在Java中，在两个较大（大小约900K）的字符串向量之间查找孤立项的最快方法是什么？

我目前正在开发一个处理大量数据所需的Java程序。我有两个向量

        Vector collectionA = new Vector();
        Vector collectionB = new Vector();

…在加工过程中，它们都将含有约900000种元素

我需要找到collectionB中不包含在collectionA中的所有项目。现在，我就是这样做的：

        for (int i=0;i<collectionA.size();i++) {
            if(!collectionB.contains(collectionA.elementAt(i))){
                // do stuff if orphan is found
            }
        }

---

for（int i=0；i使用哈希集进行查找

说明：

当前，您的程序必须测试collectionB中的每个项，以查看它是否等于collectionA中当前正在处理的项（
contains（）
方法需要检查每个项）

你应该做：

Set<String> set = new HashSet<String>(collectionB);

for (Iterator i = collectionA.iterator(); i.hasNext(); ) {
  if (!set.contains(i.next())) {
    // handle
  }
}

Set Set=newhashset（collectionB）；
for（迭代器i=collectionA.Iterator（）；i.hasNext（）；）{
如果（！set.contains（i.next（）））{
//处理
}
}

使用HashSet会有所帮助，因为该集合将为每个元素计算一个哈希值，并将元素存储在与一系列哈希值关联的bucket中。当检查某个项是否在集合中时，该项的哈希值将直接标识该项应在其中的bucket。现在只需检查该bucket中的项

使用
分类数据集
如
树集
也比
向量
有所改进，因为要查找项目，只需检查项目所在的位置，而不是所有位置。哪个
集
实现效果最好取决于数据。
使用哈希集进行查找

说明：

当前，您的程序必须测试collectionB中的每个项，以查看它是否等于collectionA中当前正在处理的项（
contains（）
方法需要检查每个项）

你应该做：

Set<String> set = new HashSet<String>(collectionB);

for (Iterator i = collectionA.iterator(); i.hasNext(); ) {
  if (!set.contains(i.next())) {
    // handle
  }
}

Set Set=newhashset（collectionB）；
for（迭代器i=collectionA.Iterator（）；i.hasNext（）；）{
如果（！set.contains（i.next（）））{
//处理
}
}

使用HashSet会有所帮助，因为该集合将为每个元素计算一个哈希值，并将元素存储在与一系列哈希值关联的bucket中。当检查某个项是否在集合中时，该项的哈希值将直接标识该项应在其中的bucket。现在只需检查该bucket中的项

使用
SortedSet
类似
TreeSet
的
SortedSet也将是对
Vector
的改进，因为要查找项目，只需检查项目所在的位置，而不必检查所有位置。哪个
集
实现效果最好取决于数据。
如果元素的顺序无关紧要，我将我们将按照以下步骤进行：

Set<String> a = new HashSet<>();
Set<String> b = new HashSet<>();

// ...

b.removeAll(a):

在我的普通开发机器上，使用Oracle JDK 7，
TreeSet
变量大约比
HashSet
变量（~105ms）慢4倍（~450ms）。
如果元素的顺序无关紧要，我会选择，并按如下方式执行：

Set<String> a = new HashSet<>();
Set<String> b = new HashSet<>();

// ...

b.removeAll(a):

在我的普通开发机器上，使用Oracle JDK 7，
TreeSet
变量比
HashSet
变量（~105ms）慢4倍（~450ms）.
如果值基数较低：保留两个集合。一个用于可乐，另一个用于可乐。每次添加/替换/删除每个集合中的内容时，都要更新这两个集合。使用它们来区分它们。如果基数较高，我不知道：-）将900T更改为900K。后者可能被读取为TB，我很确定你的向量不会那么大：-）lol paxdiablo我本来应该写900K，但选择了900T，因为我认为900K可能被读取为KB:pMike/Leo:tbh，这只是因为我不熟悉集合。但是如果使用集合可以大大提高我的运行时间，那么我将使用集合实现逻辑。谢谢如果瓶颈是比较本身（例如，您的集合包含难以比较的复杂对象）：尝试使用一些更简单的数据表示法来优化比较（java已经通过object hashcode（）实现了这一点，但您可能可以改进它）。如您所见，这个问题有许多假设：-）如果值基数较低：保留两个集。一杯可乐，一杯可乐。每次您添加/替换/删除每个集合中的内容时，都要更新这两个集合。用它们来分散它们。如果基数高，我不知道：-）将900T更改为900K。后者可能被读取为TB，我很确定你的向量不会那么大：-）lol paxdiablo我本来应该写900K，但选择了900T，因为我认为900K可能被读取为KB:pMike/Leo:tbh，这只是因为我不熟悉集合。但是如果使用集合可以大大提高我的运行时间，那么我将使用集合实现逻辑。谢谢如果瓶颈是比较本身（例如，您的集合包含难以比较的复杂对象）：尝试使用一些更简单的数据表示法来优化比较（java已经通过object hashcode（）实现了这一点，但您可能可以改进它）。正如你所看到的，这个问题有很多假设：-）谢谢你的建议。哈希集与哈希集不同吗？Mike和Leo建议使用集合，所以我只是想知道它们是否与Hashset相同provided@heisenbergman-HashSet是Set接口的一个实现（因此，是的，它们是不同的）。如果你愿意，你可以用TreeSet做实验。根据数据的“形状”，它可能比哈希集更快。谢谢你的建议。哈希集与哈希集不同吗？Mike和Leo建议使用集合，所以我只是想知道它们是否与Hashset相同provided@heisenbergman-HashSet是Set接口的一个实现（因此，是的，它们是不同的）。如果你愿意，你可以