HashSet：Set接口的实现

在Ja va集合框架中，实现Collection接口的Set，最常用的是它的一个具体类——HashSet。Set接口的设计理念很纯粹：用来存放无序且不重复的元素，这跟数学课本里的集合概念是一回事——不允许重复成员。具体实现上，有HashSet、LinkedHashSet和TreeSet三位主力，其中HashSet基于哈希表实现，存取效率最高，应用也最广泛。下面就来好好拆解一下HashSet的特点和用法。

HashSet作为Set的常用实现，核心特点就是不保证元素的存储顺序，并且绝对不允许重复元素——如果集合里已经存在某个元素，再想加入一个一模一样的对象是不被允许的，这就确保了集合中每个元素都是独一无二的。

先来看一个实际例子，直观感受一下HashSet怎么用。

示例代码创建了一个HashSet实例来存字符串。通过add方法往里添加几个字符串元素后，用Iterator迭代器挨个遍历，把集合里的每个字符串读一遍。整个过程很清晰。

运行程序后，控制台显示的效果如下。

从输出结果可以看到，添加进去的顺序和遍历出来的顺序完全不同——这正是HashSet无序性的体现。可能有同学会好奇：之前学的数组、ArrayList，都是按插入顺序往里排的，怎么到了HashSet这儿就不按套路出牌了？

HashSet存元素时，靠的是对象的哈希码来确定位置。每个对象调用自己的hashCode方法得到一个哈希值，再经过固定算法算出在散列表里的索引。系统先看目标位置有没有人占着：如果没人，直接存进去；如果已经有元素了，那就拿新对象跟这个位置上所有已有的对象逐一比一比——通过equals方法来判断。比下来发现集合里已经有完全一样的对象，那就不重复添加了，直接引用原来那个；如果找不到一样的，就把新对象插进去。这套机制既保证了唯一性，又提高了查找和存取的效率——这才是HashSet高效的核心原理。

HashSet的底层采用数组加链表的结构，数组的每个位置都对应一个链表，这种结构叫做散列表。图中左侧是存储主体的数组，每个元素存放的是链表的头节点。添加元素时，系统先调hashCode拿到哈希值，然后根据值确定在数组中的位置。如果多个元素算出来的哈希值相同，就会发生哈希冲突，这时候HashSet把这些元素串成一个链表，链表的首地址存入对应数组索引位置——这样就能高效地存储和查找。

前面的例子存的是字符串这种现成的类，那要是换成自定义的对象呢？该怎么操作？

来看一个用HashSet存自定义对象的例子。

因为Set集合不允许重复元素，所以自定义类必须明确告诉集合“怎么样就算重复了”。示例代码通过重写hashCode()和equals()方法来定义两个RemoveDuplicateObj对象是否相同。这两个方法联手决定了对象的唯一性，确保集合能正确去重。

equals()方法负责判断两个对象是否“相等”。在自定义类里，你需要根据具体属性来重写这个方法。比如RemoveDuplicateObj类，它通过比较name属性来判断——如果两个对象的name相同，就认为是同一个对象，这样就能满足业务上的去重需求。

在散列存储体系里，hashCode()方法主要用来定位存储位置。即便两个对象的hashCode值相同，也不代表它们是同一个对象——只是说它们被映射到了同一个桶（链表）里。对于初学者，可以粗略地理解成hashCode()返回的是对象的某种“地址标识”（虽然它并不是真正的物理内存地址，而是根据对象信息算出来的特征值）。当往集合里加新元素时，系统先调hashCode快速找到它该去的桶位置，然后在这个桶里做比较，这样插入和查找的效率就高多了——这才是哈希表高性能的关键所在。

总而言之，Set的实现类靠哈希值确定存储位置，查找时只需在对应桶里做少量比较就能定位。因为底层是哈希机制，Set接口在添加、获取、删除元素时，效率都非常可观。