stream.distinct()去重依赖equals()和hashcode()，对string、integer等天然支持类型最直接；自定义对象必须重写这两方法，否则去重失效；大数据量时内存占用上升，且并行流下性能可能下降。
用 Stream.distinct() 去重合并 List，前提是元素可比较
如果两个 List 里是 String、Integer 这类天然支持 equals() 和 hashCode() 的类型，Stream.distinct() 最直接。它依赖对象的 equals() 判断重复，不是靠内存地址。
常见错误现象：distinct() 对自定义对象没效果，结果里仍有“看起来一样”的对象 —— 那是因为你没重写 equals() 和 hashCode()。
- 使用场景：合并日志 ID 列表、用户手机号列表等简单值类型
- 代码示例：
List<String> list1 = Arrays.asList("a", "b"); List<String> list2 = Arrays.asList("b", "c"); List<String> merged = Stream.concat(list1.stream(), list2.stream()) .distinct() .collect(Collectors.toList()); // ["a", "b", "c"] - 注意：
distinct()是有状态操作，内部用LinkedHashSet缓存已见元素，数据量大时内存占用会上升
用 Set 合并再转回 List，控制去重逻辑更灵活
不依赖 Stream，直接用 HashSet 或 TreeSet 接收所有元素，本质是利用集合天然去重的特性。适合需要干预比较逻辑（比如忽略大小写）、或已有现成 Comparator 的情况。
常见错误现象：用 HashSet 合并后顺序乱了，但你以为“合并”就该保持原始顺序 —— 实际上 HashSet 不保证顺序，得换 LinkedHashSet。
立即学习“Java免费学习笔记（深入）”；
- 使用场景：合并用户实体列表，但只按
userId去重；或需按某字段排序后去重 -
LinkedHashSet保序：Set<String> set = new LinkedHashSet<>(list1); set.addAll(list2); List<String> merged = new ArrayList<>(set);
- 自定义去重（如忽略大小写）：
Set<String> set = new TreeSet<>(String.CASE_INSENSITIVE_ORDER); set.addAll(list1); set.addAll(list2);
对自定义对象去重，绕不开 equals() 和 hashCode()
无论用 Stream.distinct() 还是 Set，只要对象没正确实现 equals() 和 hashCode()，去重就不可靠。Java 不会自动根据字段内容判断“相等”，它只认这两个方法的返回值。
常见错误现象：两个字段完全相同的 User 对象被当成不同元素加进 Set，打印出来看着一样，但 size 却是 2。
- 必须重写这两个方法：IDE 可以自动生成，但要注意只包含参与“业务去重”的字段（比如只用
id，别把createTime也塞进去） - 如果不能改源码（比如第三方类），可用
Stream.collect()配合toMap()投影关键字段：Map<Long, User> map = Stream.concat(list1.stream(), list2.stream()) .collect(Collectors.toMap(User::getId, u -> u, (u1, u2) -> u1)); List<User> merged = new ArrayList<>(map.values()); - 性能影响：重写不当（比如
hashCode()总返回 1）会让HashSet退化成链表，查找变慢
合并大量数据时，Stream vs Set 的实际开销差异
小数据量（几千以内）两者差别几乎感知不到；但到几万、几十万级，选择就影响明显了。核心区别在于：前者是函数式流水线，后者是显式集合操作。
容易踩的坑：以为 Stream.distinct() 是懒求值就安全 —— 其实 distinct() 必须缓存所有见过的元素才能判断是否重复，和 collect() 一样要全量加载到内存。
-
Set方案更透明：你能明确看到用了什么集合、是否扩容、是否有序 -
Stream方案在并行流下可能出错：多个线程往同一个LinkedHashSet写会破坏顺序，而distinct()并行时内部用的是线程安全但更重的机制，性能反而下降 - 如果原始
List已排序且重复集中在相邻位置，自己写个循环 + 上次值比对，内存和时间都最优 —— 但这是特例，别为了省一点去硬套
真正复杂的地方不在语法，而在你到底想按什么“算重复”：是对象身份、字段组合、还是某种业务规则。这个判断错了，后面所有代码都白搭。
