基本数据类型节省内存的核心在于避免封装、减少冗余、贴近硬件布局；它们无对象头、无引用跳转、无GC跟踪，天然轻量，关键在于用对场景——如用int[]替代List<Integer>可省内存数倍，禁用隐式装箱，按需选型（byte/short代替int）、紧凑字段排列、平行数组替代对象数组。
基本数据类型节省内存的核心在于“避免封装、减少冗余、贴近硬件布局”。它们不带对象头、无引用跳转、无GC跟踪，天然轻量——关键是怎么用对、用足。
用原生数组替代包装类集合
Java 中 int[] 比 List<Integer> 节省内存数倍：前者连续存 4 字节整数；后者每个 Integer 是独立堆对象（至少 16 字节），还附带 ArrayList 的容量数组和 size 字段。大数据统计、索引映射、滑动窗口等场景，直接声明 int[] counts = new int[1000000]，比反复 add() 到 ArrayList 快且稳。
- 数据库批量读取数值字段时，用
ResultSet.getInt()配合预分配long[]，别转成List<Long> - 禁用
Arrays.asList(new int[]{...})——它返回的是List<int[]>，不是你想要的，并可能触发意外装箱 - 排序、求和、去重等操作优先调用
Arrays.sort()、IntStream.sum()，而非先转集合再 stream
精简类型宽度与对齐填充
不盲目用 long 存 ID、不用 double 存金额。一个 int（4 字节）能覆盖 21 亿范围，足够多数业务主键或计数器；货币统一转为 long 存“分”，避免 double 的精度误差和 8 字节开销。Python 中同理：pd.read_csv(dtype={'user_id': 'int32', 'score': 'int16'}) 可比默认 int64 减少一半以上内存。
- 字符串高频重复字段（如状态码、地区名）改用
category类型（Pandas）或枚举索引（Java 枚举 +int[]映射） - 布尔值在 Java 中用
boolean[]，别用Boolean[]或List<Boolean>；Python 中用pd.array(..., dtype="boolean")或 NumPybool_ - 注意 JVM 对齐规则：两个
byte不会压缩成 2 字节，常因对齐补到 4 或 8 字节；紧凑结构优先用int、long等自然对齐类型
规避隐式装箱与中间对象爆炸
循环中写 list.add(i)（i 是 int）会自动装箱；Stream.of(1,2,3) 本质是 Stream<Integer>；for-each 遍历 Integer[] 也会拆箱再装箱。这些操作在百万级循环里等于凭空创建百万对象。
- 用传统
for (int i = 0; i < arr.length; i++)替代for (Integer x : list) -
Stream处理基本数组必须用Arrays.stream(intArr)得到IntStream，而非Stream.of(intArr) - 聚合运算直接调
IntStream.average()、LongStream.max()，别走stream.mapToInt(x -> x).average()这种多层包装路径
结构扁平化：多个平行数组胜过对象数组
算法中需维护节点状态（坐标、访问标记、距离值）时，别定义 Node[] nodes = new Node[n]。每个 Node 至少含对象头 + 3 个字段 + 对齐填充，总开销远超三个独立 int[]。
- 改成
int[] x, int[] y, boolean[] visited, int[] dist，内存连续、缓存友好、GC 压力归零 - 回溯/DFS 中临时状态可复用同一组数组，用下标推进，避免 new 对象
- 如果逻辑强耦合，可用静态内部类只含 final 基本字段，但依然不如平行数组极致
