哈希集合（如hashset、set）依赖哈希表实现o(1)平均查找，需正确重写hashcode()与equals()协同、避免可变字段、保证散列均匀，并合理初始化容量；treeset或list模拟集合则无法达到o(1)。
靠集合类型本身不会自动把搜索从 O(n) 变成 O(1)，真正起效的是底层用哈希表实现的集合（如 Java 的 HashSet、Python 的 set），配合正确实现的 hashCode() 与 equals()，才能让平均查找稳定在 O(1)。
用对集合类型：选哈希表-backed 的实现
不是所有“集合”都快。比如 Java 的 TreeSet 基于红黑树，查找是 O(log n)；Python 的 frozenset 和 set 才是哈希实现。关键看底层数据结构：
- Java：优先用 HashSet（非 TreeSet 或 LinkedHashSet，除非需要排序或插入顺序）
- Python：直接用 set，不要用 list 或 tuple 模拟集合
- 避免把对象塞进 List 后用
contains()查——那是纯遍历，稳稳 O(n)
重写 hashCode() 与 equals() 必须协同
这是最容易被忽略、却最致命的一环。如果两个逻辑相等的对象返回不同 hash 码，它们会被散列到不同桶里，查不到 = 命中率为 0：
- 只要
equals()返回 true，hashCode()就必须返回相同值 - 参与
equals()判断的字段，一个都不能少地放进Objects.hash(...) - 别用可变字段（如未 final 的 List、Map、或后续会改的 status 字段）——对象进集合后一改，hash 码就变，原位置失效
让散列分布尽量均匀，减少冲突
即使满足协同性，如果大量对象 hash 值扎堆（比如全返回 0 或只集中在几个数），哈希表会退化成链表甚至红黑树，查找重回 O(n) 级别：
- 字符串字段直接用
String.hashCode()即可，它本身已优化；不要拼接后再算(a + b).hashCode() - 多个数值字段，用
Objects.hash(x, y, z)，它内部用质数乘法+异或混合，比手写x * 31 + y更抗碰撞 - 布尔/枚举字段别忽略——转成 0/1 或 ordinal() 后参与计算，否则
equals()为 true 时可能hashCode()不同
初始化与使用习惯也影响实际命中表现
理论 O(1) 要落地，还得避开常见操作坑：
- 创建 HashSet 时预估容量：
new HashSet(expectedSize)，避免频繁扩容重散列 - 别在集合中修改影响
hashCode()的字段——改了就等于“换了个对象”，原桶里再也找不到它 - 浮点字段要统一处理：
Double.hashCode(Double.doubleToLongBits(x))，否则0.0和-0.0会被当成不同 key
