Set 在检查值时实际上如何在内部工作？
How does Set actually work internal when checking for values?
这是一个基于计算机科学的非常普遍的问题，但根据有关它们如何工作的文献，这个问题似乎并不直观。这是一个与语言无关的问题，但与 Set 数据类型在内部的工作方式有关。
我用过很多次了，推荐使用来存储唯一值，快速访问。据推测，在 Big-O 表示法中，每次访问 Set 时其时间和复杂度为 O(1)。如果 Set 可能包含数千个项目，那怎么可能呢？即使项目是唯一的。
为了在 Set 中找到一个项目，它仍然必须扫描每个唯一的项目，这在 Big-O 中在时间和复杂度上都是 O(n)。我在这里遗漏了什么吗？
在此先感谢您的帮助！最彻底的答案获得赞成票！
A Set 是一种更普遍的对象，统称为 HashedCollections。它们使用某种 HashTable 来实际存储和检索它们的元素。
给定任何 element，这些 table 计算一个整数值，命名为 hash。有几种众所周知的技术可以定义元素与其 hash 值之间的映射。有些是 固有的 ，因为 hash 不依赖于 element 的属性，后者可能会改变，因此 hash在 element 的生命周期中保持不变。其他的是 外部的 ，因为它们可能取决于属性。但是，在后一种情况下，假定特定元素在从 HashedCollection 引用时不会被修改（否则 HashedCollection 必须是 rehashed）。
存储element的过程如下：
hash 是为 element 计算的。- table 的
index 计算为 hash 对 table 的 length 取模的余数。
- 如果计算出的
index 处的插槽已被占用，则应用某些策略来解决 碰撞。
第 1 步应该非常快（例如，hash 没有 cryptographic 强度）。
步骤 2 假设（在大多数情况下）table 的长度是一个 prime 数（也使用 2 的幂)
步骤 3 基本上可以通过两种不同的方式解决：
- table 被顺序扫描
j 次，直到 index + j 的插槽空闲，或者
- 该元素被添加到在给定
index (bucket) 碰撞的元素集合中
此外，如果没有足够的空槽（这增加了碰撞的可能性），table被放大并且rehashed（因为modulo改变了）。
如果有足够的空闲插槽和相当随机的索引机制分布，在 O(1) 中找到所需插槽的概率非常高。当然，如果有太多元素发生碰撞，平均复杂度就不再是 O(1)，但这应该可以通过不断增长的策略 (+ rehash).
来缓解
检索类似。要检查 element 是否属于集合，计算其 hash 和 modulo 并将 element 与目标槽的内容进行比较。如果比较失败，则搜索在桶中线性进行。
当没有 bucket 而增加了 indexes 时，删除元素会有些困难，但你明白了。
如果您真的想在工作中看到所有这些，请继续在任何 Smalltalk 方言中调试 HashedCollections 的基本操作。保证有很多乐趣。
这是一个基于计算机科学的非常普遍的问题，但根据有关它们如何工作的文献，这个问题似乎并不直观。这是一个与语言无关的问题，但与 Set 数据类型在内部的工作方式有关。
我用过很多次了，推荐使用来存储唯一值，快速访问。据推测，在 Big-O 表示法中，每次访问 Set 时其时间和复杂度为 O(1)。如果 Set 可能包含数千个项目，那怎么可能呢？即使项目是唯一的。
为了在 Set 中找到一个项目，它仍然必须扫描每个唯一的项目，这在 Big-O 中在时间和复杂度上都是 O(n)。我在这里遗漏了什么吗？
在此先感谢您的帮助！最彻底的答案获得赞成票！
A Set 是一种更普遍的对象，统称为 HashedCollections。它们使用某种 HashTable 来实际存储和检索它们的元素。
给定任何 element，这些 table 计算一个整数值，命名为 hash。有几种众所周知的技术可以定义元素与其 hash 值之间的映射。有些是 固有的 ，因为 hash 不依赖于 element 的属性，后者可能会改变，因此 hash在 element 的生命周期中保持不变。其他的是 外部的 ，因为它们可能取决于属性。但是，在后一种情况下，假定特定元素在从 HashedCollection 引用时不会被修改（否则 HashedCollection 必须是 rehashed）。
存储element的过程如下：
hash是为element计算的。- table 的
index计算为hash对 table 的length取模的余数。 - 如果计算出的
index处的插槽已被占用，则应用某些策略来解决 碰撞。
第 1 步应该非常快（例如，hash 没有 cryptographic 强度）。
步骤 2 假设（在大多数情况下）table 的长度是一个 prime 数（也使用 2 的幂)
步骤 3 基本上可以通过两种不同的方式解决：
- table 被顺序扫描
j次，直到index + j的插槽空闲，或者 - 该元素被添加到在给定
index(bucket) 碰撞的元素集合中
此外，如果没有足够的空槽（这增加了碰撞的可能性），table被放大并且rehashed（因为modulo改变了）。
如果有足够的空闲插槽和相当随机的索引机制分布，在 O(1) 中找到所需插槽的概率非常高。当然，如果有太多元素发生碰撞，平均复杂度就不再是 O(1)，但这应该可以通过不断增长的策略 (+ rehash).
检索类似。要检查 element 是否属于集合，计算其 hash 和 modulo 并将 element 与目标槽的内容进行比较。如果比较失败，则搜索在桶中线性进行。
当没有 bucket 而增加了 indexes 时，删除元素会有些困难，但你明白了。
如果您真的想在工作中看到所有这些，请继续在任何 Smalltalk 方言中调试 HashedCollections 的基本操作。保证有很多乐趣。