数据的集合处理，有哪些规则？

大数据，即海量数据，意味着基础设施构建必须高效与稳定。如何在指定时间范围内，通过常规工具处理数据集合，以下规则，可供参考。

Rule 1. 【推荐】底层数据结构是数组的集合，指定集合初始大小

数组有大小限制，当超过容量时，需要进行复制式扩容，新申请一个是原来容量150% or 200%的数组，将原来的内容复制过去，同时浪费了内存与性能。HashMap/HashSet的扩容，还需要所有键值对重新落位，消耗更大。

默认构造函数使用默认的数组大小，比如ArrayList默认大小为10，HashMap为16。因此建议使用ArrayList(int initialCapacity)等构造函数，明确初始化大小。

HashMap/HashSet的初始值还要考虑加载因子:

为了降低哈希冲突的概率(Key的哈希值按数组大小取模后，如果落在同一个数组下标上，将组成一条需要遍历的Entry链)，默认当HashMap中的键值对达到数组大小的75%时，即会触发扩容。因此，如果预估容量是100，即需要设定100/0.75 +1＝135的数组大小。vjkit的MapUtil的Map创建函数封装了该计算。

如果希望加快Key查找的时间，还可以进一步降低加载因子，加大初始大小，以降低哈希冲突的概率。

Rule 2. 【推荐】尽量使用新式的foreach语法遍历Collection与数组

foreach是语法糖，遍历集合的实际字节码等价于基于Iterator的循环。

foreach代码一来代码简洁，二来有效避免了有多个循环或嵌套循环时，因为不小心的复制粘贴，用错了iterator或循环计数器(i,j)的情况。

Rule 3. 【强制】不要在foreach循环里进行元素的remove/add操作，remove元素可使用Iterator方式

Rule 4. 【强制】使用entrySet遍历Map类集合Key/Value，而不是keySet 方式进行遍历

keySet遍历的方式，增加了N次用key获取value的查询。

Sonar-2864:''entrySet()'' should be iterated when both the key and value are needed

Rule 5. 【强制】当对象用于集合时，下列情况需要重新实现hashCode()和 equals()

1） 以对象做为Map的KEY时；

2） 将对象存入Set时。

上述两种情况，都需要使用hashCode和equals比较对象，默认的实现会比较是否同一个对象（对象的引用相等）。

另外，对象放入集合后，会影响hashCode()，equals()结果的属性，将不允许修改。

Sonar-2141:Classes that don't define ''hashCode()'' should not be used in hashes

Rule 6. 【强制】高度注意各种Map类集合Key/Value能不能存储null值的情况

由于HashMap的干扰，很多人认为ConcurrentHashMap是可以置入null值。同理，Set中的value实际是Map中的key。

Rule 7. 【强制】长生命周期的集合，里面内容需要及时清理，避免内存泄漏

长生命周期集合包括下面情况，都要小心处理。

1） 静态属性定义；

2） 长生命周期对象的属性；

3） 保存在ThreadLocal中的集合。

如无法保证集合的大小是有限的，使用合适的缓存方案代替直接使用HashMap。

另外，如果使用WeakHashMap保存对象，当对象本身失效时，就不会因为它在集合中存在引用而阻止回收。但JDK的WeakHashMap并不支持并发版本，如果需要并发可使用Guava Cache的实现。

Rule 8. 【强制】集合如果存在并发修改的场景，需要使用线程安全的版本

1) 著名的反例，HashMap扩容时，遇到并发修改可能造成100%CPU占用。

推荐使用java.util.concurrent(JUC)工具包中的并发版集合，如ConcurrentHashMap等，优于使用Collections.synchronizedXXX()系列函数进行同步化封装(等价于在每个方法都加上synchronized关键字)。

例外：ArrayList所对应的CopyOnWriteArrayList，每次更新时都会复制整个数组，只适合于读多写很少的场景。如果频繁写入，可能退化为使用Collections.synchronizedList(list)。

2) 即使线程安全类仍然要注意函数的正确使用。

例如：即使用了ConcurrentHashMap，但直接是用get/put方法，仍然可能会多线程间互相覆盖。

List并不是List的子类，如果希望泛型的集合能向上向下兼容转型，而不仅仅适配唯一类，则需定

Rule 9. 【推荐】正确使用集合泛型的通配符

义通配符，可以按需要extends 和 super的字面意义，也可以遵循PECS(Producer Extends Consumer Super)原则:

List并不是List的子类，如果希望泛型的集合能向上向下兼容转型，而不仅仅适配唯一类，则需定

1) 如果集合要被读取，定义成

2) 如果集合要被写入，定义成

Rule 10. 【推荐】List, List 与 List的选择

定义成List，会被IDE提示需要定义泛型。 如果实在无法确定泛型，就仓促定义成List来蒙混过关的话，该list只能读，不能增改。定义成List呢，如规则9所述，List 并不是List的子类，除非函数定义使用了通配符。

因此实在无法明确其泛型时，使用List也是可以的。

Rule 11. 【推荐】如果Key只有有限的可选值，先将Key封装成Enum，并使用EnumMap

EnumMap，以Enum为Key的Map，内部存储结构为Object[enum.size]，访问时以value = Object[enum.ordinal()]获取值，同时具备HashMap的清晰结构与数组的性能。

Sonar-1640: Maps with keys that are enum values should be replaced with EnumMap

Rule 12. 【推荐】Array 与 List互转的正确写法