std::unordered_map 是如何实现的

Question

c ++ unordered_map 碰撞处理，调整大小和重新散列

这是我之前提出的一个问题，我已经看到我对 unordered_map 的实现方式有很多困惑。 我相信很多其他人跟我一样有这种困惑。 根据我在没有阅读标准的情况下所知道的信息：

每个 unordered_map 实现都将一个链表存储到桶数组中的外部节点......不，这根本不是实现最常见用途的哈希映射的最有效方法。 不幸的是， unordered_map 规范中的一个小“疏忽”几乎需要这种行为。 所需的行为是元素的迭代器在插入或删除其他元素时必须保持有效

我希望有人可以解释实现以及它如何符合 C++ 标准定义（在性能要求方面），如果它真的不是实现哈希映射数据结构的最有效方法，如何改进它？

Answer 1

该标准有效地要求std::unordered_set和std::unordered_map - 以及它们的“多”兄弟 - 使用 开放散列又名单独链接，这意味着一个桶数组，每个桶都持有链表的头部†。 这个要求很微妙：它是以下结果的结果：

• 默认的max_load_factor()为 1.0（这意味着只要size()超过bucket_count() 1.0 倍，表就会调整size() ，并且
• 保证除非超过该负载因子，否则表不会被重新散列。

如果没有链接，这将是不切实际的，因为与哈希表实现的其他主要类别（封闭哈希，即开放寻址load_factor()的load_factor()变得势不可挡，因为load_factor() ]( https://en.cppreference.com/w/cpp/container /unordered_map/load_factor ) 接近 1。

参考：

23.2.5/15：如果(N+n) < z * B ，则insert和emplace成员不应影响迭代器的有效性，其中N是插入操作之前容器中元素的数量， n是插入的元素， B是容器的桶数， z是容器的最大负载因子。

在 23.5.4.2/1 的构造函数的效果中： max_load_factor()返回1.0 。

† 为了在不传递任何空桶的情况下允许最佳迭代，GCC 的实现将带有迭代器的桶填充到一个包含所有值的单链表中：迭代器指向该桶元素之前的元素，因此next指针可以是如果擦除存储桶的最后一个值，则重新连接。

关于你引用的文字：

不，这根本不是为大多数常见用途实现哈希映射的最有效方法。 不幸的是， unordered_map 规范中的一个小“疏忽”几乎需要这种行为。 所需的行为是元素的迭代器在插入或删除其他元素时必须保持有效

没有“监督”......所做的事情是非常深思熟虑的，并且是在充分意识到的情况下完成的。 的确，其他的妥协可能已经被击中，但开放散列/链接方法对于一般用途来说是一个合理的妥协，它可以合理优雅地处理来自平庸散列函数的冲突，对于小的或大的键/值类型不会太浪费，并处理任意多的insert / erase对，而不会像许多封闭散列实现那样逐渐降低性能。

作为意识的证据，来自Matthew Austern 的提议：

我不知道在通用框架中任何令人满意的开放寻址实现。 开放寻址存在许多问题：

• 有必要区分空缺职位和被占用职位。

• 要么将哈希表限制为具有默认构造函数的类型，并提前构造每个数组元素，要么维护一个数组，其中一些元素是对象，而另一些元素是原始内存。

• 开放寻址使冲突管理变得困难：如果您要插入一个哈希码映射到已占用位置的元素，您需要一个策略来告诉您下一步尝试的位置。 这是一个已解决的问题，但最著名的解决方案是复杂的。

• 当允许擦除元素时，冲突管理尤其复杂。 （有关讨论，请参阅 Knuth。）标准库的容器类应该允许擦除。

• 开放寻址的冲突管理方案倾向于假设一个固定大小的数组，最多可容纳 N 个元素。 标准库的容器类应该能够在插入新元素时根据需要增长，直至达到可用内存的限制。

解决这些问题可能是一个有趣的研究项目，但是，在缺乏 C++ 上下文中的实现经验的情况下，将开放寻址容器类标准化是不合适的。

特别是对于数据小到可以直接存储在桶中的仅插入表、未使用桶的方便标记值和良好的散列函数，封闭散列方法可能大约快一个数量级并使用更少的内存，但是这不是通用目的。

对哈希表设计选项及其含义的完整比较和阐述对于 SO 来说是题外话，因为它太宽泛而无法在此处正确解决。