Stream过滤去重收集技巧

本文深入剖析了Java Stream中过滤后去重失效的根本原因——自定义对象未正确重写equals()和hashCode()方法导致HashSet无法识别逻辑重复，并对比了HashSet与TreeSet在去重收集中的性能差异、适用场景及正确用法；同时提供了distinct()、toMap()等高效替代方案，强调所有去重优化都必须以可靠的对象相等性契约为前提，帮助开发者避开常见陷阱，写出既正确又高效的流式去重代码。

为什么 Stream.collect(Collectors.toSet()) 有时不按预期去重？

直接用 collect(Collectors.toSet()) 确实能生成一个 Set，但它的底层默认使用 HashSet，而 HashSet 去重依赖对象的 equals() 和 hashCode()。如果流中是自定义对象（比如 User），且没重写这两个方法，哪怕字段值完全一样，也会被当成不同元素保留下来。

常见错误现象：stream.filter(...).collect(Collectors.toSet()) 返回的集合 size 比预期大，甚至包含“重复”对象。

• 检查目标类是否已正确定义 equals() 和 hashCode()（IDE 通常可自动生成）
• 若处理的是基本类型或 String/Integer 等标准类型，无需额外操作——它们的 equals 已正确实现
• 不要试图靠 TreeSet 替代来“强行去重”，除非你真需要排序；否则会因缺少 Comparable 抛出 ClassCastException

想用 TreeSet 保持有序且去重，该怎么写？

Collectors.toSet() 固定返回 HashSet，不支持传参指定实现类。要换成 TreeSet，必须用更底层的 Collector.of() 或显式构造。

推荐写法（简洁安全）：

Set<String> result = stream
    .filter(Objects::nonNull)
    .collect(TreeSet::new, TreeSet::add, TreeSet::addAll);

• 第一个参数是 supplier：TreeSet::new
• 第二个是 accumulator：TreeSet::add，注意不是 add 的返回值（boolean），而是引用本身
• 第三个是 combiner：多线程并行流合并时用，单线程可简化为 (a, b) -> { a.addAll(b); }，但用方法引用更一致
• 若元素类型未实现 Comparable，需显式传入 Comparator，例如 new TreeSet<>(Comparator.comparing(User::getId))

性能差异：HashSet vs TreeSet 收集哪个更快？

绝大多数场景下，Collectors.toSet()（即 HashSet）比手动构造 TreeSet 快 2–3 倍，尤其数据量超过千条时。

• HashSet.add() 平均时间复杂度 O(1)，扩容成本低
• TreeSet.add() 是 O(log n)，每次插入都要做红黑树平衡
• 如果只是去重+后续遍历无序，别为“看起来整齐”选 TreeSet
• 并行流下 HashSet 的收集器天然支持分段合并，TreeSet 的自定义 collector 需确保 combiner 正确，否则结果错乱

替代方案：不用 toSet()，但也要高效去重

当过滤后还需进一步操作（如取前 N 条、按条件再分组），直接收集到 Set 反而浪费——不如在流中就控制去重逻辑。

• 用 distinct()：它基于 LinkedHashSet 内部缓存，语义清晰，适合简单去重 stream.filter(...).distinct().collect(Collectors.toList())
• 对自定义对象，distinct() 同样依赖 equals/hashCode，和 toSet() 要求一致
• 若去重要基于某字段（如只看 id），可用 Collectors.toMap() 技巧：stream.collect(Collectors.toMap(User::getId, Function.identity(), (a,b)->a)).values()
• 注意 toMap 方式不保留原始顺序（除非用 LinkedHashMap 作为 map factory）

真正要注意的，不是“怎么写 collect”，而是确认你的对象有没有可靠的 equals 实现——其他所有优化都建立在这个基础上。没重写 hashCode 却只重写 equals，或者用了 Lombok 但忘了加 @EqualsAndHashCode，都会让去重彻底失效。

理论要掌握，实操不能落！以上关于《Stream过滤去重收集技巧》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！