Java中對List去重 Stream去重的解決方法

更新時間：2018年04月12日 08:32:27 作者：Ryan.Miao

這篇文章主要介紹了Java中對List去重, Stream去重的問題解答，文中給大家介紹了Java中List集合去除重復(fù)數(shù)據(jù)的方法，需要的朋友可以參考下

問題

當(dāng)下互聯(lián)網(wǎng)技術(shù)成熟，越來越多的趨向去中心化、分布式、流計算，使得很多以前在數(shù)據(jù)庫側(cè)做的事情放到了Java端。今天有人問道，如果數(shù)據(jù)庫字段沒有索引，那么應(yīng)該如何根據(jù)該字段去重？大家都一致認(rèn)為用Java來做，但怎么做呢？

解答

忽然想起以前寫過list去重的文章，找出來一看。做法就是將list中對象的hashcode和equals方法重寫，然后丟到HashSet里，然后取出來。這是最初剛學(xué)Java的時候像被字典一樣背寫出來的答案。就比如面試，面過號稱做了3年Java的人，問Set和HashMap的區(qū)別可以背出來，問如何實現(xiàn)就不知道了。也就是說，初學(xué)者只背特性。但真正在項目中使用的時候你需要確保一下是不是真的這樣。因為背書沒用，只能相信結(jié)果。你需要知道HashSet如何幫我做到去重了。換個思路，不用HashSet可以去重嗎？最簡單，最直接的辦法不就是每次都拿著和歷史數(shù)據(jù)比較，都不相同則插入隊尾。而HashSet只是加速了這個過程而已。

首先，給出我們要排序的對象User

@Data
@Builder
@AllArgsConstructor
public class User {
 private Integer id;
 private String name;
}
List<User> users = Lists.newArrayList(
    new User(1, "a"),
    new User(1, "b"),
    new User(2, "b"),
    new User(1, "a"));

目標(biāo)是取出id不重復(fù)的user，為了防止扯皮，給個規(guī)則，只要任意取出id唯一的數(shù)據(jù)即可，不用拘泥id相同時算哪個。

用最直觀的辦法

這個辦法就是用一個空list存放遍歷后的數(shù)據(jù)。

@Test
public void dis1() {
  List<User> result = new LinkedList<>();
  for (User user : users) {
   boolean b = result.stream().anyMatch(u -> u.getId().equals(user.getId()));
   if (!b) {
    result.add(user);
   }
  }
  System.out.println(result);
}

用HashSet

背過特性的都知道HashSet可以去重，那么是如何去重的呢？再深入一點的背過根據(jù)hashcode和equals方法。那么如何根據(jù)這兩個做到的呢？沒有看過源碼的人是無法繼續(xù)的，面試也就到此結(jié)束了。

事實上，HashSet是由HashMap來實現(xiàn)的(沒有看過源碼的時候曾經(jīng)一直直觀的以為HashMap的key是HashSet來實現(xiàn)的，恰恰相反)。這里不展開敘述，只要看HashSet的構(gòu)造方法和add方法就能理解了。

public HashSet() {
  map = new HashMap<>();
}
/**
* 顯然，存在則返回false，不存在的返回true
*/
public boolean add(E e) {
  return map.put(e, PRESENT)==null;
}

那么，由此也可以看出HashSet的去重復(fù)就是根據(jù)HashMap實現(xiàn)的，而HashMap的實現(xiàn)又完全依賴于hashcode和equals方法。這下就徹底打通了，想用HashSet就必須看好自己的這兩個方法。

在本題目中，要根據(jù)id去重，那么，我們的比較依據(jù)就是id了。修改如下：

@Override
public boolean equals(Object o) {
  if (this == o) {
   return true;
  }
  if (o == null || getClass() != o.getClass()) {
   return false;
  }
  User user = (User) o;
  return Objects.equals(id, user.id);
}
@Override
public int hashCode() {
  return Objects.hash(id);
}
//hashcode
result = 31 * result + (element == null ? 0 : element.hashCode());

其中， Objects調(diào)用Arrays的hashcode，內(nèi)容如上述所示。乘以31等于x<<5-x。

最終實現(xiàn)如下：

@Test
public void dis2() {
  Set<User> result = new HashSet<>(users);
  System.out.println(result);
}

使用Java的Stream去重

回到最初的問題，之所以提這個問題是因為想要將數(shù)據(jù)庫側(cè)去重拿到Java端，那么數(shù)據(jù)量可能比較大，比如10w條。對于大數(shù)據(jù)，采用Stream相關(guān)函數(shù)是最簡單的了。正好Stream也提供了distinct函數(shù)。那么應(yīng)該怎么用呢？

users.parallelStream().distinct().forEach(System.out::println);

沒看到用lambda當(dāng)作參數(shù)，也就是沒有提供自定義條件。幸好Javadoc標(biāo)注了去重標(biāo)準(zhǔn)：

Returns a stream consisting of the distinct elements
(according to {@link Object#equals(Object)}) of this stream.

我們知道，也必須背過這樣一個準(zhǔn)則：equals返回true的時候，hashcode的返回值必須相同. 這個在背的時候略微有些邏輯混亂，但只要了解了HashMap的實現(xiàn)方式就不會覺得拗口了。HashMap先根據(jù)hashcode方法定位，再比較equals方法。

所以，要使用distinct來實現(xiàn)去重，必須重寫hashcode和equals方法，除非你使用默認(rèn)的。

那么，究竟為啥要這么做？點進去看一眼實現(xiàn)。

<P_IN> Node<T> reduce(PipelineHelper<T> helper, Spliterator<P_IN> spliterator) {
  // If the stream is SORTED then it should also be ORDERED so the following will also
  // preserve the sort order
  TerminalOp<T, LinkedHashSet<T>> reduceOp
      = ReduceOps.<T, LinkedHashSet<T>>makeRef(LinkedHashSet::new, LinkedHashSet::add,                           LinkedHashSet::addAll);
  return Nodes.node(reduceOp.evaluateParallel(helper, spliterator));
}

內(nèi)部是用reduce實現(xiàn)的啊，想到reduce，瞬間想到一種自己實現(xiàn)distinctBykey的方法。我只要用reduce，計算部分就是把Stream的元素拿出來和我自己內(nèi)置的一個HashMap比較，有則跳過，沒有則放進去。其實，思路還是最開始的那個最直白的方法。

@Test
public void dis3() {
  users.parallelStream().filter(distinctByKey(User::getId))
    .forEach(System.out::println);
}
public static <T> Predicate<T> distinctByKey(Function<? super T, ?> keyExtractor) {
  Set<Object> seen = ConcurrentHashMap.newKeySet();
  return t -> seen.add(keyExtractor.apply(t));
}

當(dāng)然，如果是并行stream，則取出來的不一定是第一個，而是隨機的。

上述方法是至今發(fā)現(xiàn)最好的，無侵入性的。但如果非要用distinct。只能像HashSet那個方法一樣重寫hashcode和equals。

小結(jié)

會不會用這些東西，你只能去自己練習(xí)過，不然到了真正要用的時候很難一下子就拿出來，不然就冒險用。而若真的想大膽使用，了解規(guī)則和實現(xiàn)原理也是必須的。比如，LinkedHashSet和HashSet的實現(xiàn)有何不同。

附上賊簡單的LinkedHashSet源碼：

public class LinkedHashSet<E>
  extends HashSet<E>
  implements Set<E>, Cloneable, java.io.Serializable {
  private static final long serialVersionUID = -2851667679971038690L;
  public LinkedHashSet(int initialCapacity, float loadFactor) {
    super(initialCapacity, loadFactor, true);
  }
  public LinkedHashSet(int initialCapacity) {
    super(initialCapacity, .75f, true);
  }
  public LinkedHashSet() {
    super(16, .75f, true);
  }
  public LinkedHashSet(Collection<? extends E> c) {
    super(Math.max(2*c.size(), 11), .75f, true);
    addAll(c);
  }
  @Override
  public Spliterator<E> spliterator() {
    return Spliterators.spliterator(this, Spliterator.DISTINCT | Spliterator.ORDERED);
  }
}

補充：

Java中List集合去除重復(fù)數(shù)據(jù)的方法

1. 循環(huán)list中的所有元素然后刪除重復(fù)

public  static  List removeDuplicate(List list) {    
 for ( int i =  0 ; i < list.size() -  1 ; i ++ ) {    
   for ( int j = list.size() -  1 ; j > i; j -- ) {    
      if (list.get(j).equals(list.get(i))) {    
       list.remove(j);    
      }    
    }    
   }    
  return list;    
}

2. 通過HashSet踢除重復(fù)元素

public static List removeDuplicate(List list) {  
HashSet h = new HashSet(list);  
list.clear();  
list.addAll(h);  
return list;  
}

3. 刪除ArrayList中重復(fù)元素，保持順序

// 刪除ArrayList中重復(fù)元素，保持順序   
 public static void removeDuplicateWithOrder(List list) {  
  Set set = new HashSet();  
   List newList = new ArrayList();  
  for (Iterator iter = list.iterator(); iter.hasNext();) {  
     Object element = iter.next();  
     if (set.add(element))  
      newList.add(element);  
   }   
   list.clear();  
   list.addAll(newList);  
  System.out.println( " remove duplicate " + list);  
 }

4.把list里的對象遍歷一遍，用list.contain()，如果不存在就放入到另外一個list集合中

public static List removeDuplicate(List list){ 
    List listTemp = new ArrayList(); 
    for(int i=0;i<list.size();i++){ 
      if(!listTemp.contains(list.get(i))){ 
        listTemp.add(list.get(i)); 
      } 
    } 
    return listTemp; 
  }

您可能感興趣的文章: