Java CollationKey 怎样缓存多次字符串排序的比较键

做联系人、商品名或多语言目录排序时，真正耗时的往往不是最后一次排序，而是同一批字符串在筛选、分页和重新排序中被反复比较。这个场景可以把 Collator.compare 换成一次生成、反复复用的 CollationKey。关键是：缓存必须绑定同一个排序规则，不能只按原字符串做一个跨 Locale 的全局缓存。

固定 Locale 和 strength 后，为每个字符串调用一次 collator.getCollationKey，把原文与键一起保存；后续排序只比较同一个 Collator 生成的 CollationKey，展示时仍取原文。只比较一次或数据很小，则直接调用 compare 更合适。

官方地址：https://docs.oracle.com/en/java/javase/25/docs/api/java.base/java/text/CollationKey.html

先把排序规则固定下来

CollationKey 不是字符串的通用编码，它代表某个具体 Collator 规则下的字符串。先明确 Locale、大小写和重音是否参与排序，再生成键；否则缓存命中后也可能得到业务上错误的顺序。

import java.text.Collator;
import java.util.Locale;

Collator collator = Collator.getInstance(Locale.US);
// 让缓存的键遵循固定规则；换 Locale 或 strength 就必须换一套缓存。
collator.setStrength(Collator.PRIMARY);
// PRIMARY 的具体含义由 Locale 决定，不要把它当成所有语言的统一规则。
Collator stableCollator = collator;

Oracle 文档说明，排序强度的含义与语言环境有关；缓存键只能和创建它的同一个 Collator 产生的键比较。实际项目里可以把 Locale、strength 和 decomposition 组成一个规则标识，作为缓存分区键。

把 source 和 CollationKey 放在同一个缓存项

不要只缓存 CollationKey 数组。排序完成后还需要输出用户看到的原文，因此缓存项至少保留 source 和 key 两个字段。集合数据不变时，第一次装载生成键，后续排序复用键。

import java.text.CollationKey;
import java.text.Collator;
import java.util.ArrayList;
import java.util.Comparator;
import java.util.List;
import java.util.Locale;

record SortItem(String source, CollationKey key) {}

static List sortNames(List names) {
    Collator collator = Collator.getInstance(Locale.US);
    // 先固定规则，再生成任何 key，避免同一列表混入不同排序语义。
    collator.setStrength(Collator.PRIMARY);

    List items = new ArrayList(names.size());
    for (String name : names) {
        // 每个 source 只生成一次 key，排序阶段不再重复转换字符串。
        items.add(new SortItem(name, collator.getCollationKey(name)));
    }
    // 所有 key 都由上面的同一个 Collator 创建，比较规则保持一致。
    items.sort(Comparator.comparing(SortItem::key));
    return items.stream().map(SortItem::source).toList();
}

这里的缓存范围是一次规则一致的数据快照。若记录名称会修改，应先删除旧项或重新生成对应键；否则 source 已经变化，key 仍代表旧文本。

重复排序时只比较 key，单次比较不要强行缓存

生成键需要扫描并转换完整字符串，收益来自之后多次比较。一次性比较两个名称时，直接 collator.compare(a, b) 可能更省；排序、分页重排或多次候选筛选时，缓存才容易摊平生成成本。

不要把 toByteArray() 当成跨进程或跨版本的稳定缓存格式。正文排序只需要保留 CollationKey 对象；如果要持久化，应重新评估 JDK、Locale 数据和排序规则变化带来的失效问题。

用规则指纹和生命周期避免缓存失效

一个可维护的缓存键通常包含三部分：排序规则指纹、源字符串标识和当前版本。规则指纹至少覆盖 Locale、strength、decomposition 以及应用自定义规则；源字符串更新时递增版本或直接替换缓存项。这样可以避免“命中了缓存，但命中的是另一种语言排序”的隐蔽错误。

record CollationProfile(Locale locale, int strength, int decomposition) {}

// 规则变化时创建新的 profile，不在旧缓存上原地修改 Collator。
CollationProfile profile = new CollationProfile(
        Locale.US, Collator.PRIMARY, Collator.NO_DECOMPOSITION);
// profile 作为缓存分区的一部分，保证不同规则不会共享同一个 key。
String cachePartition = profile.locale() + ":" + profile.strength()
        + ":" + profile.decomposition();

并发服务中也不要把一个可变的 Collator 无保护地作为全局单例。官方文档提示默认的 RuleBasedCollator 在并发使用时可能产生竞争，实践上可以按线程获取独立实例，或把“规则配置—生成键—排序”封装在受控生命周期内。

相关问题

不同 Collator 生成的 CollationKey 能互相比较吗？

不能。即使两个 Locale 看起来相近，也应视为不同规则；缓存分区和比较集合必须使用同一个 Collator。

排序后为什么还要保存 source？

CollationKey 主要服务比较，页面和接口仍需要原始字符串。把 source 与 key 放进同一项，排序后可以直接恢复展示顺序。

缓存键可以长期写入磁盘吗？

不建议直接把键字节当成跨 JDK 或跨 Locale 的永久格式。持久化数据变化或排序规则变化时，重新生成 key 更稳妥。