java - 使用大集合或带有集合的等效 map 好吗？

Question

我有一些从不同公司收集的数据点，由 companyId 标识，每个数据点的名称属性在一家公司或不同公司之间可能重复。问题是按属于的名称属性对所有数据点进行分组到不同的公司，这意味着如果其公司已经存在于组中，我们将忽略该数据点。

例如数据点是:

companyId 数据点名称
1--------------------A
1--------------------A
1--------------------B
2--------------------A
3--------------------B

结果是:

数据点名称 组

A=================(1,A)(2,A)
B=================(1,B)(2,B)

我们可以看到来自公司 1 的第二个数据点 A 被忽略了。

据我所知，有两种方法可以进行重复数据删除工作。
1.建立一个Map<String(data point name), Set<Long(companyId)>>

Map<String, Set<Long>> dedup = new HashMap<>();
for(DataPoint dp : datapoints){
    String key = dp.getName();
    if(!dedup.contains(key)){
        dedup.put(key, new HashSet<Long>());
    }
    if(dedup.get(key).contains(dp.getCompanyId()){
        continue;
    }
    dedup.get(key).add(dp.getCompanyId());
}

2.建大Set<String>

Set<String> dedup;
for(DataPoint dp : datapoints){
    String key = dp.getName() + dp.getCompanyId();
    if(dedup.contains(key)){
        continue;
    }
    dedup.add(key);
}

那么哪个更好或者更合适呢？

Answer 1

方法 (1) 更好，因为方法 2 会破坏类型信息。

如果您想要一个经过良好测试的稳健实现并具有许多附加功能，那么已经有现成的集合可用于此类情况。

Guava :https://google.github.io/guava/releases/21.0/api/docs/com/google/common/collect/HashMultimap.html

Eclipse 集合: https://www.eclipse.org/collections/

如果你只是想要一个简单的实现，你可以按照你的方法(1)自己做。

结果是这样的:

{
   "A": [1, 2],
   "B": [1, 2]
}

我不喜欢方法 2 的几个原因:

1. 该方法不可靠。如果公司名称以数字结尾，则可能存在错误的重复数据删除。因此，您可能需要像这样添加一个特殊字符:<id>~<name>
2. 如果以后需要再考虑一个参数，那就更乱了。你可能需要做 <id>~<name>~<pincode>等等，
3. 在方法 1 中，如果您实现单独基于 companyId 字段的散列码和 equals，那么您可以直接放置公司 bean 更加方便