问题引入
PHP用的最多的数据类型就是数组了。但是你知道他的实现原理吗？PHP数组，类似于我们C语言中学到的索引数组，又类似于我们学的数据结构哈希表/字典；他底层是基于什么数据结构实现的呢？
在讲解之前我们先看这么一个小实验：
两种数组赋值方式，第二个数组占用内存多了4190240，数组元素数目为1000000，相当于每个元素多耗费4字节。
同样是存储1000000个数组元素，两种数组占用内存空间不一样，说明两种数组的底层实现方式可能也是有差别的。
其实，第一个数组就是我们所说的索引数组，也称之为packed array；第二个数组就是我们所说的关联数组，也称之为hash array。本文将详细介绍两种数组的实现原理。
谈谈 foreach
PHP数组的foreach遍历，是有序性的；即，遍历的顺序和写入的顺序是完全一致的。如下面事例所示：
思考一下，该特性如何实现呢：1）可以存取key-val，不就是一个哈希表么，最常用的就是数组+链表实现方式；2）遍历顺序与写入顺序一致，好像有点难办，如果每个节点再加一个指针呢？按照写入顺序再维护一个链表结构呢？如下图所示：
PHP5就是通过这种方式实现数组foreach遍历的有序性。功能是满足了，但是多个指针，就相当于每存储一个元素，就需要额外的8字节。PHP7数组实现方式进行了优化。
PHP7数组实现
PHP数组可以分为索引数组和关联数组两大类；接下来我们逐步分析两类数组的实现原理：
索引数组（packed_array）
1）索引数组，即只通过$array[] = $val方式复制，这时候数组的索引是自动递增的；数组的key也即数组的索引。遍历的有序性呢？按照索引从小到大即可。这和普通数组没有较大区别。
Bucket结构即为key-val实体：
typedef struct _Bucket {
zval val;
zend_ulong h; /* hash value (or numeric index) */
zend_string *key; /* string key or NULL for numerics */
} Bucket;再扩展思考下，如果我们这么对数组赋值呢？
$arr[1] =1;
$arr[3] =3;
$arr[5] =5;
$arr[6] =6;索引不是顺序递增，而是跳跃的；这时候还能使用上面的简单存储方式呢？其实也很简单，Bucket的存储也跟着一起跳跃呗，只是这时候Bucket数组中存在一些空洞，这些空洞就有些浪费了。
当然，并不是所有的跳跃索引，都能这么存储的，比如说：
$arr[1] =1;
$arr[1000] =1000;难道说Bucket数组的长度至少需要1001？而里面只存储2个元素，其余999都是空洞浪费？这显然是不合适的。这时候PHP数组结构需要适当调整下了。
关联数组（hash_array）
可以看到，索引跳跃度过高的数组，上面的存储结构就不太合适了；另外，对于关联数组，还有数组的key，并不等于数组索引，还需要支持按照key查找value的功能。
这时候你可能会说，使用哈希表呗，那不又回到PHP5的实现方式了，额外的指针形成链表。还有没有其他方式呢？比如说参照索引数组的实现，稍微改动下？
1）有序性遍历：数组元素还是按照索引数组方式，顺序写入；
2）按照key查找value：每一个数组元素的Bucket索引是确定的（写入顺序决定）；那么可以额外提供数组（长度等于Bucket数组长度），存储key-Bucket索引的映射关系。key计算hash值，按照Bucket数组长度取模计算索引，在该位置存储Bucket索引的值；
3）hash冲突解决：Bucket的值结构为zval，而zval本身就有一个额外字段
next，通过该字段多个Bucket可以形成一个隐式的链表。
struct _zval_struct {
zend_value value; /* value */
union {
……
uint32_t type_info;
} u1;
union {
uint32_t next; /* hash collision chain */
……
} u2;
};这样说是不是还有点模糊，请看下面的示意图：
按照key=a,b,c,d,e,f顺序写入。可以看到，上面的数组存储的是Bucket索引值，通过该值可以在Bucket数组中找到对应的key-value对。另外，key=a/c/e，产生了hash冲突，最终存储的是key=e对应的Bucket索引；通过e.next可以查找到key=c；通过c.next可以查找到key=a。
unset
如果我们通过unset回收数组元素呢？比如：
$arr[0] =0;
$arr[1] =1;
$arr[2] =2;
$arr[3] =3;
unset($arr[1])
unset之后，Bucket数组中间存在了一个空洞；显然我们可以通过平移来重新利用这个空洞（空洞后面元素全部向前平移一个位置）。但是想想，有必要这么做吗？复杂度是不是有点高呀，没有必要为了这么一个空洞位置引入这么高的时间复杂度吧？
那我要是一直unset，Bucket数组中的空洞越来越多，内存空间浪费越来越严重，这时候就值得回收利用这些空洞了，牺牲一点时间复杂度也是值得的。
源码实现
下面带领大家学习一下PHP7数组的主要实现源码。
基本结构
PHP7的数组由结构体_zend_array表示，定义如下：
typedef struct _zend_array HashTable;
struct _zend_array {
……
uint32_t nTableMask;
Bucket *arData;
uint32_t nNumUsed;
uint32_t nNumOfElements;
uint32_t nTableSize;
uint32_t nInternalPointer;
zend_long nNextFreeElement;
};- nTableMask：掩码，通常等于-nTableSize；为什么是负数呢？因为存储索引的数组和Bucket数组是一起分配的，Bucket数组从arData地址处，向高地址增长；存储索引的数组从arData地址处，向低地址增长，相当于存储索引的数组访问下标都是负数；
- arData：Bucket数组；
- nTableSize：Bucket数组长度；
- nNumUsed：Bucket数组已使用数目（包括元素被unset造成的空洞），下一个元素写入的位置默认为nNumUsed+1；
- nNumOfElements：元素数目，不包括unset的元素；
- nInternalPointer：游标，迭代时使用；
- nNextFreeElement：用于生成自增的索引，$array[]=$val赋值方式使用；
负掩码
上一节我们提到nTableMask是掩码，且等于-nTableSize；因为，存储索引的数组和Bucket数组是一起分配的，Bucket数组从arData地址处，向高地址增长；存储索引的数组从arData地址处，向低地址增长，相当于存储索引的数组访问下标都是负数。
为了方便描述，我们将存储索引的数组成为索引数组，存储真正数据内容的成为Bucket数组。
PHP数组的初始化函数为zend_hash_real_init_ex，实现如下：
static zend_always_inline void zend_hash_real_init_ex(HashTable *ht, int packed)
{
(ht)->nTableMask = -(ht)->nTableSize;
//pemalloc分配内存（索引数组+Bucket数组）
//HT_SET_DATA_ADDR将arData指向首地址偏移（-nTableMask）* sizeof(uint32_t) 位置
HT_SET_DATA_ADDR(ht, pemalloc(HT_SIZE(ht), (ht)->u.flags & HASH_FLAG_PERSISTENT));
//索引数组全部初始化为-1
HT_HASH_RESET(ht);
}
//arData指向索引数组与Bucket数组临界点
#define HT_SET_DATA_ADDR(ht, ptr) do { \
(ht)->arData = (Bucket*)(((char*)(ptr)) + HT_HASH_SIZE((ht)->nTableMask)); \
} while (0)
//索引数组大小
#define HT_HASH_SIZE(nTableMask) \
(((size_t)(uint32_t)-(int32_t)(nTableMask)) * sizeof(uint32_t))
#define HT_HASH_RESET(ht) \
memset(&HT_HASH(ht, (ht)->nTableMask), HT_INVALID_IDX, HT_HASH_SIZE((ht)->nTableMask))
#define HT_HASH(ht, idx) \
HT_HASH_EX((ht)->arData, idx)PHP内核代码里有非常多的宏定义，这点需要习惯。可以看到，一次性分配内存空间包括hash数组和Bucket数组；而arData指向的是两个数组的临界点；并且hash数组是从高地址到低地址，所以索引只能是负数。
当往数组添加一个元素时，怎么根据掩码计算索引数组索引值呢？其实很简单，就一行代码：nIndex = h | ht->nTableMask；其中h为哈希值。
我们以nTableSize=8为例，nTableMask=-8；内存中二进制掩码（不了解的可以去学习下原码，反码，补码的概念）为：
11111111 11111111 11111111 11111000任何整数与其进行或运算后，结果正好满足[nTableMask, -1]：
11111111 11111111 11111111 11111000 //-8
……
11111111 11111111 11111111 11111111 //-1添加/更新元素
数组元素的添加或者更新需要注意packed_array和hash_array的区别，packed_array并没有前面的索引数组，只有一个Bucket数组，且数组元素的键都是整数。
packed_array更新逻辑由函数_zend_hash_index_add_or_update_i实现，其实就是存储数据到下一个Bucket数组即可。这里不做过多介绍。
hash_array更新逻辑由函数_zend_hash_add_or_update_i实现；添加元素之前，首先需要校验数组中是否已经存在当前key：
static zend_always_inline Bucket *zend_hash_find_bucket(const HashTable *ht, zend_string *key)
{
h = zend_string_hash_val(key);
arData = ht->arData;
nIndex = h | ht->nTableMask;
//从索引数组中获取Bucket的下标
idx = HT_HASH_EX(arData, nIndex);
//值不等于-1，说明对应Bucket存储有数据
while (EXPECTED(idx != HT_INVALID_IDX)) {
//Bucket数组获取元素
p = HT_HASH_TO_BUCKET_EX(arData, idx);
if (EXPECTED(p->key == key)) { /* check for the same interned string */
return p;
} else if (EXPECTED(p->h == h) &&
EXPECTED(p->key) &&
EXPECTED(ZSTR_LEN(p->key) == ZSTR_LEN(key)) &&
EXPECTED(memcmp(ZSTR_VAL(p->key), ZSTR_VAL(key), ZSTR_LEN(key)) == 0)) {
return p;
}
//获取下一个Bucket索引，zval.u2.next
idx = Z_NEXT(p->val);
}
return NULL;
}如果查找到key，则需要更新对应的值；否则新添加key-value对；新添加逻辑如下：
idx = ht->nNumUsed++;
ht->nNumOfElements++;
//直接顺序存储再下一个位置
p = ht->arData + idx;
p->key = key;
p->h = h = ZSTR_H(key);
ZVAL_COPY_VALUE(&p->val, pData);
//索引数组当前nIndex处可能已经有值
nIndex = h | ht->nTableMask;
//通过zval.u2.next形成链表
Z_NEXT(p->val) = HT_HASH(ht, nIndex);
//设置索引数组当前nIndex处值为idx位置
HT_HASH(ht, nIndex) = HT_IDX_TO_HASH(idx);