检查List <String>是否包含唯一String的最快方法

基本上我有大约1,000,000个字符串，对于每个请求，我都必须检查一个String是否属于列表。

我担心性能，最好的方法是什么？ArrayList？哈希？

最好的选择是使用，HashSet并通过contains()方法检查集合中是否存在字符串。建立HashSet可以通过使用Object方法hashCode()和进行快速访问equals()。HashSet状态的Javadoc ：

此类为基本操作（添加，删除，包含和调整大小）提供了恒定的时间性能，

HashSet将对象存储在哈希存储桶中，也就是说，该hashCode方法返回的值将确定对象存储在哪个存储桶中。通过这种方式，HashSet通过该equals()方法必须执行的相等检查数量减少为仅其他对象相同的哈希桶。

为了有效地使用HashSets和HashMaps，必须符合javadoc中概述的equals和hashCode合同。在这些方法的情况下已经实现了这一目的。java.lang.String

通常，HashSet可以为您提供更好的性能，因为它不必像ArrayList一样仔细检查每个元素并进行比较，但是通常最多比较几个哈希码相等的元素。

但是，对于1M字符串，hashSet的性能可能仍然不是最佳的。许多缓存未命中会降低搜索集的速度。如果所有字符串都具有相同的可能性，那么这是不可避免的。但是，如果某些字符串比其他字符串更经常被请求，则可以将公共字符串放入一个小的hashSet中，然后在检查较大的set之前先进行检查。小哈希集的大小应适合缓存（例如，最多几百个K）。然后，对较小的哈希集的命中将非常快，而对较大的哈希集的命中将以受内存带宽限制的速度进行。

在继续之前，请考虑以下事项：为什么要担心性能？这张支票多久发出一次？

至于可能的解决方案：

• 如果列表已经排序，则可以使用java.util.Collections.binarySearch提供与相同的性能特征的列表java.util.TreeSet。

• 否则，可以将java.util.HashSetthat用作O（1）的性能特征。请注意，为尚未计算的字符串计算哈希码是使用m =的O（m）运算string.length()。还请记住，哈希表只有在达到给定的负载因子后才能正常工作，即哈希表将比纯列表使用更多的内存。HashSet使用的默认加载因子为.75，这意味着内部用于1e6对象的HashSet将使用具有1.3e6条目的数组。

• 如果HashSet对您不起作用（例如，由于存在很多哈希冲突，由于内存紧张或有很多插入），则可以考虑使用Trie。在Trie中查找具有最坏情况的复杂度O（m），其中m = string.length()。Trie也有一些额外的好处，可能对您有用：例如，它可以为您提供最适合搜索字符串的条件。但是请记住，最好的代码就是没有代码，因此只有在收益超过成本的情况下，才推出自己的Trie实现。

• 如果您要进行更复杂的查询，例如考虑匹配子字符串或正则表达式，请考虑使用数据库。

我会使用Set，在大多数情况下HashSet都可以。

有了如此众多的Strings，我立即想到了Trie。它适用于字符集（例如字母）较少和/或许多字符串的开头重叠的情况。

在这里进行练习是我的结果。

private static final int TEST_CYCLES = 4000;
private static final long RAND_ELEMENT_COUNT = 1000000l;
private static final int RAND_STR_LEN = 20;
//Mean time
/*
Array list:18.55425
Array list not contains:17.113
Hash set:5.0E-4
Hash set not contains:7.5E-4
*/

我相信这些数字说明了一切。哈希集的查找时间很短，wayyyy更快。

如果您有大量的字符串，那么最好的机会就是使用数据库。寻找MySQL。

也许这不是您的情况所必需的，但我认为了解某些节省空间的概率算法很有用。例如Bloom过滤器。

不仅对于String，还可以在需要唯一项的任何情况下使用Set。

如果项目的类型是原始的或包装的，则您可能不在乎。但是，如果它是一个类，则必须重写两个方法：

1. hashCode（）
2. 等于（）

有时，您想检查某个对象是否在列表/集中，同时又希望对列表/集进行排序。如果您希望不使用枚举或迭代器也轻松检索对象，则可以考虑同时使用ArrayList<String>和HashMap<String, Integer>。该列表由地图支持。

我最近所做的一些工作的示例：

public class NodeKey<K> implements Serializable, Cloneable{
private static final long serialVersionUID = -634779076519943311L;

private NodeKey<K> parent;
private List<K> children = new ArrayList<K>();
private Map<K, Integer> childrenToListMap = new HashMap<K, Integer>();

public NodeKey() {}

public NodeKey(Collection<? extends K> c){
    List<K> childHierarchy = new ArrayList<K>(c);
    K childLevel0 = childHierarchy.remove(0);

    if(!childrenToListMap.containsKey(childLevel0)){
        children.add(childLevel0);
        childrenToListMap.put(childLevel0, children.size()-1);
    }

    ...

在这种情况下，参数K将String适合您。映射（childrenToMapList）作为键存储Strings在列表（children）中，映射值是列表中的索引位置。

使用列表和映射的原因是，您可以检索列表的索引值，而不必在上进行迭代HashSet<String>。