Kotlin使用list.map()时如何避免ConcurrentModificationException

方案1：使用集合快照（最省事，适合统计允许存在毫秒级延迟的场景） #

你担心的创建临时列表的方案实际开销极低，完全不存在不合理的问题，是绝大多数场景下的最优解。同时Kotlin标准库已经封装了求和方法，不需要手动写累加逻辑：

// 生成当前集合的不可变快照，后续操作完全和原集合无关
val currentSnapshot = arrDeltaBrainWaves.toList()
// 直接调用sum方法求和，无需手动遍历累加
val deltaSum = currentSnapshot.sum()
avgDelta = deltaSum / currentSnapshot.size

注意：该方案统计的是生成快照瞬间的集合数据，生成快照后原集合的改动不会影响本次统计结果

方案2：全局加锁保证读写互斥（适合要求统计数据绝对实时精准的场景） #

给集合的所有读写操作绑定同一把锁，保证遍历统计的过程中不会有其他线程修改集合，从根源避免并发修改冲突：

// 全局定义和该集合绑定的锁，所有对arrDeltaBrainWaves的读写操作都必须持有该锁
val collectionLock = Any()

// 统计逻辑
synchronized(collectionLock) {
    val deltaSum = arrDeltaBrainWaves.sum()
    avgDelta = deltaSum / arrDeltaBrainWaves.size
}

// 其他位置修改集合的逻辑也要加相同的锁，示例：
synchronized(collectionLock) {
    arrDeltaBrainWaves.add(newValue)
}

方案3：直接使用线程安全集合（适合高频读写的场景） #

初始化集合时直接使用JDK自带的CopyOnWriteArrayList，该集合的遍历操作默认基于快照实现，天然不会抛出ConcurrentModificationException，无需额外加锁或者手动复制快照：

// 初始化阶段替换集合实现即可
val arrDeltaBrainWaves = CopyOnWriteArrayList<Int>()

// 后续统计直接调用方法即可
val deltaSum = arrDeltaBrainWaves.sum()
avgDelta = deltaSum / arrDeltaBrainWaves.size

额外优化建议 #

你之前用map做累加属于API误用，map是用来做集合元素转换生成新集合的操作，纯副作用的遍历应该用forEach，求和、求平均这类通用统计逻辑直接用标准库封装的sum()、average()方法即可，代码更简洁也不容易出错。

内容的提问来源于stack exchange，提问作者Beesz