当前位置:

首页 > 编程开发 > 如何利用 Stream.distinct() 去除集合流中的重复元素

如何利用 Stream.distinct() 去除集合流中的重复元素

如何利用 Stream.distinct() 去除集合流中的重复元素 Stream.distinct() 依赖对象的 equals() 和 hashCode() 这里有个关键点需要先搞清楚:distinct() 并不是对对象进行深度的值比较。它的底层逻辑,其实是调用每个元素的 equals() 和

本文目录

    如何利用 Stream.distinct() 去除集合流中的重复元素

    如何利用 Stream.distinct() 去除集合流中的重复元素

    Stream.distinct() 依赖对象的 equals() 和 hashCode()

    这里有个关键点需要先搞清楚:distinct() 并不是对对象进行深度的值比较。它的底层逻辑,其实是调用每个元素的 equals() 和 hashCode() 方法来判断是否重复。这意味着,如果你传入的是自定义对象(比如一个 User 类),但没有重写这两个方法,那么即使两个对象的字段内容完全一样,也会被当作不同的元素保留下来。

    • 对于 String、Integer 这类 JDK 内置类型,它们已经默认实现了正确的逻辑,可以直接使用。
    • 对于自定义类,就必须手动重写 equals() 和 hashCode(),而且两者的逻辑必须保持一致。
    • 如果只重写了 equals() 却忘了 hashCode(),distinct() 的行为可能会失效,或者变得不稳定,这可是个经典的坑。

    distinct() 是有状态操作,不能并行流里随意替换顺序

    distinct() 在内部使用了一个 LinkedHashSet 来缓存已经遇到过的元素。这个机制带来了两个特点:一是它会保留第一次出现的元素,二是它会尽力维持原始的顺序。然而,一旦进入并行流的世界,情况就变了。所谓的“第一次出现”,完全取决于线程的调度顺序,最终结果的一致性也就无法保证了。

    • 串行流:Stream.of("a", "b", "a").distinct().toList() 的结果总是确定的 ["a", "b"]。
    • 并行流:Stream.of("a", "b", "a").parallel().distinct().toList() 的结果就不确定了,可能是 ["a", "b"],也可能是 ["b", "a"]。
    • 如果业务场景要求并行处理、去重并且还要保持稳定顺序,通常的解决方案是先调用 sorted() 排序,或者干脆不使用 distinct(),转而采用 Collectors.toCollection(LinkedHashSet::new) 这类收集器。

    distinct() 不适用于按某个字段去重的场景

    这是另一个常见的误解。假设你有一个 List,想根据 userId 字段来去重,distinct() 是做不到的——它只能判断整个对象是否相等,无法让你指定按哪个字段去重。

    • 错误写法:users.stream().distinct()。这依赖的是整个 User 对象的 equals() 方法,往往不是业务真正需要的语义。
    • 正确思路:通常需要借助 Collectors.toMap() 或 Collectors.collectingAndThen(),配合 TreeSet 或 LinkedHashMap 来实现。
    • 常用替代方案:users.stream().collect(Collectors.toMap(User::getId, u -> u, (a, b) -> a)).values()。这个写法清晰表达了“以 id 为键,保留第一个遇到的元素”的意图。

    性能和内存开销比想象中大

    别小看 distinct() 的开销。因为它需要缓存所有已经遍历过的元素,在最坏的情况下(所有元素都不重复),其内存占用会与输入流的长度成正比。同时,每次遇到新元素都要去哈希表里查询一次,也有计算成本。

    • 面对大数据量(比如百万级别)时,这个缓存集合很容易引发内存溢出(OOM),或者显著拖慢整个处理流程的速度。
    • 如果去重只是为了统计数量,使用 stream.distinct().count() 不如 stream.collect(Collectors.toSet()).size() 来得清晰,而且后者对中间集合的生命周期有更明确的控制。
    • 如果上游数据已经是排序好的,其实可以手动编写逻辑来跳过相邻的重复项(类似于归并排序中的去重思路),从而完全避免额外的集合开销。

    话说回来,在实际使用中,不能只满足于“代码能跑通”。重点要审视几个方面:对象是如何定义的、数据规模有多大、是否需要保留顺序、业务上是否真的需要整个对象级别的判重。这几个问题如果没理清楚,distinct() 很容易就会变成一个隐蔽的问题来源。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    c#如何使用FileStream_c#FileStream看这一篇就够了_保姆级教程
    c#如何使用FileStream_c#FileStream看这一篇就够了_保姆级教程

    FileStream适用于大文件、多进程共享及精确控制读写位置等场景,其构造函数需合理选择FileMode、FileAccess和FileShare参数。使用using确保及时释放句柄,避免文件占用。读写字符串时必须统一编码,否则会产生乱码。

    c++如何读取内存中的压缩数据流_z_stream用法【深度】
    c++如何读取内存中的压缩数据流_z_stream用法【深度】

    使用z_stream解压内存数据需手动管理缓冲区与状态:先清零结构体,正确设置窗口位宽参数,然后循环调用inflate()函数直至返回Z_STREAM_END,期间动态扩容输出缓冲区,最后调用inflateEnd()清理,否则容易导致崩溃或数据不完整。

    如何使用 ObjectOutputStream 序列化具有继承关系的复杂业务实体对象
    如何使用 ObjectOutputStream 序列化具有继承关系的复杂业务实体对象

    父类必须实现Serializable,否则子类序列化时抛出NotSerializableException异常;所有继承链上的类都应显式声明serialVersionUID,并遵循兼容性规则进行更新;transient和static字段在继承层次中同样影响序列化行为;构造函数在序列化过程中不会被调用,因此父类无参构造函数非必需。

    C++实现字符串中单词的顺序翻转 _ 结合stringstream与reverse技巧【详解】
    C++实现字符串中单词的顺序翻转 _ 结合stringstream与reverse技巧【详解】

    使用std::stringstream按空格拆分单词存入vector,再通过std::reverse整体反转单词顺序,最后手动拼接并添加空格,注意避免首尾多余空格。该方法仅适用于ASCII字符串,不支持UTF-8等多字节字符,否则会因字节误分割导致乱码。

    怎么利用 Stream.builder() 手动构建一个包含特定业务对象的流
    怎么利用 Stream.builder() 手动构建一个包含特定业务对象的流

    Stream.builder()适用于小批量确定值元素场景,需要先获取builder实例,通过add()逐个添加元素后调用build()生成流,泛型类型需显式指定。不适用于大批量填充,不建议转为并行流,但构建出的流支持limit、findFirst等常用短路操作。

    怎么利用 Stream.anyMatch() 检查流中是否有满足条件的项
    怎么利用 Stream.anyMatch() 检查流中是否有满足条件的项

    anyMatch()是JavaStream的短路终端操作,当流中任意元素满足谓词时立即返回true,若流为空则返回false。请注意:不能与findFirst()或filter()链式调用,因为流被终端操作关闭后无法再次使用,会抛出异常。谓词内需防范null元素,应使用Objects.nonNull()判空以避免空指针异常。

    如何利用 Stream.of() 快速构建一个简单的对象流
    如何利用 Stream.of() 快速构建一个简单的对象流

    Stream.of()适用于快速将多个明确对象转为流,避免集合中转。传数组会被视为单个元素,应改用Arrays.stream()或直接列元素。对null值应使用Stream.ofNullable()或手动判空。自定义对象流需注意覆盖基础方法,且流不可重复消费。

    如何利用 Stream 的 parallelStream 配合自定义 ForkJoinPool 规避并行流对主线程池的阻塞
    如何利用 Stream 的 parallelStream 配合自定义 ForkJoinPool 规避并行流对主线程池的阻塞

    parallelStream默认使用全局共享的ForkJoinPool.commonPool,子任务阻塞会拖慢所有并行流。正确做法是创建自定义ForkJoinPool,将整个并行流作为任务提交执行。对I/O密集型任务,建议将阻塞操作包装进CompletableFuture,使用专用线程池分离职责。线程池并行度需根据任务类型合理设置,避免简单设为CPU核数。

    Files.lines() 惰性读取:分析在处理 GB 级超大文本文件变量时利用 Stream 流规避内存溢出的策略
    Files.lines() 惰性读取:分析在处理 GB 级超大文本文件变量时利用 Stream 流规避内存溢出的策略

    Files.lines()看似惰性,但sorted()或collect()会全量加载导致OOM。安全用法:逐行forEach避免全量操作,用try-with-resources显式关闭并指定UTF-8编码,可结合缓冲批处理提升吞吐。

    怎么通过 Stream.findAny() 在多核处理器上利用并行流优势快速碰撞出第一个匹配项
    怎么通过 Stream.findAny() 在多核处理器上利用并行流优势快速碰撞出第一个匹配项

    并行流findAny()利用多核并行与短路机制,任一线程找到结果立即终止,无需维护顺序,基于ForkJoinPool实现高效负载均衡。特别适用于数据量大且不关心顺序的场景,需通过parallelStream()启动才能触发并行处理,可显著提升性能。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。