Collections.frequency 是 Java 中用于单次统计元素频次的轻量线程安全方法，时间复杂度 O(n)，适用于小到中等规模数据、临时校验或调试场景，依赖 equals() 比较，支持 null，但海量数据频繁查询时应改用 Map 预聚合。
Collections.frequency 是 Java 集合工具类中一个轻量、易用且线程安全的静态方法，适合在不引入额外依赖、不改变原集合的前提下，快速统计某元素在 List 或 Collection 中的出现次数。它底层采用遍历比较，时间复杂度为 O(n)，虽不如预建哈希表（如 Map）做多次查询高效，但在**单次统计、临时校验、调试分析或小到中等规模数据场景下非常实用**。
适用前提：确保元素可正确比较
该方法依赖 equals() 判断相等性，因此：
- 对于
String、Integer等包装类或已重写equals的自定义对象，可直接使用； - 若传入自定义对象（如
User），必须重写equals（和hashCode，虽然此处未用到哈希，但属良好实践）； - 注意
null值支持——Collections.frequency(list, null)合法，会统计null元素个数。
典型实战用法：一行代码完成频次获取
无需手写循环，避免空指针或逻辑错漏。例如：
List<String> logs = Arrays.asList("ERROR", "INFO", "ERROR", "WARN", "ERROR");
int errorCount = Collections.frequency(logs, "ERROR"); // 返回 3
再比如统计日志中某用户 ID 出现次数：
List<Long> userIds = fetchAllUserIdsFromDB(); // 假设返回 10 万条 long targetId = 12345L; int count = Collections.frequency(userIds, targetId); // 直接得结果，无需构建 Map
性能提醒：海量数据下需谨慎评估
当集合元素达百万级且需频繁统计不同值时，Collections.frequency 每次都全量遍历，开销显著。此时应改用一次预处理：
- 用
Map<T, Integer>预聚合（如Collectors.groupingBy(..., Collectors.counting())）； - 若仅需 Top-K 高频项，可用
TreeMap或PriorityQueue优化； - 对超大数据（如日志文件流式处理），建议结合 Spark 或 Flink 等分布式框架。
替代思路：配合 Stream API 更灵活（Java 8+）
若需链式操作或附加条件（如忽略大小写、按属性匹配），Stream 更直观：
List<String> words = Arrays.asList("apple", "Apple", "banana", "APPLE");
long appleCount = words.stream()
.filter(w -> "apple".equalsIgnoreCase(w))
.count(); // 返回 3
这种方式语义清晰、可组合性强，且支持并行（parallelStream()），对多核 CPU 友好。
