parallel-hashmap：并发哈希表的极致，比标准库快3倍

py2024年12月18日约 3 分钟

等你来关注！

parallel-hashmap：并发哈希表的极致，比标准库快3倍

用 C++ 开发高性能并发程序，最让人头疼的就是数据结构的效率问题，尤其是哈希表。在多线程环境下，std：：unordered_map 不仅慢，还需要额外的锁来保证线程安全，简直让人抓狂。今天咱们聊点硬核的——parallel-hashmap，一个比标准库快 3 倍的并发哈希表库。

哈希表的并发问题：锁？不锁？

普通的哈希表，比如 std：：unordered_map，在多线程环境下操作时，得加锁，不然数据就乱套了。锁呢，简单粗暴，但代价也大，会让性能掉到谷底。而 parallel-hashmap 的牛逼之处就在于它的设计几乎把锁的开销降到了最低，甚至在有些场景下完全不用锁。

看看下面的代码，感受下这库的基本用法：

#include “parallel_hashmap/phmap.h”
#include <iostream>
#include <thread>
#include <vector>
int main() {
// 声明一个并发哈希表
phmap：：parallel_flat_hash_map<int， std：：string> map；
// 多线程插入数据
std：：vector<std：：thread> threads；
for (int i = 0； i < 4； ++i) {
threads.emplace_back([&map， i]() {
for (int j = 0； j < 1000； ++j) {
map[i * 1000 + j] = “value_” + std：：to_string(i * 1000 + j)；
}
})；
}
// 等待线程完成
for (auto &t ： threads) {
t.join()；
}
// 打印结果
std：：cout << “Map size： ” << map.size() << std：：endl；
return 0；
}

运行后会发现，这玩意儿不仅快，而且线程安全，数据一点儿不乱。多线程插入 4000 条数据，map.size() 会准确输出 4000。

温馨提示：parallel-hashmap 提供了多种哈希表类型，比如 parallel_flat_hash_map 和 parallel_node_hash_map。选择的时候要根据你的场景来定，前者适合性能优先的场景，后者则在动态内存管理方面表现更好。

为什么它这么快？

这库快的秘诀有两个：分区锁和缓存友好的实现。简单说，它把哈希表拆成了多个“区域”，每个区域有自己的锁，操作不同区域的数据时，线程之间互不干扰。再配合缓存友好的数据布局，极大地减少了 CPU 缓存失效的概率。

下面这个示例演示了“分区锁”的威力：

#include “parallel_hashmap/phmap.h”
#include <iostream>
#include <thread>
#include <vector>
int main() {
phmap：：parallel_flat_hash_map<int， int， std：：hash<int>， std：：equal_to<int>，
std：：allocator<std：：pair<const int， int>>， 8> map；
// 默认分成 8 个锁区
map[1] = 10；
map[2] = 20；
// 查看分区数量
std：：cout << “Number of submaps (locks)： ” << map.subcnt() << std：：endl；
return 0；
}