Java 你还在用lsit.contain做去重？你是故意的还是不小心的？

前言

最近又是一轮代码review , 发现了一些实现去重的代码，在使用 lsit.contain ......

如：

我沉思，是不是其实很多初学者也存在这种去重使用问题？

所以我选择把这个事情整出来，分享一下。

正文

首先是造出一个 List<String> 模拟数据,一共2W条，里面有一半数据1W条是重复的:

    public static List<String> getTestList() {
        List<String> list = new ArrayList<>();
        for (int i = 1; i <= 10000; i++) {
            list.add(String.valueOf(i));
        }
        for (int i = 10000; i >= 1; i--) {
            list.add(String.valueOf(i));
        }
        return list;
    }

先看看我们用contain 去重的代码：

    /**
     * 使用 list.contain 去重
     *
     * @param testList
     */
    private static void useContain2Distinct(List<String> testList) {
        System.out.println("contains 开始去重，条数：" + testList.size());
        List<String> testListDistinctResult = new ArrayList<>();
        for (String str : testList) {
            if (!testListDistinctResult.contains(str)) {
                testListDistinctResult.add(str);
            }
        }
        System.out.println("contains 去重完毕，条数：" + testListDistinctResult.size());
    }

我们调用一下看看耗时：

    public static void main(String[] args) {
        List<String> testList = getTestList();
        StopWatch stopWatch = new StopWatch();
        stopWatch.start();
        useContainDistinct(testList);
        stopWatch.stop();
        System.out.println("去重 最终耗时" + stopWatch.getTotalTimeMillis());
    }

耗时：

评价： list.contain 的效率，我的建议是，知道就行，别用。

众所周知Set 不存在重复数据，所以我们来看看使用HashSet去重的性能：
ps：这里是采取使用 set的add 方法做去重

    /**
     * 使用set去重
     *
     * @param testList
     */
    private static void useSetDistinct(List<String> testList) {
        System.out.println("HashSet.add 开始去重，条数：" + testList.size());
        List<String> testListDistinctResult = new ArrayList<>(new HashSet(testList));
        System.out.println("HashSet.add 去重完毕，条数：" + testListDistinctResult.size());
    }

我们调用一下看看耗时：

    public static void main(String[] args) {
        List<String> testList = getTestList();
        StopWatch stopWatch = new StopWatch();
        stopWatch.start();
        useSetDistinct(testList);
        stopWatch.stop();
        System.out.println("去重 最终耗时" + stopWatch.getTotalTimeMillis());
    }

耗时：

评价：HashSet 的效率，我的建议是，推荐。

为什么耗时差距这么大？

不多说，我们看源码：

list.contains(o)：

可以看到里面用到了 index（o） :

时间复杂度： O（n） n: 元素个数

那么我们看看 set.add（o）是怎么样的：

map的add , 老生常谈就不谈了，hash完直接塞到某个位置，时间复杂度： O(1) 。

所以 O（n）和 O(1) 谁快谁慢？显然。

ps：顺嘴说下 hashset的 contain

时间复杂度也是： O(1)

那么我们最后再看看别的去重：

双for循环，remove去重

    /**
     * 使用双for循环去重
     * @param testList
     */
    private static void use2ForDistinct(List<String> testList) {
        System.out.println("list 双循环 开始去重，条数：" + testList.size());
        for (int i = 0; i < testList.size(); i++) {
            for (int j = i + 1; j < testList.size(); j++) {
                if (testList.get(i).equals(testList.get(j))) {
                    testList.remove(j);
                }
            }
        }
        System.out.println("list 双循环  去重完毕，条数：" + testList.size());
    }

    public static void main(String[] args) {
        List<String> testList = getTestList();
        StopWatch stopWatch = new StopWatch();
        stopWatch.start();
        use2ForDistinct(testList);
        stopWatch.stop();
        System.out.println("去重 最终耗时" + stopWatch.getTotalTimeMillis());
    }

耗时：

评价：知道就行，图个乐，别用，贼慢，而且代码看起来乱：。

stream的distinct去重：

    /**
     * 使用Stream 去重
     *
     * @param testList
     */
    private static void useStreamDistinct(List<String> testList) {
        System.out.println("stream 开始去重，条数：" + testList.size());
        List<String> testListDistinctResult = testList.stream().distinct().collect(Collectors.toList());
        System.out.println("stream 去重完毕，条数：" + testListDistinctResult.size());
    }

    public static void main(String[] args) {
        List<String> testList = getTestList();
        StopWatch stopWatch = new StopWatch();
        stopWatch.start();
        useStreamDistinct(testList);
        stopWatch.stop();
        System.out.println("去重 最终耗时" + stopWatch.getTotalTimeMillis());
    }

耗时：