手写 std::set

手写 std::set

在红黑树内核之上实现唯一键集合、只读迭代器、查找边界与插入结果。

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

• 复用树内核表达唯一键
• 实现 find/contains/lower_bound
• 理解 set 迭代器为何不能修改键

---

二、前置条件

完成红黑树内核篇。

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

节点只存 Key，比较器决定等价：!comp(a,b) && !comp(b,a)。插入返回是否新增，重复键不改变结构。

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

树中不存在两个按 Compare 等价的键；中序遍历严格递增；通过迭代器只能获得 const Key。

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<iterator, bool> insert(Key key) {
    auto [node, inserted] = tree_.insert(std::move(key), empty_value{});
    return {iterator{node}, inserted};
}

bool contains(const Key& key) const {
    return tree_.find(key) != nullptr;
}

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 Compare = std::less<Key>>
class set {
    rb_tree<Key, std::monostate, Compare> tree_;
public:
    bool insert(Key key) { return tree_.insert(std::move(key), {}).second; }
    bool erase(const Key& key) { return tree_.erase(key); }
    bool contains(const Key& key) const { return tree_.contains(key); }
    std::size_t size() const noexcept { return tree_.size(); }
    bool valid() const { return tree_.valid(); }
    std::vector<Key> values() const {
        std::vector<Key> result;
        tree_.inorder([&](const Key& key, const auto&) { result.push_back(key); });
        return result;
    }
};

}  // 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 3、1、3、2 后 size 为 3，中序输出 1 2 3，第二次插入 3 返回 false。

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/emplace	O(log n)	唯一键
find/contains	O(log n)	树查找
erase(key)	O(log n)	删除至多一个
迭代	O(n)	升序

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. 用 operator== 而不是 Compare 判断等价

用 operator== 而不是 Compare 判断等价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. 允许通过迭代器修改键破坏顺序

允许通过迭代器修改键破坏顺序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. 误认为插入后所有迭代器失效

误认为插入后所有迭代器失效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

1. set 与排序 vector 的查找和修改如何取舍？
2. 比较器必须满足什么关系？
3. lower_bound 返回的语义是什么？

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

1. 实现 upper_bound/equal_range
2. 支持透明比较器
3. 比较 set 与 unordered_set 的命中延迟

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

• C++20 工作草案 N4861
• C++ Core Guidelines

---

上一篇：手写红黑树内核 ｜ 下一篇：手写 std::multiset