主要观点：性能工程中数据结构选择关键，以 Python 的 set 实现为例，讨论其数据模型及关键 API 实现，包括插入、查找、删除、弹出等操作，还涉及哈希表相关内容如哈希函数、碰撞处理技术（链式法和开放寻址法），并比较了两种技术的性能特点，同时介绍了 Python set 的内存布局、初始化过程及线程安全性等。
关键信息：

• Python 的 set 用哈希表实现，平均情况常量时间查找，表满时性能可能下降。
• 哈希函数需快速、均匀分布、最小相关，不讨论其实现细节但提及相关书籍。
• 处理哈希表碰撞有链式法和开放寻址法，Python 的 set 采用线性探测（或线性探测与随机探测结合）。
• Python set 的内存布局包含对象头、填充计数、使用计数、掩码、表指针等字段。
• 插入新对象时先计算哈希，字符串有缓存哈希值优化，插入通过set_add_entry函数实现。
• 移除对象先计算哈希，查找并标记为墓碑，查找过程与插入类似。
• contains API 计算哈希并在哈希表中查找对象。
• pop API 通过 finger 字段决定删除的元素，删除后更新 finger 值。
• 之前 Python 的 set 因 GIL 线程安全不是问题，现在多线程 build 已使其线程安全，但不是真正并发，整个对象加锁可能导致竞争和饥饿。
  重要细节：
• 掩码用于将哈希值映射到表大小范围，表大小为 2 的幂时用位与操作更高效。
• 线性探测在表满时插入变慢，链式法插入快但额外内存开销大，查找慢。
• 随机探测通过随机函数改变索引避免键聚类。
• 不同 API 实现细节如计算哈希、查找和删除等过程的具体代码和逻辑。