Question

在将流的元素收集到集合中时，在流上指定.distinct()是否有任何优势（或缺点）？例如：

return items.stream().map(...).distinct().collect(toSet());

鉴于该集合已经删除重复项，这似乎是多余的，但它是否提供任何性能优势或劣势？答案取决于流是并行/顺序还是有序/无序？

Answer 1

根据javadoc，distinct是一个有状态的中间操作。

如果您确实.distinct紧跟.collect，那么它并没有真正增加任何好处。也许如果.distinct实施比Set重复检查更有效，那么您可能会获得一些好处，但是如果您正在收集到一套，那么您将最终获得同样的结果。

另一方面，如果在.distinct操作之前发生.map，并且该特定映射是一项昂贵的操作，那么您可能会获得一些收益，因为您整体处理的数据较少

Answer 2

虽然你得到了相同的结果，但他们不会做同样的事情：toSet()使用HashSet，你就失去了初始排序，如果需要，可以保留不同的内容：

来自javadoc：

保持并行管道中distinct（）的稳定性是相对昂贵（要求操作充分屏障，具有大量缓冲开销），并且通常是稳定的不需要。使用无序流源（例如生成（供应商））或删除订购约束 BaseStream.unordered（）可能会显着提高效率并行管道中执行distinct（），如果是语义你的情况许可。如果与遭遇顺序的一致性是需要，并且您遇到性能或内存不佳并行管道中使用distinct（），切换到使用BaseStream.sequential（）的顺序执行可能会改进性能

如果您需要稳定性，则为distinct()。之后使用toSet()将毫无用处（如果API不需要）。

如果你有equals实现部分相等，那么这很有用：

class F {
  int a;
  int b;
  @Override int hashCode() {return Objects.hashCode(a);}
  @Override boolean equals(Object other) {
    if (other == this) return true;
    if (!(other instanceof F)) return false;
    return a == ((F)other).a;
  }
}

如果您有a = F(10, 1)和b = F(10, 2)则等于。但并非所有领域都是平等的。

如果在列表中您有(b, a)

使用toSet()，您不会总是拥有此订单。你可能有（b，a）等等。
使用distinct（）可以保留此信息，例如：(b, a)。

然而，这假设了一些先决条件（顺序等）。

注意：这可以使用TreeSet和适当的compareTo方法完成。

Answer 3

distinct会调用equals / hashcode来分隔项目，稍后toSet会做同样的事情（即使在不需要之后，但是toSet也不能真正知道），所以基本上你只是重复调用。它应该表现稍差IMO。测量也很容易。

使用distinct（）和collect（toSet（））是否值得

3 个答案: