新闻详情

新闻详情

首页 / 资讯中心 / 详情

Java中equals方法比了个寂寞?原来这才是正确的重写姿势

发布时间:2026/11/17 1:17:36来源:尧图网络
Java中equals方法比了个寂寞?原来这才是正确的重写姿势
去年在金融项目里处理一笔对账数据时我们突然发现系统漏掉了300多条记录——明明两个Transaction对象的金额和账户ID完全一致HashSet.contains()却始终返回false。排查到最后问题竟然出在一个看似简单的equals方法上。你是不是也以为重写equals就是比较几个字段今天咱们就聊聊那些年equals方法里藏过的坑。当equals遇上HashSet一个对账系统的惨案我们的对账模块需要比对两个数据源的交易记录逻辑很简单用HashSet存储基准数据然后遍历待核对数据调用contains()比对。在测试环境一切正常但生产环境跑完总有漏网之鱼。 通过日志最终锁定问题某些Transaction对象虽然业务字段值相同但hashCode()返回值却不一样——因为有人偷懒只重写了equals却忘了hashCode。这里有个硬规则如果两个对象equals返回true它们的hashCode必须相同。否则当对象作为键存入HashMap或HashSet时会存在哈希桶定位错误的风险。// 错误示范只重写equals Override public boolean equals(Object o) { if (this o) return true; if (o null || getClass() ! o.getClass()) return false; Transaction that (Transaction) o; return amount.equals(that.amount) accountId.equals(that.accountId); } // 正确姿势必须配套重写hashCode Override public int hashCode() { return Objects.hash(amount, accountId); // 使用相同字段 }为什么Lombok的EqualsAndHashCode也翻过车你可能会说我用Lombok自动生成不就完了别急去年另一个坑正出在这里。某次上线后监控突然显示某个核心服务CPU飙到90%堆栈显示卡在HashMap.get()——因为自动生成的hashCode()包含了全部字段而其中一个字段是BLOB类型的大文本关键点hashCode()必须满足一致性对象不变时返回值不变但不要求所有字段参与运算。对于重型字段应该手动排除EqualsAndHashCode(onlyExplicitlyIncluded true) public class Order { EqualsAndHashCode.Include private Long id; // 只使用轻量级字段 private byte[] pdfContent; // 排除大字段 }实测对比包含10KB文本字段的类调用hashCode()耗时从1200ns降至60nsJMH基准测试预热后结果。谁杀死了你的equals性能假设你给用户权限系统写了这样的equals// 性能杀手无谓的字符串比对 Override public boolean equals(Object o) { //...省略判空 User user (User) o; return username.equals(user.username) permissions.stream() .sorted() .collect(joining(,)) .equals(user.permissions.stream() .sorted() .collect(joining(,))); }问题出在每次比较都要对流进行排序和拼接。如果权限列表有20项单次equals耗时直接突破1ms实测数据。对于高频调用的场景这种写法就是自杀。优化原则优先比较大概率不等的字段避免深层嵌套结构的完全遍历return username.equals(user.username) permissions.size() user.permissions.size() permissions.containsAll(user.permissions); // 前提是Set实现避坑清单equals重写的军规hashCode必须和equals同步重写违反这条直接导致HashMap/HashSet行为异常避免可变字段参与计算如果参与equals的字段会被修改对象作为Map键时将失踪数组字段用Arrays.equals比较直接调用array.equals()比较的是引用浮点数字段用Double.compare处理NaN和±0.0等特殊情况子类equals必须满足里氏替换原则子类新增字段会导致对称性被破坏终极答案什么时候才该重写equals经过这些年踩坑我的判断标准只有两条需要对象逻辑相等而非引用相等时比如值对象确定该对象会作为集合元素或Map键使用时否则直接使用Object的默认实现反而是最安全的选择。你在项目里遇到过哪些equals的奇葩坑欢迎分享你的血泪史。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉