使用distinct（）和collect（toSet（））是否值得

Question

將流的元素收集到集合中時，是否還有優勢（或缺點）在流上指定.distinct() ？ 例如：

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

鑒於該集合已經刪除了重復項，這似乎是多余的，但它是否提供任何性能優勢或劣勢？ 答案取決於流是並行/順序還是有序/無序？

Answer 1

根據javadoc ， distinct是一個有狀態的中間操作。

如果你確實有.distinct緊跟着.collect ，那么它並沒有真正增加任何好處。 也許如果.distinct實現比Set重復檢查更.distinct ，你可能會獲得一些好處，但是如果你收集到一個集合，你最終會得到相同的結果。

另一方面，如果.distinct發生在.map操作之前，並且該特定映射是一項昂貴的操作，那么您可能會獲得一些收益，因為您整體處理的數據較少。

Answer 2

雖然你有相同的結果，但它們不會做同樣的事情： toSet()使用HashSet ，你失去了初始排序，如果需要，它可以保留不同的東西：

來自javadoc ：

保持並行管道中不同（）的穩定性相對昂貴（要求操作充當完全屏障，具有大量緩沖開銷），並且通常不需要穩定性。 如果您的情境的語義允許，使用無序流源（例如generate（Supplier））或使用BaseStream.unordered（）刪除排序約束可以顯着提高並行管道中distinct（）的執行效率。 如果需要與遇到順序的一致性，並且您在並行管道中使用distinct（）遇到性能不佳或內存利用率，則切換到使用BaseStream.sequential（）的順序執行可能會提高性能。

如果你需要穩定性，那么它是distinct() 。 之后使用toSet()將是無用的（如果API不需要）。

但是，如果你有一個equals實現部分相等的equals ：

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;
  }
}

如果你有a = F(10, 1)和b = F(10, 2)它們是等於。 但並非所有領域都是平等的。

如果在列表中你有(b, a)

• 使用toSet()您將無法始終擁有此訂單。 你可能有（b，a）等
• 使用distinct（）可以保留此信息，例如： (b, a) 。

然而，這假設了一些先決條件（順序等）。

注意：這可以使用TreeSet和適當的compareTo方法完成。

Answer 3

distinct會調用equals / hashcode來分隔項目，之后toSet會做同樣的事情（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復調用。 它應該表現稍差IMO。 測量也很容易。