手写 std::unordered_set

基于独立链地址哈希内核实现唯一键集合、桶接口与负载因子管理。

本系列代码使用 C++20 和 oc::handmade 命名空间，目标是解释实现机制、复杂度和工程边界，不是替代标准库。普通容器与缓存核心不内置互斥锁；这不代表 lock-free。

一、学习目标

实现唯一键哈希集合
正确组合 Hash 与 KeyEqual
记录 rehash 的失效规则

二、前置条件

完成哈希表内核与 set 篇。

Linux/macOS：

cmake -S . -B build -DCMAKE_BUILD_TYPE=Debug
cmake --build build -j
ctest --test-dir build --output-on-failure

Windows PowerShell：

cmake -S . -B build -DCMAKE_BUILD_TYPE=Debug
cmake --build build --config Debug
ctest --test-dir build -C Debug --output-on-failure

三、问题与设计选择

Hash 选择桶，KeyEqual 只在同桶内判断等价。插入前先查重，超过最大负载因子时扩桶。

这里刻意保留一条边界：教学实现覆盖构造、复制移动、核心修改、查找和迭代契约，但不复刻标准库全部重载、ABI、constexpr、异构查找或节点句柄。

四、内存布局与核心不变量

不存在两个 KeyEqual 等价的键；每个节点位于其哈希值对应桶；size 等于节点数。

每个修改操作都按“准备资源 → 构造新状态 → 提交连接或指针 → 清理旧状态”的顺序设计。提交点之前发生异常，应保持原对象可继续使用；无法提供强保证时，会在接口说明中明确基本保证。

五、核心实现

std::pair<const Key*, bool> insert(Key key) {
    const auto hash = hash_(key);
    if (auto* old = table_.find(hash, key, equal_))
        return {&old->key, false};
    auto* fresh = table_.insert(hash, std::move(key), empty_value{});
    return {&fresh->key, true};
}

上面先聚焦最容易写错的核心步骤；若本篇对应一个独立组件，下一节给出统一工程中的完整教学实现。代码没有放入 std 命名空间，避免未定义行为和名称冲突。

六、完整教学实现

下面是统一工程中经过 GCC、Clang、GoogleTest 和 Sanitizer 验证的完整组件。它依赖前序文章已经实现的公共类型以及头文件中的标准库 #include。

namespace oc::handmade {

template<class Key, class Hash = std::hash<Key>, class Equal = std::equal_to<Key>>
class unordered_set {
    unordered_map<Key, std::monostate, Hash, Equal> table_;
public:
    bool insert(Key key) { return table_.insert(std::move(key), {}).second; }
    bool erase(const Key& key) { return table_.erase(key); }
    bool contains(const Key& key) const { return table_.contains(key); }
    std::size_t size() const noexcept { return table_.size(); }
    void rehash(std::size_t count) { table_.rehash(count); }
};

}  // namespace oc::handmade

生产级标准库还要处理完整 allocator 传播、全部重载、ABI、调试迭代器和平台特化；这里保留的是能够独立推导核心数据结构的教学边界。

七、使用示例与输出

预期输出或状态：

插入 red、blue、red 后 size 为 2；遍历顺序未作保证。

示例必须在文章对应的测试目标中实际编译。涉及顺序的输出只依赖接口明确承诺的顺序；无序容器不会把某次桶顺序写成稳定结果。

八、复杂度与失效规则

操作	复杂度	说明
insert/find/erase	平均 O(1)	最坏 O(n)
rehash/reserve	O(n)	桶迭代器失效
load_factor	O(1)	size/buckets
迭代	O(n+b)	无排序承诺

复杂度中的 O(1) 若标记为“平均”或“摊还”，不能在面试中省略限定词。任何重新分配、节点删除、rehash 或缓存淘汰都必须单独说明迭代器、引用与指针是否失效。

九、异常安全与资源管理

获取资源后立即交给 RAII 对象或明确记录已构造数量。
用户类型构造、复制、移动、比较器和哈希器都可能抛异常。
只有在所有后续步骤不会失败时才修改不可回滚的链接。
析构、释放和关闭路径不得抛异常。
并发包装通过回调在锁内访问，避免返回保护对象的裸引用。

十、常见错误

1. Hash 与 KeyEqual 对等价定义不一致

Hash 与 KeyEqual 对等价定义不一致会破坏本篇建立的契约。调试时先检查核心不变量，再缩小到触发该状态的最短操作序列。

2. 依赖当前桶顺序展示数据

依赖当前桶顺序展示数据会破坏本篇建立的契约。调试时先检查核心不变量，再缩小到触发该状态的最短操作序列。

3. 在遍历过程中触发 rehash

在遍历过程中触发 rehash会破坏本篇建立的契约。调试时先检查核心不变量，再缩小到触发该状态的最短操作序列。

十一、面试追问

相等对象是否必须具有相同哈希？
unordered_set 何时比 set 更差？
如何防御哈希洪泛？

回答时先说数据结构不变量，再给复杂度，最后说明异常、迭代器或并发边界，通常比背诵结论更有说服力。

十二、练习与自测

实现 local_iterator
支持自定义最大负载因子
比较好坏哈希函数的链长分布

自测标准：能够不看代码画出内存或节点关系，解释一次成功操作和一次失败回滚，并写出至少一个会击穿错误实现的测试。

十三、官方资料与延伸阅读

上一篇：手写哈希表内核｜下一篇：手写 std::unordered_map