基本上我有大约 1,000,000 个字符串，对于每个请求，我必须检查一个字符串是否属于列表。
我担心性能，那么最好的方法是什么？ ArrayList?哈希？
【问题讨论】：
标签： java string performance list contains
最好的办法是使用HashSet 并通过contains() 方法检查集合中是否存在字符串。 HashSet 是为通过使用对象方法hashCode() 和equals() 快速访问而构建的。 HashSet 的 Javadoc 声明：
此类为基本操作（添加、删除、包含和大小）提供恒定的时间性能，
HashSet stores objects in hash buckets 即hashCode 方法返回的值将确定对象存储在哪个桶中。这样，HashSet 的相等数量检查必须通过@987654331 执行@方法被简化为同一个哈希桶中的其他对象。
要有效地使用 HashSet 和 HashMap，您必须遵守 in the javadoc 概述的 equals 和 hashCode 合同。在java.lang.String 的情况下，已经实现了这些方法来执行此操作。
【讨论】：
一般来说，HashSet 会为您提供更好的性能，因为它不必像 ArrayList 那样查看每个元素并进行比较，但通常最多比较几个元素，其中哈希码相等。
但是，对于 1M 的字符串，hashSet 的性能可能仍然不是最优的。大量缓存未命中会减慢搜索集合的速度。如果所有字符串的可能性相同，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频繁地被请求，那么您可以将公共字符串放入一个小的 hashSet 中，并在检查较大的集合之前先检查它。小哈希集的大小应适合缓存（例如，最多几百 K）。对小哈希集的命中将非常快，而对较大哈希集的命中则以受内存带宽限制的速度进行。
【讨论】：
在继续之前，请考虑一下：您为什么担心性能？多久调用一次此检查？
至于可能的解决方案：
如果列表已经排序，那么您可以使用java.util.Collections.binarySearch，它提供与java.util.TreeSet 相同的性能特征。
否则，您可以使用 java.util.HashSet 作为 O(1) 的性能特征。请注意，计算尚未计算的字符串的哈希码是一个 O(m) 操作，其中 m=string.length()。还要记住，哈希表只有在达到给定的负载因子之前才能正常工作，即哈希表将使用比普通列表更多的内存。 HashSet 使用的默认加载因子是 0.75，这意味着内部 1e6 对象的 HashSet 将使用具有 1.3e6 条目的数组。
如果 HashSet 不适合您（例如，因为有很多哈希冲突、因为内存紧张或因为有很多插入），那么请考虑使用 Trie。在 Trie 中查找的最坏情况复杂度为 O(m)，其中 m=string.length()。 Trie 还有一些可能对您有用的额外好处：例如，它可以为您提供搜索字符串的 最接近。但请记住，最好的代码是没有代码，所以只有在收益超过成本的情况下才推出自己的 Trie 实现。
如果您需要更复杂的查询，请考虑使用数据库，例如匹配子字符串或正则表达式。
【讨论】：
我会使用Set，在大多数情况下HashSet 很好。
【讨论】：
有了这么多的字符串，我立刻想到了Trie。它适用于更有限的字符集（例如字母）和/或当许多字符串的开头重叠时。
【讨论】：
这里的练习是我的结果。
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
*/
我相信数字不言自明。哈希集的查找时间要快得多。
【讨论】：
也许您的情况不需要它，但我认为提及一些节省空间的概率算法很有用。例如Bloom filter。
【讨论】：
如果您有如此大量的字符串，最好的机会是使用数据库。寻找 MySQL。
【讨论】：
contains() 的性能。
不仅适用于 String，您还可以将 Set 用于任何需要独特项目的情况。
如果项目的类型是原始的或包装的，你可能不在乎。但如果是类，则必须重写两个方法：
【讨论】：
有时您想检查一个对象是否在列表/集合中，同时您希望对列表/集合进行排序。如果您还想在不使用枚举或迭代器的情况下轻松检索对象，您可以考虑同时使用ArrayList<String> 和HashMap<String, Integer>。该列表由地图支持。
我最近做的一些工作的例子：
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 将是您的String。 map（childrenToMapList）存储Strings作为key插入到列表（children）中，map值是列表中的索引位置。
列表和映射的原因是您可以检索列表的索引值，而无需对 HashSet<String> 进行迭代。
【讨论】：