核心收获：熟练掌握 Java 集合框架（List, Set, Map）
练习1 — List 去重与保留顺序
移除列表中的重复元素并保持首次出现的顺序，使用 LinkedHashSet 构造函数或 Stream 的 distinct()，对比 HashSet 丢失顺序的场景。
//练习1：List去重与保留顺序//测试数据List<String>duplicateList=Arrays.asList("A","B","A","C","B","D","E","T","G","F","Y","G");//方法1：使用LinkedHashSet(底层基于插入顺序的哈希表，天然保序)List<String>distinctWithOrderOne=newArrayList<>(newLinkedHashSet<>(duplicateList));System.out.println("LinkedHashSet去重保序结果："+distinctWithOrderOne);//方法2：使用Stream.distinct()(底层基于LinkedHashSet实现，同样保序)List<String>distinctWithOrderTwo=duplicateList.stream().distinct().collect(Collectors.toList());System.out.println("Stream.distinct()去重保序结果："+distinctWithOrderTwo);//方法3：对比：普通HashSet会丢失插入顺序List<String>distinctNoOrder=newArrayList<>(newHashSet<>(duplicateList));System.out.println("HashSet去重丢失顺序结果："+distinctNoOrder);//输出结果：//LinkedHashSet去重保序结果：[A, B, C, D, E, T, G, F, Y]//Stream.distinct()去重保序结果：[A, B, C, D, E, T, G, F, Y]//HashSet去重丢失顺序结果：[A, B, C, D, E, F, G, T, Y]练习2 — Map 安全获取与默认值
从 Map 中获取用户配置，若 Key 不存在则返回默认配置对象，使用 Map.getOrDefault() 或 computeIfAbsent() 避免空指针异常（NPE）。
//练习2：Map的安全获取与默认值//测试数据Map<String,String>userConfig=newHashMap<>();userConfig.put("theme","dark");userConfig.put("fontSize","16");//方法1：getOrDefault,仅查询不写入MapStringtheme=userConfig.getOrDefault("theme","light");StringunknownKey=userConfig.getOrDefault("unknownKey","defaultValue");System.out.println("theme配置："+theme);System.out.println("不存在的key默认值："+unknownKey);//方法2：computeIfAbsent,若key不存在则写入默认值到Map,后续直接复用StringcacheConfig=userConfig.computeIfAbsent("cacheExpire",k->"3600");System.out.println("新增的缓存配置："+cacheConfig);System.out.println("Map最终内容："+userConfig);//输出结果：//theme配置：dark//不存在的key默认值：defaultValue//新增的缓存配置：3600//Map最终内容：{cacheExpire=3600, theme=dark, fontSize=16}练习3 — 集合求交集与差集
找出两个用户标签列表（List）的共同标签（交集）和独有标签（差集），使用 retainAll() / removeAll() 或 Stream 的 filter + contains，注意大数据量下的性能优化（转为 HashSet 查找）。
//练习3集合求交集与差集//测试数据List<String>tagsOne=newArrayList<>(Arrays.asList("Java","Spring","AI","MySQL"));List<String>tagsTwo=newArrayList<>(Arrays.asList("Spring","Redis","Java","Kafka"));//性能优化：先转HashSet,将contains操作从O(n)降为O(1)，适配大数据量场景Set<String>tagSetOne=newHashSet<>(tagsOne);Set<String>tagSetTwo=newHashSet<>(tagsTwo);//1:求交集(共同标签)Set<String>intersection=newHashSet<>(tagSetOne);intersection.retainAll(tagSetTwo);System.out.println("共同标签："+intersection);//2:求差集(tagOne独有的标签)Set<String>difference=newHashSet<>(tagSetOne);difference.removeAll(tagSetTwo);System.out.println("tagOne独有的标签："+difference);//3:Stream写法实现交集List<String>streamIntersection=tagsOne.stream().filter(tagSetTwo::contains).collect(Collectors.toList());System.out.println("Stream实现交集："+streamIntersection);//4:Stream写法实现差集List<String>streamDifference=tagsOne.stream().filter(tag->!tagSetTwo.contains(tag)).collect(Collectors.toList());System.out.println("Stream实现差集："+streamDifference);//输出结果//共同标签：[Java, Spring]//tagOne独有的标签：[MySQL, AI]//Stream实现交集：[Java, Spring]//Stream实现差集：[AI, MySQL]练习4 — List 转 Map 分组与映射
将订单列表按“状态”分组统计总金额，使用 Collectors.groupingBy 嵌套 Collectors.summingDouble；或将列表直接转为 Map<ID, Object> 以便快速查找，使用 Collectors.toMap 并处理键冲突策略。
//练习4:List转Map分组与映射//测试数据List<Order>orders=Arrays.asList(newOrder(1L,1,99.9),newOrder(2L,1,199.9),newOrder(3L,2,299.9),newOrder(4L,2,399.9));//1：按订单状态分组，统计每个状态的总金额Map<Integer,Double>statusTotalMap=orders.stream().collect(Collectors.groupingBy(Order::status,Collectors.summingDouble(Order::amount)));System.out.println("按订单状态分组总金额："+statusTotalMap);//2:转成ID-订单的快速查找Map，处理键冲突Map<Long,Order>idToOrderMap=orders.stream().collect(Collectors.toMap(Order::id,order->order,(oldVal,newVal)->oldVal));System.out.println("ID映射订单Map:"+idToOrderMap);//输出结果：//按订单状态分组总金额：{1=299.8, 2=699.8}//ID映射订单Map:{1=Order[id=1, status=1, amount=99.9],// 2=Order[id=2, status=1, amount=199.9],// 3=Order[id=3, status=2, amount=299.9],// 4=Order[id=4, status=2, amount=399.9]}
