JavaStream去重技巧全解析
2026-03-12 20:31:34
0浏览
收藏
Java Stream的distinct()方法是Java 8引入的高效去重利器,它基于对象的equals()和hashCode()机制自动识别并保留首次出现的唯一元素,对String、Integer等内置类型开箱即用,而自定义对象(如User)则需正确重写这两个方法才能按业务逻辑(如姓名+年龄)精准去重;该操作兼具状态性与短路性,可灵活串联map、filter、sorted等Stream操作实现复杂场景(如提取唯一部门名、排序后去重),在保证代码简洁性的同时兼顾实用性与可读性,是现代Java集合处理中不可或缺的核心技能。

在Java 8中引入的Stream API为集合操作提供了强大而简洁的方式,其中distinct()方法是去除重复元素的重要工具。它能帮助开发者快速对数据进行去重处理,无需手动编写复杂的逻辑。
distinct方法的基本原理
Stream.distinct()会返回一个由原流中不重复元素组成的新流,其去重依据是元素的equals()和hashCode()方法。这意味着:
- 对于基本包装类型(如Integer、String),可以直接使用,因为它们已正确重写这两个方法
- 对于自定义对象,必须重写
equals()和hashCode(),否则无法按预期去重
该操作是有状态的(stateful),因为它需要维护已见过的元素来判断是否重复,同时它是短路操作,可以在流未完全消费前终止处理。
对基本类型和字符串去重示例
处理简单类型的集合时,distinct()开箱即用:
Listnames = Arrays.asList("Alice", "Bob", "Alice", "Charlie", "Bob"); List uniqueNames = names.stream() .distinct() .collect(Collectors.toList()); System.out.println(uniqueNames); // 输出: [Alice, Bob, Charlie]
同理可用于Integer、Double等类型列表,结果将保留第一次出现的值。
对自定义对象去重的关键步骤
假设有一个User类,我们希望根据姓名和年龄去重:
class User {
private String name;
private int age;
public User(String name, int age) {
this.name = name;
this.age = age;
}
@Override
public boolean equals(Object o) {
if (this == o) return true;
if (!(o instanceof User)) return false;
User user = (User) o;
return age == user.age && Objects.equals(name, user.name);
}
@Override
public int hashCode() {
return Objects.hash(name, age);
}
}
然后使用:
Listusers = Arrays.asList( new User("张三", 25), new User("李四", 30), new User("张三", 25) ); List uniqueUsers = users.stream() .distinct() .collect(Collectors.toList());
若未重写equals和hashCode,即使内容相同也会被视为不同对象,导致去重失败。
结合其他操作实现复杂去重逻辑
有时需先转换或筛选再去除重复。例如从用户列表中提取唯一部门名:
ListuniqueDepartments = users.stream() .map(User::getDepartment) .filter(Objects::nonNull) .distinct() .collect(Collectors.toList());
也可以与sorted()组合,先排序再去重,控制输出顺序。
基本上就这些。只要理解了equals/hashCode的作用机制,并合理组合Stream链式调用,distinct就能高效解决大多数去重场景。注意性能方面,大量数据时可能影响内存使用,但多数业务场景下表现良好。
今天关于《JavaStream去重技巧全解析》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
Golang性能监控:pprof与trace分析指南
- 上一篇
- Golang性能监控:pprof与trace分析指南
- 下一篇
- 微信被拉黑后怎么聊天?被拉黑还能沟通吗
查看更多
最新文章
-
- 文章 · java教程 | 6小时前 | 文件上传 · Java教程 · java httpclient 流式上传 HttpRequest BodyPublisher
- Java HttpRequest BodyPublisher 实现流式上传
- 488浏览 收藏
-
- 文章 · java教程 | 9小时前 |
- Java 模式匹配 switch 处理层级类型的穷尽性
- 301浏览 收藏
-
- 文章 · java教程 | 3天前 |
- Java 虚拟线程连接池改造的资源边界
- 236浏览 收藏
-
- 文章 · java教程 | 3天前 | Java · 虚拟线程 · java UncaughtExceptionHandler 虚拟线程 Thread.Builder.OfVirtual
- Java Thread.Builder.OfVirtual 设置线程异常处理器
- 139浏览 收藏
-
- 文章 · java教程 | 3天前 | 数据处理 · Java教程 · java windowFixed Stream Gatherer 事件窗口
- Java Stream Gatherer 组合短窗口事件的实现步骤
- 495浏览 收藏
-
- 文章 · java教程 | 3天前 | 并发 · Java · 随机数 · RandomGeneratorFactory Java随机算法 随机数并发
- Java RandomGeneratorFactory 怎么按能力选择随机算法
- 244浏览 收藏
-
- 文章 · java教程 | 3天前 |
- Java HexFormat 怎么在字节数组和十六进制文本间转换
- 361浏览 收藏
-
- 文章 · java教程 | 3天前 | 文件处理 · nio · Java教程 · java 文件比较 Files.mismatch 字节偏移
- Java Files.mismatch 怎么定位两个文件首个差异
- 342浏览 收藏
-
- 文章 · java教程 | 4天前 | Java ·
- Java Base64 流式编码怎么避免一次加载大文件
- 182浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 291次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 344次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 347次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 310次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 131次使用
查看更多
相关文章
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览
