記一次集合去重導(dǎo)致的線上問(wèn)題

作者：月伴飛魚 2020-11-16 07:19:17

在工作中一次排查慢接口時(shí)，查到了一個(gè)函數(shù)耗時(shí)較長(zhǎng)，最終定位到是通過(guò) List 去重導(dǎo)致的。由于測(cè)試環(huán)境還有線上早期數(shù)據(jù)較少，這個(gè)接口的性能問(wèn)題沒有引起較大關(guān)注，后面頻繁超時(shí)，才引起重視。

[[352297]]

前言

在工作中一次排查慢接口時(shí)，查到了一個(gè)函數(shù)耗時(shí)較長(zhǎng)，最終定位到是通過(guò) List 去重導(dǎo)致的。

由于測(cè)試環(huán)境還有線上早期數(shù)據(jù)較少，這個(gè)接口的性能問(wèn)題沒有引起較大關(guān)注，后面頻繁超時(shí)，才引起重視。

之前看《阿里巴巴Java開發(fā)手冊(cè)》里面有這樣一段描述：

你看，阿里前輩們都免費(fèi)總結(jié)了，不過(guò)還是會(huì)看到有人會(huì)用List的contains函數(shù)來(lái)去重......

不記得的，罰抄10萬(wàn)遍

如果需要這本書資源的網(wǎng)上下載也行，私聊我發(fā)你也行

今天我就結(jié)合源碼聊聊Set是怎樣保證數(shù)據(jù)的唯一性的，為什么兩種去重方式性能差距這么大

HashSet源碼

先看看類注釋：

看類注釋上，我們可以得到的信息有：

底層實(shí)現(xiàn)基于 HashMap，所以迭代時(shí)不能保證按照插入順序，或者其它順序進(jìn)行迭代;
add、remove、contanins、size 等方法的耗時(shí)性能，是不會(huì)隨著數(shù)據(jù)量的增加而增加的，這個(gè)主要跟 HashMap 底層的數(shù)組數(shù)據(jù)結(jié)構(gòu)有關(guān)，不管數(shù)據(jù)量多大，不考慮 hash 沖突的情況下，時(shí)間復(fù)雜度都是 O (1);
線程不安全的，如果需要安全請(qǐng)自行加鎖，或者使用 Collections.synchronizedSet;
迭代過(guò)程中，如果數(shù)據(jù)結(jié)構(gòu)被改變，會(huì)快速失敗的，會(huì)拋出 ConcurrentModificationException 異常。

剛才是從類注釋中看到，HashSet 的實(shí)現(xiàn)是基于 HashMap 的，在 Java 中，要基于基礎(chǔ)類進(jìn)行創(chuàng)新實(shí)現(xiàn)，有兩種辦法：

繼承基礎(chǔ)類，覆寫基礎(chǔ)類的方法，比如說(shuō)繼承 HashMap , 覆寫其 add 的方法;
組合基礎(chǔ)類，通過(guò)調(diào)用基礎(chǔ)類的方法，來(lái)復(fù)用基礎(chǔ)類的能力。

HashSet 使用的就是組合 HashMap，其優(yōu)點(diǎn)如下：

繼承表示父子類是同一個(gè)事物，而 Set 和 Map 本來(lái)就是想表達(dá)兩種事物，所以繼承不妥，而且 Java 語(yǔ)法限制，子類只能繼承一個(gè)父類，后續(xù)難以擴(kuò)展。

組合更加靈活，可以任意的組合現(xiàn)有的基礎(chǔ)類，并且可以在基礎(chǔ)類方法的基礎(chǔ)上進(jìn)行擴(kuò)展、編排等，而且方法命名可以任意命名，無(wú)需和基礎(chǔ)類的方法名稱保持一致。

組合就是把 HashMap 當(dāng)作自己的一個(gè)局部變量，以下是 HashSet 的組合實(shí)現(xiàn)：

// 把 HashMap 組合進(jìn)來(lái)，key 是 Hashset 的 key，value 是下面的 PRESENT 
private transient HashMap<E,Object> map; 
// HashMap 中的 value 
private static final Object PRESENT = new Object();

從這兩行代碼中，我們可以看出兩點(diǎn)：

我們?cè)谑褂?HashSet 時(shí)，比如 add 方法，只有一個(gè)入?yún)ⅲM合的 Map 的 add 方法卻有 key，value 兩個(gè)入?yún)ⅲ鄬?duì)應(yīng)上 Map 的 key 就是我們 add 的入?yún)ⅲ瑅alue 就是第二行代碼中的 PRESENT，此處設(shè)計(jì)非常巧妙，用一個(gè)默認(rèn)值 PRESENT 來(lái)代替 Map 的 Value;

我們?cè)賮?lái)看看add方法：

public boolean add(E e) { 
    // 直接使用 HashMap 的 put 方法，進(jìn)行一些簡(jiǎn)單的邏輯判斷 
    return map.put(e, PRESENT)==null; 
}

我們進(jìn)入更底層源碼java.util.HashMap#put:

public V put(K key, V value) {  
 return putVal(hash(key), key, value, false, true);  
}

再瞧瞧hash方法：

static final int hash(Object key) {  
 int h;  
 return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);  
}

可以看到如果 key 為 null ，哈希值為 0，否則將 key 通過(guò)自身hashCode函數(shù)計(jì)算的的哈希值和其右移 16 位進(jìn)行異或運(yùn)算得到最終的哈希值。

我們?cè)倩氐?java.util.HashMap#putVal中：

在 java.util.HashMap#putVal中，直接通過(guò) (n - 1) & hash 來(lái)得到當(dāng)前元素在節(jié)點(diǎn)數(shù)組中的位置。如果不存在，直接構(gòu)造新節(jié)點(diǎn)并存儲(chǔ)到該節(jié)點(diǎn)數(shù)組的對(duì)應(yīng)位置。如果存在，則通過(guò)下面邏輯：

p.hash == hash && ((k = p.key) == key || (key != null && key.equals(k)))

來(lái)判斷元素是否相等。

如果相等則用新值替換舊值，否則添加紅黑樹節(jié)點(diǎn)或者鏈表節(jié)點(diǎn)。

總結(jié)：通過(guò)HashMap的key的唯一性來(lái)保證的HashSet元素的唯一性。

最后再看看：

《阿里巴巴Java開發(fā)手冊(cè)》里面還有這樣一段描述：

到現(xiàn)在是不是明白了，這個(gè)2，3點(diǎn)的原因

性能對(duì)比

其實(shí)HashSet和ArrayList去重性能差異的核心在于contains函數(shù)性能對(duì)比。

我們分別查看java.util.HashSet#contains和java.util.ArrayList#contains的實(shí)現(xiàn)。

java.util.HashSet#contains源碼：

public boolean contains(Object o) { 
        return map.containsKey(o); 
    }

最終也是通過(guò)HashMap判斷的

如果 hash 沖突不是極其嚴(yán)重(大多數(shù)都沒怎么有哈希沖突)，n 個(gè)元素依次判斷并插入到 Set 的時(shí)間復(fù)雜度接近于 O (n)，查找的復(fù)雜度是O(1)。

接下來(lái)我們看java.util.ArrayList#contains的源碼：

public boolean contains(Object o) { 
        return indexOf(o) >= 0; 
    }

public int indexOf(Object o) { 
        if (o == null) { 
            for (int i = 0; i < size; i++) 
                if (elementData[i]==null) 
                    return i; 
        } else { 
            for (int i = 0; i < size; i++) 
                if (o.equals(elementData[i])) 
                    return i; 
        } 
        return -1; 
    }