HashSet内存占用高主因是HashMap底层结构及对象封装开销；优化需从用法（预设容量、精简存储）、结构（分批/流式/外部去重）、配置（G1GC、监控）三方面协同。
HashSet 内存占用高，核心原因在于它底层依赖 HashMap 存储键值对（value 固定为 Presentation），每个元素都包装成一个 Node 对象，并额外维护哈希桶数组、链表/红黑树结构。当数据量大、对象本身重或哈希分布差时，内存开销会明显上升。优化需从“用法”“结构”“配置”三方面入手，不单靠调参。
合理初始化容量和负载因子
默认构造的 HashSet() 初始容量为 16，负载因子 0.75 —— 意味着插入第 13 个元素就触发扩容。频繁扩容不仅耗时，还会造成旧数组残留、新数组分配、元素迁移，加剧内存抖动。
- 预估元素数量，显式指定初始容量：例如存 200 万条去重数据，可设
new HashSet(2_097_152, 0.75f)（221，避免多次扩容） - 若唯一性要求强且哈希计算稳定，可适当提高负载因子（如
0.85f），减少数组空间浪费；但需权衡查找性能下降风险 - 避免用
new HashSet(list)直接构造 —— 它不会按 list.size() 预分配，而是走默认构造再逐个 add，可能触发多次扩容
精简存储对象，避免冗余封装
HashSet 存的是引用，如果往里放的是大对象（如含 10 个字段的 POJO）、字符串长且重复率低，或用了包装类（Integer 而非 int），都会显著推高堆内存。
JavaStoryDevelop
下载
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
- 优先存轻量标识：例如用
user.getId()（long）代替user对象；用md5Hex字符串代替原始大文本 - 字符串去重场景，考虑用
String.intern()（注意 JDK7+ 元空间风险）或 Guava 的Interners.newWeakInterner() - 避免在 HashSet 中存未重写
hashCode()/equals()的自定义对象，否则可能因哈希冲突严重导致链表过长、内存碎片化
替代方案与分治策略
不是所有场景都必须用全量加载的 HashSet。当数据达百万级甚至更大，应主动规避单点内存压力。
立即学习“Java免费学习笔记（深入）”；
- 流式去重：用
Stream.distinct()+ 自定义Collector控制中间状态，配合limit()或分页处理 - 分批处理：将 200 万数据切分为每批 5 万，每批建独立 HashSet，去重后合并结果（可用
ConcurrentHashMap.newKeySet()并行归并） - 外部去重：超大数据量（如日志行去重）改用 Redis 的
SET或布隆过滤器（BloomFilter）做前置判重，Java 端只存确认唯一项 - 结构降级：若需排序，
TreeSet内存略高但更可控；若仅判断存在性且 key 是基础类型，用LongOpenHashSet（Trove）或IntArrayList+ 二分等原始集合库可省去对象头开销
JVM 层面辅助控制
HashSet 本身不直接受 JVM 参数影响，但它的行为会放大 GC 压力。配合调整可缓解表现：
- 启用 G1GC：
-XX:+UseG1GC，对大堆更友好，降低 Full GC 风险 - 限制元空间：
-XX:MaxMetaspaceSize=256m，防止动态代理或大量类加载挤占堆外内存 - 监控验证：加
-XX:+PrintGCDetails -Xloggc:gc.log，观察是否因 HashSet 导致老年代快速晋升；用 JFR 或 MAT 分析堆直方图，确认Node和String是否异常多
