Golang实现set

背景

Golang语言本身未实现set，但是实现了map

golang的map是一种无序的键值对的集合，其中键是唯一的

而set是键的不重复的集合，因此可以用map来实现set

Empty

由于map是key-value集合，如果使用map来实现set，则不需要关注value的具体类型和值

struct{}是具有零个元素的struct，struct{}的大小为0，不占用空间，因此十分适合作为value使用

type Empty struct{}

Int64HashSet

Golang是静态强类型语言，对于int8、uint8、int64、uint64、 string基础数据类型的set，均需要实现类似的代码

定义

type Int8HashSet map[int8]Empty
type UintHashSet map[uint8]Empty 
type Int64HashSet map[int64]Empty 
type Uint64HashSet map[uint64]Empty 
type Int64HashSet map[string]Empty

以int64为例，实现set的基本操作

初始化

func NewInt64HashSet(cap ...int) Int64HashSet {
	var set Int64HashSet
	if len(cap) == 0 {
		set = make(Int64HashSet)
	} else {
		set = make(Int64HashSet, cap[0])
	}
	return set
}

插入

func (set Int64HashSet) Insert(items ...int64) {
	for _, item := range items {
		set[item] = Empty{}
	}
}

删除

func (set Int64HashSet) Delete(items ...int64) {
	for _, item := range items {
		delete(set, item)
	}
}

列表

func (set Int64HashSet) List() []int64 {
	list := make([]int64, 0, len(set))
	for item := range set {
		list = append(list, item)
	}
	return list
}

弊端

采用上面的方法实现，会充斥着大量重复代码，对于其它类型如int8，uint8，string等类型，需要单独实现，尽管逻辑基本一致。

在Go 1.18版本之前，我们可以使用反射来避免这个问题，

使用反射在运行时推断具体的类型，虽然有性能上的损耗，但是单次纳秒级别的操作，基本可以忽略不计。

HashSet

interface{}是没有方法的空接口，所有类型都实现了空接口

通过反射可以从interface获取对象的值和类型

定义

type HashSet map[interface{}]Empty

初始化

func NewHashSet(cap ...int) HashSet {
	var set HashSet
	if len(cap) == 0 {
		set = make(HashSet)
	} else {
		set = make(HashSet, cap[0])
	}
	return set
}

插入

func (set HashSet) Insert(items ...interface{}) {
	for _, item := range items {
		set[item] = Empty{}
	}
}

删除

func (set HashSet) Delete(items ...interface{}) {
	for _, item := range items {
		delete(set, item)
	}
}

列表

// 通过反射获取到具体的类型
// 可以将int64替换为其它类型，如uint8, string等
func (set HashSet) ListInt64() []int64 {
	list := make([]int64, 0, len(set))
	for item := range set {
		if val, ok := item.(int64); ok {
			list = append(list, val)
		}
	}
	return list
}

func (set HashSet) ListString() []string {
	list := make([]string, 0, len(set))
	for item := range set {
		if val, ok := item.(string); ok {
			list = append(list, val)
		}
	}
	return list
}

GenericHashSet

反射在编译时缺少类型检查，比如对于同一个set，先后插入int类型和string类型数据，在编译和运行阶段均不会报错。

hash := NewHashSet(8)
// 插入int类型
hash.Insert(111)
// 插入string类型
hash.Insert("string")

使用反射在一定程度上避免了大量的重复代码，但是将set转换为slice还是会存在重复的相似逻辑的代码

并且需要在运行时获取/判断对象的类型和值，存在一定的性能损耗

在Go 1.18版本提供了范型（Generics）的支持，

范型可以在编译期间进行类型检查和类型推断，相对于反射机制而言，性能有所提升

定义

type GenericHashSet[T comparable] map[T]Empty

初始化

func NewGenericHashSet[T comparable](cap ...int) *GenericHashSet[T] {
	var set GenericHashSet[T]
	if len(cap) == 0 {
		set = make(GenericHashSet[T])
	} else {
		set = make(GenericHashSet[T], cap[0])
	}
	return &set
}

插入

func (set *GenericHashSet[T]) Insert(items ...T) {
	for _, item := range items {
		(*set)[item] = Empty{}
	}
}

删除

func (set *GenericHashSet[T]) Delete(items ...T) {
	for _, item := range items {
		delete(*set, item)
	}
}

列表

func (set *GenericHashSet[T]) List() []T {
	list := make([]T, 0, len(*set))
	for item := range *set {
		list = append(list, item)
	}
	return list
}

性能对比

插入操作测试代码

func BenchmarkInt64HashSetInsert(b *testing.B) {
	intHashSet := NewInt64HashSet()
	rand.Seed(time.Now().UnixNano())
	for i := 0; i < b.N; i++ {
		intHashSet.Insert(rand.Int63())
	}
}

func BenchmarkGenericHashSetInsert(b *testing.B) {
	gHashSet := NewGenericHashSet[int64]()
	rand.Seed(time.Now().UnixNano())
	for i := 0; i < b.N; i++ {
		gHashSet.Insert(rand.Int63())
	}
}

func BenchmarkHashSetInsert(b *testing.B) {
	hashSet := NewHashSet()
	rand.Seed(time.Now().UnixNano())
	for i := 0; i < b.N; i++ {
		hashSet.Insert(rand.Int63())
	}
}

插入操作测试结果

zbwdeAir:set zbw$ go test -bench="BenchmarkInt64HashSetInsert|BenchmarkGenericHashSetInsert|BenchmarkHashSetInsert" -benchmem
goos: darwin
goarch: arm64
pkg: set/set
BenchmarkInt64HashSetInsert-8           10051916               119.2 ns/op            40 B/op          0 allocs/op
BenchmarkGenericHashSetInsert-8         13957741               123.7 ns/op            57 B/op          0 allocs/op
BenchmarkHashSetInsert-8                 6526810               188.9 ns/op            63 B/op          1 allocs/op
PASS
ok      set/set 4.897s

可以看出来，Int64HashSet性能最优，GenericHashSet次之，HashSet性能最差。

从实际使用角度看

对于Go < 1.18版本，使用HashSet即可。如果追求性能的极致，不介意大量重复代码，那还是使用Int64HashSet

对于单次操作的时间在ns级别，对于大部分业务场景，反射带来的性能损耗基本可以忽略，性能的瓶颈并不在这里。

对于Go >= 1.18版本，可以使用GenericHashSet