下圖就是Hash函數(shù)的一個簡單說明，任意長度的數(shù)據(jù)通過HashFunc映射到一個較短的數(shù)據(jù)集中。

關(guān)于Hash碰撞下圖很清晰的就解釋了，可從圖中得知Sandra Dee 和 John Smith通過hash運算后都落到了02的位置，產(chǎn)生了碰撞和沖突。

常見的構(gòu)造Hash函數(shù)的算法有以下幾種：

1. 直接尋址法：取keyword或keyword的某個線性函數(shù)值為散列地址。即H(key)=key或H(key) = a?key + b，當(dāng)中a和b為常數(shù)（這樣的散列函數(shù)叫做自身函數(shù)）

2. 數(shù)字分析法：分析一組數(shù)據(jù)，比方一組員工的出生年月日，這時我們發(fā)現(xiàn)出生年月日的前幾位數(shù)字大體同樣，這種話，出現(xiàn)沖突的幾率就會非常大，可是我們發(fā)現(xiàn)年月日的后幾位表示月份和詳細(xì)日期的數(shù)字區(qū)別非常大，假設(shè)用后面的數(shù)字來構(gòu)成散列地址，則沖突的幾率會明顯減少。因此數(shù)字分析法就是找出數(shù)字的規(guī)律，盡可能利用這些數(shù)據(jù)來構(gòu)造沖突幾率較低的散列地址。

3. 平方取中法：取keyword平方后的中間幾位作為散列地址。

4. 折疊法：將keyword切割成位數(shù)同樣的幾部分，最后一部分位數(shù)能夠不同，然后取這幾部分的疊加和（去除進(jìn)位）作為散列地址。

5. 隨機(jī)數(shù)法：選擇一隨機(jī)函數(shù)，取keyword的隨機(jī)值作為散列地址，通經(jīng)常使用于keyword長度不同的場合。

6. 除留余數(shù)法：取keyword被某個不大于散列表表長m的數(shù)p除后所得的余數(shù)為散列地址。即 H(key) = key MOD p, p<=m。不僅能夠?qū)eyword直接取模，也可在折疊、平方取中等運算之后取模。對p的選擇非常重要，一般取素數(shù)或m，若p選的不好，容易產(chǎn)生碰撞.

1.2、Hash桶算法

說到Hash算法大家就會想到Hash表，一個Key通過Hash函數(shù)運算后可快速的得到hashCode，通過hashCode的映射可直接Get到Value，但是hashCode一般取值都是非常大的，經(jīng)常是2^32以上，不可能對每個hashCode都指定一個映射。

因為這樣的一個問題，所以人們就將生成的HashCode以分段的形式來映射，把每一段稱之為一個Bucket（桶），一般常見的Hash桶就是直接對結(jié)果取余。

假設(shè)將生成的hashCode可能取值有2^32個，然后將其切分成一段一段，使用8個桶來映射，那么就可以通過bucketIndex = HashFunc(key1) % 8這樣一個算法來確定這個hashCode映射到具體的哪個桶中。

大家可以看出來，通過hash桶這種形式來進(jìn)行映射，所以會加劇hash的沖突。

1.3、解決沖突算法

對于一個hash算法，不可避免的會產(chǎn)生沖突，那么產(chǎn)生沖突以后如何處理，是一個很關(guān)鍵的地方，目前常見的沖突解決算法有拉鏈法(Dictionary實現(xiàn)采用的)、開放定址法、再Hash法、公共溢出分區(qū)法，本文只介紹拉鏈法與再Hash法，對于其它算法感興趣的同學(xué)可參考文章最后的參考文獻(xiàn)。

1. 拉鏈法：這種方法的思路是將產(chǎn)生沖突的元素建立一個單鏈表，并將頭指針地址存儲至Hash表對應(yīng)桶的位置。這樣定位到Hash表桶的位置后可通過遍歷單鏈表的形式來查找元素。

2. 再Hash法：顧名思義就是將key使用其它的Hash函數(shù)再次Hash，直到找到不沖突的位置為止。

對于拉鏈法有一張圖來描述，通過在沖突位置建立單鏈表，來解決沖突。

二、Dictionary實現(xiàn)

Dictionary實現(xiàn)我們主要對照源碼來解析，目前對照源碼的版本是.Net Framwork 4.7。地址可戳一戳這個鏈接 源碼地址：Link

這一章節(jié)中主要介紹Dictionary中幾個比較關(guān)鍵的類和對象，然后跟著代碼來走一遍插入、刪除和擴(kuò)容的流程，相信大家就能理解它的設(shè)計原理。

2.1、Entry結(jié)構(gòu)體

首先我們引入Entry這樣一個結(jié)構(gòu)體，它的定義如下代碼所示。這是Dictionary種存放數(shù)據(jù)的最小單位，調(diào)用Add(Key,Value)方法添加的元素都會被封裝在這樣的一個結(jié)構(gòu)體中。

private struct Entry {
    public int hashCode;    // 除符號位以外的31位hashCode值, 如果該Entry沒有被使用，那么為-1
    public int next;        // 下一個元素的下標(biāo)索引，如果沒有下一個就為-1
    public TKey key;        // 存放元素的鍵
    public TValue value;    // 存放元素的值
}

2.2、其它關(guān)鍵私有變量

除了Entry結(jié)構(gòu)體外，還有幾個關(guān)鍵的私有變量，其定義和解釋如下代碼所示。

private int[] buckets;		// Hash桶
private Entry[] entries;	// Entry數(shù)組，存放元素
private int count;			// 當(dāng)前entries的index位置
private int version;		// 當(dāng)前版本，防止迭代過程中集合被更改
private int freeList;		// 被刪除Entry在entries中的下標(biāo)index，這個位置是空閑的
private int freeCount;		// 有多少個被刪除的Entry，有多少個空閑的位置
private IEqualityComparer<TKey> comparer;	// 比較器
private KeyCollection keys;		// 存放Key的集合
private ValueCollection values;		// 存放Value的集合

上面代碼中，需要注意的是buckets、entries這兩個數(shù)組，這是實現(xiàn)Dictionary的關(guān)鍵。

2.3、Dictionary - Add操作

經(jīng)過上面的分析，相信大家還不是特別明白為什么需要這么設(shè)計，需要這么做。那我們現(xiàn)在來走一遍Dictionary的Add流程，來體會一下。

首先我們用圖的形式來描述一個Dictionary的數(shù)據(jù)結(jié)構(gòu)，其中只畫出了關(guān)鍵的地方。桶大小為4以及Entry大小也為4的一個數(shù)據(jù)結(jié)構(gòu)。

然后我們假設(shè)需要執(zhí)行一個Add操作，dictionary.Add("a","b")，其中key = "a",value = "b"。

1.根據(jù)key的值，計算出它的hashCode。我們假設(shè)"a"的hash值為6（GetHashCode("a") = 6）。

2.通過對hashCode取余運算，計算出該hashCode落在哪一個buckets桶中。現(xiàn)在桶的長度（buckets.Length）為4，那么就是6 % 4最后落在index為2的桶中，也就是buckets[2]。

3.避開一種其它情況不談，接下來它會將hashCode、key、value等信息存入entries[count]中，因為count位置是空閑的；繼續(xù)count++指向下一個空閑位置。上圖中第一個位置，index=0就是空閑的，所以就存放在entries[0]的位置。

4.將Entry的下標(biāo)entryIndex賦值給buckets中對應(yīng)下標(biāo)的bucket。步驟3中是存放在entries[0]的位置，所以buckets[2]=0。

5.最后version++，集合發(fā)生了變化，所以版本需要+1。只有增加、替換和刪除元素才會更新版本

上文中的步驟1~5只是方便大家理解，實際上有一些偏差，后文再談Add操作小節(jié)中會補(bǔ)充。

完成上面Add操作后，數(shù)據(jù)結(jié)構(gòu)更新成了下圖這樣的形式。

這樣是理想情況下的操作，一個bucket中只有一個hashCode沒有碰撞的產(chǎn)生，但是實際上是會經(jīng)常產(chǎn)生碰撞；那么Dictionary類中又是如何解決碰撞的呢。

我們繼續(xù)執(zhí)行一個Add操作，dictionary.Add("c","d")，假設(shè)GetHashCode(“c”)=6，最后6 % 4 = 2。最后桶的index也是2，按照之前的步驟1~3是沒有問題的，執(zhí)行完后數(shù)據(jù)結(jié)構(gòu)如下圖所示。

如果繼續(xù)執(zhí)行步驟4那么buckets[2] = 1，然后原來的buckets[2]=>entries[0]的關(guān)系就會丟失，這是我們不愿意看到的。現(xiàn)在Entry中的next就發(fā)揮大作用了。

如果對應(yīng)的buckets[index]有其它元素已經(jīng)存在，那么會執(zhí)行以下兩條語句，讓新的entry.next指向之前的元素，讓buckets[index]指向現(xiàn)在的新的元素，就構(gòu)成了一個單鏈表。

entries[index].next = buckets[targetBucket];
...
buckets[targetBucket] = index;

實際上步驟4也就是做一個這樣的操作，并不會去判斷是不是有其它元素，因為buckets中桶初始值就是-1，不會造成問題。

經(jīng)過上面的步驟以后，數(shù)據(jù)結(jié)構(gòu)就更新成了下圖這個樣子。

2.4、Dictionary - Find操作

為了方便演示如何查找，我們繼續(xù)Add一個元素dictionary.Add("e","f")，GetHashCode(“e”) = 7; 7% buckets.Length=3,數(shù)據(jù)結(jié)構(gòu)如下所示。

假設(shè)我們現(xiàn)在執(zhí)行這樣一條語句dictionary.GetValueOrDefault("a")，會執(zhí)行以下步驟.

1.獲取key的hashCode，計算出所在的桶位置。我們之前提到，"a"的hashCode=6，所以最后計算出來targetBucket=2。

2.通過buckets[2]=1找到entries[1],比較key的值是否相等，相等就返回entryIndex，不想等就繼續(xù)entries[next]查找，直到找到key相等元素或者next == -1的時候。這里我們找到了key == "a"的元素，返回entryIndex=0。

3.如果entryIndex >= 0那么返回對應(yīng)的entries[entryIndex]元素，否則返回default(TValue)。這里我們直接返回entries[0].value。

整個查找的過程如下圖所示.

將查找的代碼摘錄下來，如下所示。

// 尋找Entry元素的位置
private int FindEntry(TKey key) {
    if( key == null) {
        ThrowHelper.ThrowArgumentNullException(ExceptionArgument.key);
    }

    if (buckets != null) {
        int hashCode = comparer.GetHashCode(key) & 0x7FFFFFFF; // 獲取HashCode，忽略符號位
        // int i = buckets[hashCode % buckets.Length] 找到對應(yīng)桶，然后獲取entry在entries中位置
        // i >= 0; i = entries[i].next 遍歷單鏈表
        for (int i = buckets[hashCode % buckets.Length]; i >= 0; i = entries[i].next) {
            // 找到就返回了
            if (entries[i].hashCode == hashCode && comparer.Equals(entries[i].key, key)) return i;
        }
    }
    return -1;
}
...
internal TValue GetValueOrDefault(TKey key) {
    int i = FindEntry(key);
    // 大于等于0代表找到了元素位置，直接返回value
    // 否則返回該類型的默認(rèn)值
    if (i >= 0) {
        return entries[i].value;
    }
    return default(TValue);
}

2.5、Dictionary - Remove操作

前面已經(jīng)向大家介紹了增加、查找，接下來向大家介紹Dictionary如何執(zhí)行刪除操作。我們沿用之前的Dictionary數(shù)據(jù)結(jié)構(gòu)。

刪除前面步驟和查找類似，也是需要找到元素的位置，然后再進(jìn)行刪除的操作。

我們現(xiàn)在執(zhí)行這樣一條語句dictionary.Remove("a")，hashFunc運算結(jié)果和上文中一致。步驟大部分與查找類似，我們直接看摘錄的代碼，如下所示。

public bool Remove(TKey key) {
    if(key == null) {
        ThrowHelper.ThrowArgumentNullException(ExceptionArgument.key);
    }

    if (buckets != null) {
        // 1. 通過key獲取hashCode
        int hashCode = comparer.GetHashCode(key) & 0x7FFFFFFF;
        // 2. 取余獲取bucket位置
        int bucket = hashCode % buckets.Length;
        // last用于確定是否當(dāng)前bucket的單鏈表中最后一個元素
        int last = -1;
        // 3. 遍歷bucket對應(yīng)的單鏈表
        for (int i = buckets[bucket]; i >= 0; last = i, i = entries[i].next) {
            if (entries[i].hashCode == hashCode && comparer.Equals(entries[i].key, key)) {
                // 4. 找到元素后，如果last< 0，代表當(dāng)前是bucket中最后一個元素，那么直接讓bucket內(nèi)下標(biāo)賦值為 entries[i].next即可
                if (last < 0) {
                    buckets[bucket] = entries[i].next;
                }
                else {
                    // 4.1 last不小于0，代表當(dāng)前元素處于bucket單鏈表中間位置，需要將該元素的頭結(jié)點和尾節(jié)點相連起來,防止鏈表中斷
                    entries[last].next = entries[i].next;
                }
                // 5. 將Entry結(jié)構(gòu)體內(nèi)數(shù)據(jù)初始化
                entries[i].hashCode = -1;
                // 5.1 建立freeList單鏈表
                entries[i].next = freeList;
                entries[i].key = default(TKey);
                entries[i].value = default(TValue);
                // *6. 關(guān)鍵的代碼，freeList等于當(dāng)前的entry位置，下一次Add元素會優(yōu)先Add到該位置
                freeList = i;
                freeCount++;
                // 7. 版本號+1
                version++;
                return true;
            }
        }
    }
    return false;
}

執(zhí)行完上面代碼后，數(shù)據(jù)結(jié)構(gòu)就更新成了下圖所示。需要注意varsion、freeList、freeCount的值都被更新了。

2.6、Dictionary - Resize操作(擴(kuò)容)

有細(xì)心的小伙伴可能看過了Add操作以后就想問了，buckets、entries不就是兩個數(shù)組么，那萬一數(shù)組放滿了怎么辦？接下來就是我所要介紹的Resize（擴(kuò)容）這樣一種操作，對我們的buckets、entries進(jìn)行擴(kuò)容。

2.6.1、擴(kuò)容操作的觸發(fā)條件

首先我們需要知道在什么情況下，會發(fā)生擴(kuò)容操作；第一種情況自然就是數(shù)組已經(jīng)滿了，沒有辦法繼續(xù)存放新的元素。如下圖所示的情況。

從上文中大家都知道，Hash運算會不可避免的產(chǎn)生沖突，Dictionary中使用拉鏈法來解決沖突的問題，但是大家看下圖中的這種情況。

所有的元素都剛好落在buckets[3]上面，結(jié)果就是導(dǎo)致了時間復(fù)雜度O(n)，查找性能會下降；所以第二種，Dictionary中發(fā)生的碰撞次數(shù)太多，會嚴(yán)重影響性能，也會觸發(fā)擴(kuò)容操作。

目前.Net Framwork 4.7中設(shè)置的碰撞次數(shù)閾值為100.

public const int HashCollisionThreshold = 100;

2.6.2、擴(kuò)容操作如何進(jìn)行

為了給大家演示的清楚，模擬了以下這種數(shù)據(jù)結(jié)構(gòu)，大小為2的Dictionary，假設(shè)碰撞的閾值為2；現(xiàn)在觸發(fā)Hash碰撞擴(kuò)容。

開始擴(kuò)容操作。

1.申請兩倍于現(xiàn)在大小的buckets、entries

2.將現(xiàn)有的元素拷貝到新的entries

完成上面兩步操作后，新數(shù)據(jù)結(jié)構(gòu)如下所示。

3、如果是Hash碰撞擴(kuò)容，使用新HashCode函數(shù)重新計算Hash值

上文提到了，這是發(fā)生了Hash碰撞擴(kuò)容，所以需要使用新的Hash函數(shù)計算Hash值。新的Hash函數(shù)并一定能解決碰撞的問題，有可能會更糟，像下圖中一樣的還是會落在同一個bucket上。

4、對entries每個元素bucket = newEntries[i].hashCode % newSize確定新buckets位置

**5、重建hash鏈，newEntries[i].next=buckets[bucket]; buckets[bucket]=i; **

因為buckets也擴(kuò)充為兩倍大小了，所以需要重新確定hashCode在哪個bucket中；最后重新建立hash單鏈表.

這就完成了擴(kuò)容的操作，如果是達(dá)到Hash碰撞閾值觸發(fā)的擴(kuò)容可能擴(kuò)容后結(jié)果會更差。

在JDK中，HashMap如果碰撞的次數(shù)太多了，那么會將單鏈表轉(zhuǎn)換為紅黑樹提升查找性能。目前.Net Framwork中還沒有這樣的優(yōu)化，.Net Core中已經(jīng)有了類似的優(yōu)化，以后有時間在分享.Net Core的一些集合實現(xiàn)。

每次擴(kuò)容操作都需要遍歷所有元素，會影響性能。所以創(chuàng)建Dictionary實例時最好設(shè)置一個預(yù)估的初始大小。

private void Resize(int newSize, bool forceNewHashCodes) {
    Contract.Assert(newSize >= entries.Length);
    // 1. 申請新的Buckets和entries
    int[] newBuckets = new int[newSize];
    for (int i = 0; i < newBuckets.Length; i++) newBuckets[i] = -1;
    Entry[] newEntries = new Entry[newSize];
    // 2. 將entries內(nèi)元素拷貝到新的entries總
    Array.Copy(entries, 0, newEntries, 0, count);
    // 3. 如果是Hash碰撞擴(kuò)容，使用新HashCode函數(shù)重新計算Hash值
    if(forceNewHashCodes) {
        for (int i = 0; i < count; i++) {
            if(newEntries[i].hashCode != -1) {
                newEntries[i].hashCode = (comparer.GetHashCode(newEntries[i].key) & 0x7FFFFFFF);
            }
        }
    }
    // 4. 確定新的bucket位置
    // 5. 重建Hahs單鏈表
    for (int i = 0; i < count; i++) {
        if (newEntries[i].hashCode >= 0) {
            int bucket = newEntries[i].hashCode % newSize;
            newEntries[i].next = newBuckets[bucket];
            newBuckets[bucket] = i;
        }
    }
    buckets = newBuckets;
    entries = newEntries;
}

2.7、Dictionary - 再談Add操作

在我們之前的Add操作步驟中，提到了這樣一段話，這里提到會有一種其它的情況，那就是有元素被刪除的情況。

避開一種其它情況不談，接下來它會將hashCode、key、value等信息存入entries[count]中，因為count位置是空閑的；繼續(xù)count++指向下一個空閑位置。上圖中第一個位置，index=0就是空閑的，所以就存放在entries[0]的位置。

因為count是通過自增的方式來指向entries[]下一個空閑的entry，如果有元素被刪除了，那么在count之前的位置就會出現(xiàn)一個空閑的entry；如果不處理，會有很多空間被浪費。

這就是為什么Remove操作會記錄freeList、freeCount，就是為了將刪除的空間利用起來。實際上Add操作會優(yōu)先使用freeList的空閑entry位置，摘錄代碼如下。

private void Insert(TKey key, TValue value, bool add){
    
    if( key == null ) {
        ThrowHelper.ThrowArgumentNullException(ExceptionArgument.key);
    }

    if (buckets == null) Initialize(0);
    // 通過key獲取hashCode
    int hashCode = comparer.GetHashCode(key) & 0x7FFFFFFF;
    // 計算出目標(biāo)bucket下標(biāo)
    int targetBucket = hashCode % buckets.Length;
	// 碰撞次數(shù)
    int collisionCount = 0;
    for (int i = buckets[targetBucket]; i >= 0; i = entries[i].next) {
        if (entries[i].hashCode == hashCode && comparer.Equals(entries[i].key, key)) {
            // 如果是增加操作，遍歷到了相同的元素，那么拋出異常
            if (add) {      
				ThrowHelper.ThrowArgumentException(ExceptionResource.Argument_AddingDuplicate);
            }
            // 如果不是增加操作，那可能是索引賦值操作 dictionary["foo"] = "foo"
            // 那么賦值后版本++，退出
            entries[i].value = value;
            version++;
            return;
        }
        // 每遍歷一個元素，都是一次碰撞
        collisionCount++;
    }
    int index;
    // 如果有被刪除的元素，那么將元素放到被刪除元素的空閑位置
    if (freeCount > 0) {
        index = freeList;
        freeList = entries[index].next;
        freeCount--;
    }
    else {
        // 如果當(dāng)前entries已滿，那么觸發(fā)擴(kuò)容
        if (count == entries.Length)
        {
            Resize();
            targetBucket = hashCode % buckets.Length;
        }
        index = count;
        count++;
    }

    // 給entry賦值
    entries[index].hashCode = hashCode;
    entries[index].next = buckets[targetBucket];
    entries[index].key = key;
    entries[index].value = value;
    buckets[targetBucket] = index;
    // 版本號++
    version++;

    // 如果碰撞次數(shù)大于設(shè)置的最大碰撞次數(shù)，那么觸發(fā)Hash碰撞擴(kuò)容
    if(collisionCount > HashHelpers.HashCollisionThreshold && HashHelpers.IsWellKnownEqualityComparer(comparer)) 
    {
        comparer = (IEqualityComparer<TKey>) HashHelpers.GetRandomizedEqualityComparer(comparer);
        Resize(entries.Length, true);
    }
}

上面就是完整的Add代碼，還是很簡單的對不對？

2.8、Collection版本控制

在上文中一直提到了version這個變量，在每一次新增、修改和刪除操作時，都會使version++；那么這個version存在的意義是什么呢？

首先我們來看一段代碼，這段代碼中首先實例化了一個Dictionary實例，然后通過foreach遍歷該實例，在foreach代碼塊中使用dic.Remove(kv.Key)刪除元素。

結(jié)果就是拋出了System.InvalidOperationException:"Collection was modified..."這樣的異常，迭代過程中不允許集合出現(xiàn)變化。如果在Java中遍歷直接刪除元素，會出現(xiàn)詭異的問題，所以.Net中就使用了version來實現(xiàn)版本控制。

那么如何在迭代過程中實現(xiàn)版本控制的呢？我們看一看源碼就很清楚的知道。

在迭代器初始化時，就會記錄dictionary.version版本號，之后每一次迭代過程都會檢查版本號是否一致，如果不一致將拋出異常。

這樣就避免了在迭代過程中修改了集合，造成很多詭異的問題。

以上是“C#中實現(xiàn)Dictionary的原理分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！