stream().collect(Collectors.toSet()) vs stream().distinct().collect(Collectors.toList())

Question

如果我有一个对象列表(~200个元素)，其中只有几个唯一的对象(~20个元素)。我希望只有唯一的值。在list.stream().collect(Collectors.toSet()) and list.stream().distinct().collect(Collectors.toList())中，wrt延迟和内存消耗哪个更有效？

Answer 1

尽管答案是显而易见的--不必为这些小元素的速度和内存消耗细节以及一个元素返回Set而另一个返回List的事实而烦恼；这里有一些有趣的小细节(有趣的IMO)。

假设您正在从一个已知为distinct的源进行流式传输，在这种情况下，您的.distinct()操作将是无操作的；因为实际上不需要执行任何操作。

如果你从一个List (按照设计是有序的)流式传输，并且没有改变顺序的中间操作(例如unordered)，.distinct()将被迫通过在内部使用LinkedHashSet来保留顺序-这是非常昂贵的。

如果你在做并行处理，list.stream().collect(Collectors.toSet())版本将合并多个HashSet(在9版本中这比8版本稍有改进)，另一方面，.distinct()将旋转一个ConcurrentHashMap，它将保留所有具有虚拟Boolean.TRUE值的键(它还做了一些有趣的事情来保留你的流可能拥有的null -即使在两种情况下内部处理是不同的)

Answer 2

Set (通常是HashSet)比List (通常是ArrayList)消耗更多，这主要是因为它存储的哈希表。但是，使用这么少的元素，在内存消耗方面不会有明显的差异。

相反，您应该关心的是，这些收集器返回不同的东西:一个List和一个Set，它们有自己的特殊性，特别是当您访问它们的元素时。

因此，请使用与您想要对此集合执行的操作相匹配的方式。