Erlang中atom的实现[转]

转自： http://www.cnblogs.com/zhengsyao/p/3424539.html

在 Erlang 中，使用 atom 既方便又高效，我们就来看看 atom 是怎么实现的。atom 的 Eterm 除去 6 位的标签之外剩下的部分，就是 atom 在 Erlang 虚拟机中的索引，也就是一个整数值。在 Erlang 中，有关 atom 比较的操作只需要比较两个索引值即可，就是整数操作，因此非常高效。atom 本身是一个字符串，那么 atom 的索引是怎样对应上具体的字符串的呢？也就是需要实现字符串和索引值之间的互相映射，字符串和索引值都必须唯一，这显然需要使用散列表。Erlang 虚拟机内实现了一套通用的索引和散列表机制，atom 表就是这个机制的一个客户。下图是这套机制中关键数据结构之间的关系。

图中左侧是散列表部分，右侧是索引部分。先看左侧。这个散列表采用的是标准的数据结构教科书上的实现。查找的时候：通过散列函数计算被散列对象的散列值，然后对散列表的长度取模，得到图中左侧指针数组的索引，接下来运气好的话能直接得到查找的对象（封装在 HashBucket 中），运气不好的话可能查不到，或者发生碰撞进行线性搜索（例如图中通过散列值得到索引 2 的时候就发生了碰撞，需要线性搜索 HashBucket 中匹配的 hvalue）。插入的时候：同样是先计算散列值得到索引，然后看对应的指针是否已经有对象了，如果没有，则直接加入，如果有的话，则插入队列头部。散列表在扩容的时候，会选择下一个合适的大小（erts/emulator/beam/hash.c 文件中的 h_size_table 数组列出了散列表大小增长的序列，数组里面都是素数，但是基本上符合倍增的关系），把老表复制到新表，然后删除老表。当然，增长是有限制的，散列表大小不能超出 h_size_table 数组中指定的最大值。

图中右侧是索引部分。索引表实际上是指向被索引对象的指针的数组，被索引对象的索引值就是对应指针在数组中的自然顺序。由于事先无法确定具体的索引数目，所以索引表的大小是动态增长的，增长单位为一个索引块的大小，每个索引块中有固定数目的指针（例如 1024 个）。散列表中每插入一个新的对象的时候，设置索引表中最小的那个可用索引。如果新的索引超出了索引块的边界，那么分配一个新的索引块，并且更新索引块表中的指针。同样，索引表的增长也是有限度的，索引块表的指针用完了就不能再增长了。索引块表的长度是在创建索引表的时候设置的，所以理论上可以很大，不超出内存限制即可，但是实际中还要考虑散列表的大小，这两者是相互制约的。

描述了散列和索引的数据结构和实现之后，我们回到散列索引的客户——atom。由于散列和索引是通用的，所以散列表指向的对象是 HashBucket 数据结构，而索引表指向的是 IndexSlot 数据结构。为了将散列和索引结合起来，这两个数据结构是重叠的，HashBucket 在 IndexSlot 头部。具体客户在使用的时候，要把 IndexSlot 放在自己的头部，这样就把具体的对象和散列索引结合起来了（就好像原始的面向对象的实现）。 从图中可以看出，我们的 atom 数据结构除了上述结构之外，还包含了具体的字符串指针、长度以及编码信息。将这些信息串起来之后，我们就可以高效地在常量时间内查询 atom 是否已经存在，已经存在的 atom 的索引值是什么，某个索引值对应的 atom 是什么以及插入新的 atom。

另一个问题，向散列表插入元素的时候，散列表要负责分配对象的内存，而散列表是通用的，那么散列表怎么知道分配例如 atom 呢？解决方法是散列表中元素的分配、比较、释放以及散列值计算的操作都通过回调函数的方式提供给散列表。这里 atom 使用的散列函数是经典的 hashpjw 散列算法，这个算法是字符串散列常用的算法。

在一个 Erlang 节点内，atom 表是全局共享的，因此多个线程对 atom 表的访问是通过读写锁保护的。对 atom 表的操作绝大部分都是读操作，只有真正插入新的 atom 时的操作才是写操作，插入新 atom 的情况一般不频繁，而且也很少有多个线程争抢着插入新 atom 的情况，大部分情况都是试图插入 atom 但是发现其实已经存在了，因此 atom 表使用的读写锁是针对读操作优化的读写锁。使用针对读操作优化的读写锁时读锁的开销非常小，即使是在大量线程争用的情况下。

Erlang 中的 atom 表是不进行垃圾回收的，毕竟在程序员不滥用 atom 的情况下，atom 数目可以控制在合理范围内。而且跟踪每一个 atom 的引用状况会产生很大的开销。所以不要滥用 atom，把 atom 表塞满是把 Erlang 虚拟机 crash 掉的一种方法。目前默认的 atom 数目限制是 1048576（1024×1024），通过虚拟机的 +t 参数可以设置。

上面我们把 Erlang 中所有立即数都过了一遍，下面我们来看列表数据类型。