Java中對List去重, Stream去重

標籤：end   不用   結束   www   學java   分布式   result   dma   comment   

每天學習一點點 編程PDF電子書、視頻教程免費下載：
http://www.shitanlife.com/code

 

 

問題

當下互連網技術成熟，越來越多的趨向去中心化、分布式、StreamCompute，使得很多以前在資料庫側做的事情放到了Java端。今天有人問道，如果資料庫欄位沒有索引，那麼應該如何根據該欄位去重？大家都一致認為用Java來做，但怎麼做呢？

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，然後丟到HashSet裡，然後取出來。這是最初剛學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的區別可以背出來，問如何?就不知道了。也就是說，初學者只背特性。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曆史資料比較，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@AllArgsConstructorpublic 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"));

目標是取出id不重複的user，為了防止扯皮，給個規則，只要任意取出id唯一的資料即可，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存放遍曆後的資料。

@Testpublic 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，那麼是如何去重的呢？ 再深入一點的背過根據hashcode和equals方法。那麼如何根據這兩個做到的呢？沒有看過源碼的人是無法繼續的，面試也就到此結束了。

事實上，HashSet是由HashMap來實現的(沒有看過源碼的時候曾經一直直觀的以為HashMap的key是HashSet來實現的，恰恰相反)。這裡不展開敘述，只要看HashSet的構造方法和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;}

那麼，由此也可以看出HashSet的去重複就是根據HashMap實現的，而HashMap的實現又完全依賴於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id去重，那麼，我們的比較依據就是id了。修改如下：

@Overridepublic 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);}@Overridepublic int hashCode() {    return Objects.hash(id);}//hashcoderesult = 31 * result + (element == null ? 0 : element.hashCode());

其中， Objects調用Arrays的hashcode，內容如上述所示。乘以31等於x<<5-x。

最終實現如下：

@Testpublic 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資料庫側去重拿到Java端，那麼資料量可能比較大，比如10w條。對於大資料，採用Stream相關函數是最簡單的了。正好Stream也提供了distinct函數。那麼應該怎麼用呢？

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

沒看到用lambda當作參數，也就是沒有提供自訂條件。幸好Javadoc標註了去重標準：

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則：equals返回true的時候，hashcode的傳回值必須相同. 這個在背的時候略微有些邏輯混亂，但只要瞭解了HashMap的實現方式就不會覺得拗口了。HashMap先根據hashcode方法定位，再比較equals方法。

所以，要使用distinct來實現去重，必須重寫hashcode和equals方法，除非你使用預設的。

那麼，究竟為啥要這麼做？點進去看一眼實現。

<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));}

內部是用reduce實現的啊，想到reduce，瞬間想到一種自己實現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建的一個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。

@Testpublic 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));}

當然，如果是並行stream，則取出來的不一定是第一個，而是隨機的。

上述方法是至今發現最好的，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

會不會用這些東西，你只能去自己練習過，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，瞭解規則和實現原理也是必須的。比如，LinkedHashSet和HashSet的實現有何不同。

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);    }}

 

每天學習一點點 編程PDF電子書、視頻教程免費下載：
http://www.shitanlife.com/code 

Java中對List去重, Stream去重