4.3 可变集合与集合操作选型

4.3 可变集合与集合操作选型

可变集合（ArrayBuffer、ListBuffer、mutable.Map 等）是性能热点上的合法工具；组合子的选型与性能则决定集合代码的生产质量。本节合并讲"何时破例用可变"与"组合子怎么选"。

破例的三种正当情形

import scala.collection.mutable

// 1. 热点循环构建大集合：ListBuffer 尾部 O(1)
val buf = mutable.ListBuffer[Int]()
for i <- 1 to 1000000 do buf += i
val big = buf.toList          // 构建完转不可变，可变性不外泄

// 2. 高频原地更新计数
val counter = mutable.Map.empty[String, Int]
words.foreach(w => counter(w) = counter.getOrElse(w, 0) + 1)

// 3. 与 Java API 交互的缓冲区
val out = new java.util.ArrayList[String]()
​

共同模式是：可变只活在函数体内，出口处转回不可变。可变性像脚手架，房子交付前拆掉。

组合子的"不可变替代"往往已经够快，先测再换：

words.groupMapReduce(identity)(_ => 1)(_ + _)   // 上面计数的一次到位写法
(1 to 1000000).toVector                          // 直接生成，无需循环
​

常用组合子分组记忆

几个容易忽视的性能点：

• xs.filter(p).head 换成 xs.find(p)，找到即停。
• 多趟扫描合成一趟：xs.map(f).filter(g) 在大集合上不如 view 链。
• foldLeft vs reduce：reduce 空集合抛异常，foldLeft 可给初值（且 sum、mkString 内部就是 fold）。

案例：日志统计一条龙

val lines: List[String] = ???

val topPaths = lines
  .view
  .map(_.trim)
  .filter(_.nonEmpty)
  .collect { case s"$method $path $_" => path }
  .groupMapReduce(identity)(_ => 1)(_ + _)
  .toList
  .sortBy(-_._2)
  .take(10)
​

view 惰性贯穿 collect，groupMapReduce 一次成表，sortBy 加负号倒序。整段没有一层嵌套循环，每一步都能单独替换——这就是组合子管线对"命令式三重 for"的替换。

不可变管线 vs 手写可变循环的成本直觉

图 4-3 集合选型决策路径

完整案例：从不可变切到可变的一次性能急救

背景：一个 ETL 任务要把千万行日志按分钟桶聚合，初版全用不可变 Map 的 + 更新，耗时与 GC 压力都超标。操作过程分两步，先定位再替换：

// 初版：每行日志都复制整张 Map，千万次更新等于千万次拷贝
val r1 = lines.foldLeft(Map.empty[Int, Int]) { (m, line) =>
  val bucket = minuteOf(line)
  m + (bucket -> (m.getOrElse(bucket, 0) + 1))
}

// 急救版：聚合阶段局部使用可变 Map，结束后冻结成不可变值返回
import scala.collection.mutable
val tmp = mutable.Map.empty[Int, Int]
for line <- lines do
  val b = minuteOf(line)
  tmp(b) = tmp.getOrElse(b, 0) + 1
val r2 = tmp.toList.toMap        // 边界处交出不可变快照
​

结果：耗时下降一个数量级，GC 停顿显著减少。解读：可变性本身不是罪，失控的可变性才是——把它圈在局部作用域、出口处冻结，外面的人拿到的仍是不可变值，安全边界清晰。变式：Scala 2.13 以上的合并利器是 Map 的 merged 与 groupMapReduce，一行等价于上面的循环，且内部已做优化，能上库函数就不手写。

逃逸检查：怎么判断可变性有没有漏出去

三条自检：可变集合是否出现在公开方法的返回类型或参数里；是否被赋给比方法作用域更长的 val；是否被闭包捕获后异步执行（6.1 节 Future 常见事故源）。三条全否，局部可变就是安全的。

可变集合的 API 差异速记

不可变用 +，可变用 +=；这组差异记一张小表：

最阴险的坑是 ArrayBuffer 上写 xs.sorted 然后丢弃返回值——sorted 返回新序列，原缓冲纹丝不动，程序"看起来跑了"但结果没变。见到编译器警告 a pure expression does nothing in statement position，八成就是它。

本节要点回顾

• 可变的三种正当场合：热点构建、高频原地更新、与 Java 交互，出口转回不可变。
• 组合子分组记忆：变换、过滤、聚合、重排、探测、拆合。
• find 换 filter 加 head、view 合并多趟、reduce 小心空集合。
• 先测后优化：groupMapReduce 这类一步到位 API 常已消除换可变的动机。