問題
當下互聯網技術成熟，越來越多的趨向去中心化、分佈式、流計算，使得很多以前在數據庫側做的事情放到了Java端。今天有人問道，如果數據庫字段沒有索引，那麼應該如何根據該字段去重？大家都一致認為用Java來做，但怎麼做呢？
解答
忽然想起以前寫過list去重的文章，找出來一看。做法就是將list中對象的hashcode和equals方法重寫，然後丟到HashSet裡，然後取出來。這是最初剛學Java的時候像被字典一樣背寫出來的答案。就比如面試，面過號稱做了3年Java的人，問Set和HashMap的區別可以背出來，問如何實現就不知道了。也就是說，初學者只背特性。但真正在項目中使用的時候你需要確保一下是不是真的這樣。因為背書沒用，只能相信結果。你需要知道HashSet如何幫我做到去重了。換個思路，不用HashSet可以去重嗎？最簡單，最直接的辦法不就是每次都拿著和歷史數據比較，都不相同則插入隊尾。而HashSet只是加速了這個過程而已。
首先，給出我們要排序的對象User
@Data@Builder@AllArgsConstructorpublic class User { private Integer id; private String name;}List<User> users = Lists.newArrayList( new User(1, "a"), new User(1, "b"), new User(2, "b"), new User(1, "a"));目標是取出id不重複的user，為了防止扯皮，給個規則，只要任意取出id唯一的數據即可，不用拘泥id相同時算哪個。
用最直觀的辦法
這個辦法就是用一個空list存放遍歷後的數據。
@Testpublic void dis1() { List<User> result = new LinkedList<>(); for (User user : users) { boolean b = result.stream().anyMatch(u -> u.getId().equals(user.getId())); if (!b) { result.add(user); } } System.out.println(result);}用HashSet
背過特性的都知道HashSet可以去重，那麼是如何去重的呢？ 再深入一點的背過根據hashcode和equals方法。那麼如何根據這兩個做到的呢？沒有看過源碼的人是無法繼續的，面試也就到此結束了。
事實上，HashSet是由HashMap來實現的(沒有看過源碼的時候曾經一直直觀的以為HashMap的key是HashSet來實現的，恰恰相反)。這裡不展開敘述，只要看HashSet的構造方法和add方法就能理解了。
public HashSet() { map = new HashMap<>();}/*** 顯然，存在則返回false，不存在的返回true*/public boolean add(E e) { return map.put(e, PRESENT)==null;}那麼，由此也可以看出HashSet的去重複就是根據HashMap實現的，而HashMap的實現又完全依賴於hashcode和equals方法。這下就徹底打通了，想用HashSet就必須看好自己的這兩個方法。
在本題目中，要根據id去重，那麼，我們的比較依據就是id了。修改如下：
@Overridepublic boolean equals(Object o) { if (this == o) { return true; } if (o == null || getClass() != o.getClass()) { return false; } User user = (User) o; return Objects.equals(id, user.id);}@Overridepublic int hashCode() { return Objects.hash(id);}//hashcoderesult = 31 * result + (element == null ? 0 : element.hashCode());其中， Objects調用Arrays的hashcode，內容如上述所示。乘以31等於x<<5-x。
最終實現如下：
@Testpublic void dis2() { Set<User> result = new HashSet<>(users); System.out.println(result);}使用Java的Stream去重
回到最初的問題，之所以提這個問題是因為想要將數據庫側去重拿到Java端，那麼數據量可能比較大，比如10w條。對於大數據，採用Stream相關函數是最簡單的了。正好Stream也提供了distinct函數。那麼應該怎麼用呢？
users.parallelStream().distinct().forEach(System.out::println);
沒看到用lambda當作參數，也就是沒有提供自定義條件。幸好Javadoc標註了去重標準：
Returns a stream consisting of the distinct elements(according to {@link Object#equals(Object)}) of this stream.我們知道，也必須背過這樣一個準則：equals返回true的時候，hashcode的返回值必須相同. 這個在背的時候略微有些邏輯混亂，但只要了解了HashMap的實現方式就不會覺得拗口了。 HashMap先根據hashcode方法定位，再比較equals方法。
所以，要使用distinct來實現去重，必須重寫hashcode和equals方法，除非你使用默認的。
那麼，究竟為啥要這麼做？點進去看一眼實現。
<P_IN> Node<T> reduce(PipelineHelper<T> helper, Spliterator<P_IN> spliterator) { // If the stream is SORTED then it should also be ORDERED so the following will also // preserve the sort order TerminalOp<T, LinkedHashSet<T>> reduceOp = ReduceOps.<T, LinkedHashSet<T>>makeRef(LinkedHashSet::new, LinkedHashSet::add, LinkedHashSet::addAll); return Nodes.node(reduceOp.evaluateParallel(helper, spliterator));}內部是用reduce實現的啊，想到reduce，瞬間想到一種自己實現distinctBykey的方法。我只要用reduce，計算部分就是把Stream的元素拿出來和我自己內置的一個HashMap比較，有則跳過，沒有則放進去。其實，思路還是最開始的那個最直白的方法。
@Testpublic void dis3() { users.parallelStream().filter(distinctByKey(User::getId)) .forEach(System.out::println);}public static <T> Predicate<T> distinctByKey(Function<? super T, ?> keyExtractor) { Set<Object> seen = ConcurrentHashMap.newKeySet(); return t -> seen.add(keyExtractor.apply(t));}當然，如果是並行stream，則取出來的不一定是第一個，而是隨機的。
上述方法是至今發現最好的，無侵入性的。但如果非要用distinct。只能像HashSet那個方法一樣重寫hashcode和equals。
小結
會不會用這些東西，你只能去自己練習過，不然到了真正要用的時候很難一下子就拿出來，不然就冒險用。而若真的想大膽使用，了解規則和實現原理也是必須的。比如，LinkedHashSet和HashSet的實現有何不同。
附上賊簡單的LinkedHashSet源碼：
public class LinkedHashSet<E> extends HashSet<E> implements Set<E>, Cloneable, java.io.Serializable { private static final long serialVersionUID = -2851667679971038690L; public LinkedHashSet(int initialCapacity, float loadFactor) { super(initialCapacity, loadFactor, true); } public LinkedHashSet(int initialCapacity) { super(initialCapacity, .75f, true); } public LinkedHashSet() { super(16, .75f, true); } public LinkedHashSet(Collection<? extends E> c) { super(Math.max(2*c.size(), 11), .75f, true); addAll(c); } @Override public Spliterator<E> spliterator() { return Spliterators.spliterator(this, Spliterator.DISTINCT | Spliterator.ORDERED); }}補充：
Java中List集合去除重複數據的方法
1. 循環list中的所有元素然後刪除重複
public static List removeDuplicate(List list) { for ( int i = 0 ; i < list.size() - 1 ; i ++ ) { for ( int j = list.size() - 1 ; j > i; j -- ) { if (list.get(j).equals(list.get(i))) { list.remove(j); } } } return list; } 2. 通過HashSet踢除重複元素
public static List removeDuplicate(List list) { HashSet h = new HashSet(list); list.clear(); list.addAll(h); return list; }3. 刪除ArrayList中重複元素，保持順序
// 刪除ArrayList中重複元素，保持順序public static void removeDuplicateWithOrder(List list) { Set set = new HashSet(); List newList = new ArrayList(); for (Iterator iter = list.iterator(); iter.hasNext();) { Object element = iter.next(); if (set.add(element)) newList.add(element); } list.clear(); list.addAll(newList); System.out.println( " remove duplicate " + list); }4.把list裡的對象遍歷一遍，用list.contain()，如果不存在就放入到另外一個list集合中
public static List removeDuplicate(List list){ List listTemp = new ArrayList(); for(int i=0;i<list.size();i++){ if(!listTemp.contains(list.get(i))){ listTemp.add(list.get(i)); } } return listTemp; }