一、存储图解
我以下面这段代码为例子，画出这个List的存储结构：
let myList = [];for(let i=0;i<1100;i++) { myList[i] = i;}debugger;//可以在这里打个断点调试let immutableList = Immutable.List(myList)debugger;console.log(immutableList.set(1000, 'Remm'));debugger;console.log(immutableList.get(1000)); 
二、vector trie 的构建过程
我们用上面的代码为例子一步一步的解析。首先是把原生的list转换为inmutable的list 类型：
export class List extends IndexedCollection { // @pragma Construction constructor(value) { // 此时的value就是上面的myList数组 const empty = emptyList(); if (value === null || value === undefined) {//判断是否为空 return empty; } if (isList(value)) {//判断是否已经是imutable的list类型 return value; } const iter = IndexedCollection(value);//序列化数组 const size = iter.size; if (size === 0) { return empty; } assertNotInfinite(size); if (size > 0 && size < SIZE) { // 判断size是否超过32 return makeList(0, size, SHIFT, null, new VNode(iter.toArray())); } return empty.withMutations(list => { list.setSize(size); iter.forEach((v, i) => list.set(i, v)); }); } 。。。。。。} 首先会创建一个空的list
let EMPTY_LIST;export function emptyList() { return EMPTY_LIST || (EMPTY_LIST = makeList(0, 0, SHIFT));} SHIFT的值为5，export const SHIFT = 5; // Resulted in best performance after ______?
再继续看makeList，可以清晰看到 List 的主要部分：
function makeList(origin, capacity, level, root, tail, ownerID, hash) { const list = Object.create(ListPrototype); list.size = capacity - origin;// 数组的长度 list._origin = origin;// 数组的起始位置 一般是0 list._capacity = capacity;// 数组容量 等于 size list._level = level;//树的深度，为0时是叶子结点。默认值是5，存储指数部分，用于方便位运算,增加一个深度，level值+5 list._root = root;// trie树实现 list._tail = tail;// 32个为一组，存放最后剩余的数据 其实就是 %32 list.__ownerID = ownerID; list.__hash = hash; list.__altered = false; return list;} 将传入的数据序列化
// ArraySeqiter = {size: 数组的length,_array: 传入数组的引用} 判断size是否超过32，size > 0 && size < SIZE 这里 SIZE ： export const SIZE = 1 << SHIFT;
_root 和 _tail 里面的数据又有以下结构：
// @VNode classconstructor(array, ownerID) { this.array = array; this.ownerID = ownerID;} 可以这样调试查看：
let myList = [];for(let i=0;i<30;i++) { myList[i] = i;}debugger;//可以在这里打个断点调试console.log(Immutable.List(myList)); size如果超过32
return empty.withMutations(list => { list.setSize(size);//构建树的结构 主要是计算出树的深度 iter.forEach((v, i) => list.set(i, v));//填充好数据}); export function withMutations(fn) { const mutable = this.asMutable(); fn(mutable); return mutable.wasAltered() ? mutable.__ensureOwner(this.__ownerID) : this;} list.setSize(size)中有一个重要的方法setListBounds,下面我们主要看这个方法如何构建这颗树
function setListBounds(list, begin, end) { ...... const newTailOffset = getTailOffset(newCapacity); // New size might need creating a higher root. // 是否需要增加数的深度 把 1 左移 newLevel + SHIFT 位 相当于 1 * 2 ^ (newLevel + SHIFT) // 以 size为 1100 为例子 newTailOffset的值为1088 第一次 1088 > 2 ^ 10 树增加一层深度 // 第二次 1088 < 2 ^ 15 跳出循环 newLevel = 10 while (newTailOffset >= 1 << (newLevel + SHIFT)) { newRoot = new VNode( newRoot && newRoot.array.length ? [newRoot] : [], owner ); newLevel += SHIFT; } ......} function getTailOffset(size) { // (1100 - 1) / 2^5 % 2^5 = 1088 return size < SIZE ? 0 : (((size - 1) >>> SHIFT) << SHIFT);} 经过 list.setSize(size);构建好的结构
三、set 方法
iter.forEach((v, i) => list.set(i, v));这里是将iter中的_array填充到list
这里主要还是看看set方法如何设置数据
set(index, value) { return updateList(this, index, value);} function updateList(list, index, value) { ...... if (index >= getTailOffset(list._capacity)) { newTail = updateVNode(newTail, list.__ownerID, 0, index, value, didAlter); } else { newRoot = updateVNode( newRoot, list.__ownerID, list._level, index, value, didAlter ); } ......} function updateVNode(node, ownerID, level, index, value, didAlter) { // 根据 index 和 level 计算 数据set的位置在哪 const idx = (index >>> level) & MASK; // 利用递归 一步一步的寻找位置 直到找到最终的位置 if (level > 0) { const lowerNode = node && node.array[idx]; const newLowerNode = updateVNode( lowerNode, ownerID, level - SHIFT, index, value, didAlter ); ...... // 把node节点的array复制一份生成一个新的节点newNode editableVNode函数见下面源码 newNode = editableVNode(node, ownerID); // 回溯阶段将 子节点的引用赋值给自己 newNode.array[idx] = newLowerNode; return newNode; } ...... newNode = editableVNode(node, ownerID); // 当递归到叶子节点 也就是level <= 0 将值放到这个位置 newNode.array[idx] = value; ...... return newNode;} function editableVNode(node, ownerID) { if (ownerID && node && ownerID === node.ownerID) { return node; } return new VNode(node ? node.array.slice() : [], ownerID);} 下面我们看看运行了一次set(0,0)的结果
整个结构构建完之后
下面我们接着看刚刚我们构建的list set(1000, 'Remm'),其实所有的set的源码上面已经解析过了，我们再来温习一下。
调用上面的set方法，index=1000,value='Remm'。调用updateList，继而调用updateVNode。通过const idx = (index >>> level) & MASK;计算要寻找的节点的位置(在这个例子中，idx的值依次是0->31->8)。 不断的递归查找，当 level <= 0 到达递归的终止条件，其实就是达到树的叶子节点，此时通过newNode = editableVNode(node, ownerID);创建一个新的节点，然后 newNode.array[8] = 'Remm'。接着就是开始回溯，在回溯阶段，自己把自己克隆一个，newNode = editableVNode(node, ownerID);,注意这里克隆的只是引用，所以不是深拷贝。然后再将idx位置的更新了的子节点重新赋值，newNode.array[idx] = newLowerNode;,这样沿着路径一直返回，更新路径上的每个节点，最后得到一个新的根节点。
更新后的list:
四、get 方法
了解完上面的list构建和set，我们再来看 immutableList.get(1000) 源码就是小菜一碟了。
get(index, notSetValue) { index = wrapIndex(this, index); if (index >= 0 && index < this.size) { index += this._origin; const node = listNodeFor(this, index); return node && node.array[index & MASK]; } return notSetValue; } function listNodeFor(list, rawIndex) { if (rawIndex >= getTailOffset(list._capacity)) { return list._tail; } if (rawIndex < 1 << (list._level + SHIFT)) { let node = list._root; let level = list._level; while (node && level > 0) { // 循环查找节点所在位置 node = node.array[(rawIndex >>> level) & MASK]; level -= SHIFT; } return node; }} 五、tire 树 的优点
来一张从网上盗来的图：
这种树的数据结构（tire 树），保证其拷贝引用的次数降到了最低，就是通过极端的方式，大大降低拷贝数量，一个拥有100万条属性的对象，浅拷贝需要赋值 99.9999万次，而在 tire 树中，根据其访问的深度，只有一个层级只需要拷贝 31 次，这个数字不随着对象属性的增加而增大。而随着层级的深入，会线性增加拷贝数量，但由于对象访问深度不会特别高，10 层已经几乎见不到了，因此最多拷贝300次，速度还是非常快的。
我上面所解析的情况有 构建、修改、查询。其实还有 添加 和 删除。
其实Immutable.js 部分参考了 Clojure 中的PersistentVector的实现方式。所以可以看看下面这篇文章：