我需要在数据结构中存储2到1,500万个帐户（长度为String），以便查找和检查唯一性。最初我计划将它们存储在HashSet中，但我怀疑由于哈希冲突导致查找的速度会很慢，并且最终会比TreeMap慢（使用二进制搜索）。
不需要对数据进行排序。我正在使用Java 7.我有64G系统，48G专用于此应用程序。
此问题与HashSet and TreeSet performance test不重复，因为该问题与向Set 添加元素的效果有关，此问题与的效果有关检查现有Set是否有重复值。
答案 0 :(得分：12)
如果您的200万到1500万条记录中有48 GB的专用内存，那么最好的选择可能是使用HashMap<Key, Record>，其中您的密钥为Integer或{{1}根据您的要求。
只要您为String提供足够的内存并具有适当的加载因子，就可以完成哈希冲突。
我建议使用以下构造函数：Map（比预期的记录数多30％ - 这些记录将new HashMap<>(13_000_000);的实现自动扩展到HashMap个单元格）。
告诉您的应用程序，此2^24将从一开始就非常大，因此在填充时不需要自动增长。
Map对其成员使用HashMap访问时间，而O(1)使用TreeMap查询时间，但内存效率更高，并且不会＃＆＃ 39;需要一个聪明的散列函数。但是，如果您使用O(log n)或String键，则无需担心设计散列函数，并且常量时间查找将是一项巨大的改进。此外，Integer / TreeMap的另一个优势是排序顺序，您声明自己并不关心;使用TreeSet。
如果列表的唯一目的是检查唯一帐号，那么我上面说的所有内容仍然是正确的，但正如您在问题中所述，您应该使用HashMap，而不是HashSet<String>。性能建议和构造函数参数仍然适用。
答案 1 :(得分：2)
当我们尝试使用适当的初始化参数在HashMap中存储5000万条记录时，插入开始减速，特别是在3500万条记录之后。更改为TreeMap提供了持续的插入和检索性能。
观察：对于大型输入集，TreeMap将提供比HashMap更好的性能。对于较小的集合，HashMap当然会提供更好的性能。