PHP 的数组（array）是其最强大、最常用的数据结构之一。表面上它是一个有序映射，底层却依赖一套精心设计的哈希表（HashTable）实现。理解 HashTable 的扩容、rehash 机制以及负载因子（load factor）的调优逻辑，不仅能帮助开发者写出更高性能的代码，还能在排查内存与 CPU 瓶颈时提供关键线索。本文将从 Zend 引擎的源码视角出发，深入剖析 PHP 哈希算法的核心机制与性能调优策略。
一、PHP 数组的本质：Zend HashTable
PHP 的数组并非简单的键值对集合，而是基于 Zend HashTable 实现的有序字典。其核心结构包含：
- Bucket 数组：存储实际元素的连续内存区域，每个 Bucket 包含 key、value、hash 值以及冲突链指针。
- 哈希函数：对字符串键使用 DJBX33A 算法，对整数键则直接使用其值作为哈希。
- 冲突解决：采用链地址法（Separate Chaining），但 PHP 7 之后优化为“拉链 + 开放寻址混合”的紧凑结构。
在 PHP 7 中，HashTable 的内存布局被大幅重构：Bucket 不再存储 zval 指针，而是直接内联 zval，减少了内存分配与缓存不友好问题。这一改进使得数组的随机访问性能提升了近 2 倍。
二、哈希冲突与负载因子
负载因子（load factor）定义为：
负载因子 = 已存储元素数量 / 哈希槽位总数
PHP 默认的负载因子阈值约为 0.75（具体实现中，当元素数量达到槽位数的 75% 时触发扩容）。这个值并非随意选取，而是平衡了时间与空间的经典折中：
- 负载因子过高：冲突概率急剧上升，链表变长，查找退化为 O(n)。
- 负载因子过低：内存浪费严重，且哈希表稀疏导致缓存命中率下降。
PHP 在 zend_hash.c 中通过 ZEND_HASH_IF_FULL_DO_RESIZE 宏判断是否触发扩容。值得注意的是，PHP 7 之后，整数键数组（packed array）不再使用哈希表，而是直接使用连续数组，这进一步降低了负载因子对性能的影响。
三、扩容与 rehash 的代价
当负载因子超过阈值时，HashTable 必须进行扩容（resize）。扩容过程包含三个关键步骤：
- 分配新槽位：通常将槽位数翻倍（2 的幂次增长），以保证哈希取模可通过位运算完成。
- rehash 所有元素：遍历旧 Bucket 数组，重新计算每个元素的哈希槽位并插入新表。
- 释放旧内存：回收原有 Bucket 数组。
rehash 是一个 O(n) 操作，且在大数组扩容时可能造成明显的延迟峰值。例如，一个包含 100 万个元素的数组，在扩容到 200 万槽位时，需要重新计算并迁移所有元素。若此操作发生在请求处理的关键路径上，可能导致响应时间抖动。
PHP 7 对此做了两项优化：
- 惰性 rehash：在部分场景下，rehash 被推迟到实际访问时进行，避免一次性开销。
- 紧凑 Bucket 数组：新 Bucket 数组按插入顺序连续分配，rehash 时只需线性扫描，无需遍历冲突链。
四、负载因子调优的实践策略
虽然 PHP 不允许直接修改 HashTable 的负载因子阈值，但开发者可以通过以下方式间接优化性能：
1. 预分配数组容量
若已知数组最终大小，应尽量预分配。PHP 未提供显式的 reserve 函数，但可以通过 array_fill 或 SplFixedArray 模拟：
// 预填充 10000 个元素，避免多次扩容
$arr = array_fill(0, 10000, null);
for ($i = 0; $i < 10000; $i++) {
$arr[$i] = $i * 2;
}
SplFixedArray 则完全避免了哈希表开销，适合纯索引访问场景。
2. 避免频繁的键删除与插入
频繁的 unset 与重新插入会导致 HashTable 产生“空洞”，虽然 PHP 会通过 ZEND_HASH_IF_FULL_DO_RESIZE 在必要时整理，但过多的空洞会降低缓存局部性。批量操作时，考虑重建数组而非逐个删除。
3. 使用整数键替代字符串键
字符串键需要计算 DJBX33A 哈希，且哈希值分布依赖键的随机性。整数键直接映射到槽位，速度更快，且更容易触发 packed array 优化。
4. 监控数组大小与内存
使用 memory_get_usage() 与 count() 结合，观察数组增长曲线。若发现内存呈阶梯式上升，说明扩容频繁，应考虑预分配或改用更紧凑的数据结构（如 SplFixedArray 或数据库）。
五、rehash 攻击与安全考量
PHP 的哈希算法是确定性的，攻击者可以构造大量哈希冲突的键，使 HashTable 退化为链表，导致 CPU 耗尽——这就是著名的 HashDoS 攻击。PHP 5.3.9 之后引入了 max_input_vars 限制，并在哈希函数中加入随机种子（仅对用户输入生效），以缓解此类攻击。在编写处理用户输入的应用时，应始终限制数组大小，并避免将不可信数据直接作为数组键大量插入。
六、总结
PHP 数组的高性能并非偶然，而是 Zend HashTable 在哈希算法、冲突解决、扩容策略与负载因子之间精细权衡的结果。理解负载因子 0.75 的由来、rehash 的 O(n) 代价以及 packed array 的优化路径，能帮助开发者在实际项目中做出更明智的数据结构选择。记住三条核心原则：
- 预分配优于动态扩容；
- 整数键优于字符串键；
- 批量重建优于频繁增删。
掌握这些底层机制，你就能在 PHP 性能调优的道路上走得更远。
未经允许不得转载：任鹏个人博客 » PHP 哈希算法与数组性能：HashTable 扩容、rehash 与负载因子调优
