我应该为一个非常大的数据集使用`HashSet`或`TreeSet`吗？
我需要在数据结构中存储2到1,500万个帐户（长度为15的String ），以便查找和检查唯一性。 最初我计划将它们存储在HashSet ，但是我怀疑由于哈希冲突导致查找的速度会很慢，并且最终会比TreeMap慢（使用二进制搜索）。
不需要对数据进行排序。 我正在使用Java 7.我有64G系统，48G专用于此应用程序。
这个问题不是HashSet和TreeSet性能测试的重复，因为该问题是关于向Set添加元素的性能，这个问题是关于检查现有Set的重复值的性能。
如果您有200万到1500万条记录的48 GB专用内存，最好的办法是使用HashMap ，其中您的密钥是Integer或String具体取决于您的要求。
只要您为Map提供足够的内存并具有适当的加载因子，就可以完成哈希冲突。
我建议使用以下构造函数： new HashMap<>(13_000_000); （比预期的记录数量多30％ – 这将通过HashMap的实现自动扩展到2^24单元格）。 告诉你的应用程序，这个Map从一开始就会非常大，因此它不需要在填充时自动增长。
HashMap使用O(1)访问时间，而TreeMap使用O(log n)查找时间，但对内存更有效，并且不需要聪明的散列函数。 但是，如果您使用的是String或Integer键，则无需担心设计散列函数，并且常量时间查找将是一个巨大的改进。 另外， TreeMap / TreeSet另一个优点是排序顺序，你说你不关心它; 使用HashMap 。
如果列表的唯一目的是检查唯一帐号 ，那么我上面说过的所有内容仍然是正确的，但正如您在问题中所述，您应该使用HashSet ，而不是HashMap 。 性能建议和构造函数参数仍然适用。
进一步阅读： HashSet和TreeSet性能测试
当我们尝试使用适当的初始化参数在HashMap中存储5000万条记录时，插入开始减速，特别是在3500万条记录之后。 更改为TreeMap提供了持续的插入和检索性能。
观察：对于大型输入集，TreeMap将提供比HashMap更好的性能。 对于较小的集合，HashMap当然会提供更好的性能。