摘要：假设有两份 List 数据：userList 和 userMemoList。需要遍历 userList，根据每个用户的 userId，从 userMemoList 中查找并取出对应 userId 的 content 值进行后续处理。
在两张表中查找相同 ID 的数据时，许多开发者会使用两层 for 循环嵌套。这种写法效率较低，本文将介绍一种提高查找速度的优化方法。
在 for 循环内嵌套 for 循环，进行数据匹配和处理。时间复杂度为 O(n*m)，在数据量较大时性能会急剧下降。
假设有两份 List 数据：userList 和 userMemoList。需要遍历 userList，根据每个用户的 userId，从 userMemoList 中查找并取出对应 userId 的 content 值进行后续处理。
import lombok.Data;import java.util.*;import java.util.stream.Collectors;import org.springframework.util.StringUtils;@Dataclass User { private Long userId; private String name;}@Dataclass UserMemo { private Long userId; private String content;}public class NestedLoopOptimization { public static List getUserTestList { List users = new ArrayList; for (int i = 1; i getUserMemoTestList { List userMemos = new ArrayList; for (int i = 30000; i >= 1; i--) { UserMemo userMemo = new UserMemo; userMemo.setContent(UUID.randomUUID.toString); userMemo.setUserId((long) i); userMemos.add(userMemo); } return userMemos; }// ... 后续代码}模拟数据：5 万条 user 数据，3 万条 userMemo 数据。
最直接的实现方式，通过两层 for 循环进行匹配：
public static void nestedLoop(List userTestList, List userMemoTestList) { for (User user : userTestList) { Long userId = user.getUserId; for (UserMemo userMemo : userMemoTestList) { if (userId.equals(userMemo.getUserId)) { String content = userMemo.getContent; // System.out.println("模拟数据content 业务处理......" + content); // 避免打印影响测试结果 } } } }耗时：约数万毫秒 (5 万 * 3 万次迭代)。
ps：其实数据量小的话，其实没多大性能差别，不过我们还是需要知道一些技巧点。
break 优化当每个 userId 在 userMemoList 中只有一条数据时，找到匹配项后直接 break 跳出内循环：
public static void breakOptimizedLoop(List userTestList, List userMemoTestList) { for (User user : userTestList) { Long userId = user.getUserId; for (UserMemo userMemo : userMemoTestList) { if (userId.equals(userMemo.getUserId)) { String content = userMemo.getContent; // System.out.println("模拟数据content 业务处理......" + content); // 避免打印影响测试结果 break; // 找到匹配项后跳出内循环 } } } }耗时：仍然需要遍历较多次，但比嵌套循环略有改善。
public static void mapOptimizedLoop(List userTestList, List userMemoTestList) { Map contentMap = userMemoTestList.stream.collect(Collectors.toMap(UserMemo::getUserId, UserMemo::getContent)); for (User user : userTestList) { Long userId = user.getUserId; String content = contentMap.get(userId); if (StringUtils.hasLength(content)) { // System.out.println("模拟数据content 业务处理......" + content); // 避免打印影响测试结果 } } }两层 for 循环嵌套的时间复杂度为 O(n*m)，其中 n 和 m 分别为两个列表的长度。使用 Map 后，get 操作的时间复杂度接近 O(1)，整体时间复杂度降为 O(n+m)，避免了内循环的重复遍历。
HashMap 的 get 方法内部使用了 getNode 方法来查找键值对。getNode 方法利用哈希表结构，快速定位到目标键值对。虽然在极端情况下（所有键的哈希值都相同），getNode 的时间复杂度会退化为 O(n)，但在实际应用中，哈希冲突的概率很低，HashMap 的 get 操作效率通常很高。因此无需过于担心 O(n) 的最坏情况.
// HashMap.getNode 方法的部分关键代码 (JDK8)final Node getNode(int hash, Object key) { // ... (省略部分代码) if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k)))) return first; // 找到节点，直接返回 // ... (省略处理哈希冲突的代码)}通过以上优化，可以显著提高代码的执行效率。尤其是在处理大量数据时，使用 Map 优化能够带来巨大的性能提升。避免了不必要的计算，从而提升了代码的性能。
优化方法时间复杂度适用场景性能提升未优化（嵌套循环）O(n * m)数据量较小时可接受最低，耗时数万毫秒break 优化O(n * m)数据量较小，且 userId 唯一时适用略有提升，减少内循环次数Map 优化O(n + m)数据量大，且需要高效匹配时适用显著提升，耗时百毫秒级
来源：麻辣小王子
