Java HashSet存储自定义类去重失效原因及解决方法

HashSet的底层是基于哈希表实现的，它判定元素重复的逻辑从来都不是单独调用equals()方法，而是遵循两步校验规则：

1. 先调用元素的hashCode()方法获取哈希值，根据哈希值找到元素对应的存储桶位置，如果这个位置上没有存过其他元素，直接判定为不重复，直接存入，不会走后续equals校验
2. 只有当两个元素的hashCode()返回值完全相同时，才会进一步调用equals()方法比对，equals()返回true才最终判定为重复元素，拒绝插入。

你当前的User类只重写了equals()方法，没有重写hashCode()方法，会默认调用Object类的原生hashCode()实现——这个原生实现是根据对象在内存中的存储地址计算哈希值的。user1和user2是两次new出来的独立对象，内存地址不同，计算出的哈希值自然不同，HashSet会直接把它们判定为不重复元素分别存入，根本不会触发你写的equals()比对逻辑，最终集合大小就是3，不会达到预期的去重效果。

• 存自定义类到Set必须重写equals()方法吗？
  没有统一的强制要求，要根据你用的Set具体实现类来定：
  • 用HashSet/LinkedHashSet这类哈希表实现的Set时，必须同时重写符合逻辑一致性的equals()和hashCode()方法：如果两个对象通过equals()判定为相等，它们的hashCode()返回值必须完全相同，否则去重逻辑一定失效。
  • 用TreeSet这类基于红黑树、按排序规则存储的Set时，不需要重写equals()和hashCode()，但要保证元素实现Comparable接口的compareTo()方法，或者在构造TreeSet时传入自定义比较器，两个元素比较返回0时就会被判定为重复。
• Set不是自带自动去重能力吗？为什么会失效？
  Set只是接口规范，所谓“自动去重”是各个实现类按照自己的判定规则完成的，没有脱离实现逻辑的“魔法式去重”：不满足对应实现类的重复判定条件，自然不会触发去重。你当前的代码只适配了equals()的判断逻辑，完全没适配HashSet依赖的hashCode()校验规则，去重失效是必然结果。

首先给User类补充重写hashCode()方法，逻辑和equals()保持一致，基于你判定重复的核心字段uid生成哈希值即可：

@Override
public int hashCode() {
    return uid == null ? 0 : uid.hashCode();
}

另外你当前写的equals()方法存在健壮性问题：没有判断入参是否为空、是否是User类型，遇到非法入参会直接抛出类型转换异常，可以优化为更稳妥的写法：

@Override
public boolean equals(Object obj) {
    if (this == obj) return true;
    if (obj == null || getClass() != obj.getClass()) return false;
    User targetUser = (User) obj;
    return uid != null ? uid.equals(targetUser.uid) : targetUser.uid == null;
}

修改完成后重新运行测试代码，user1和user2会因为uid相同、哈希值一致、equals比对返回true被HashSet判定为重复元素，最终集合大小为2，符合预期。

内容的提问来源于stack exchange，提问作者Elly