如何優化資料結構？
1、優先使用陣列以及字串，而不是集合類。也就是說，優先用array，而不是ArrayList、LinkedList、HashMap等集合。
比如，有個List list = new ArrayList()，將其替換為int[] arr = new int[]。這樣的話，array既比List少了額外資訊的儲存開銷，還能使用原始資料型別（int）來儲存資料，比List中用Integer這種包裝型別儲存資料，要節省記憶體的多。
還比如，通常企業級應用中的做法是，對於HashMap、List這種資料，統一用String拼接成特殊格式的字串，
比如Map<Integer, Person> persons = new HashMap<Integer, Person>()。可以優化為，特殊的字串格式：id:name,address|id:name,address...。
複製程式碼2、避免使用多層巢狀的物件結構。比如說，
public class Teacher { private List<Student> students = new ArrayList<Student>() }。
複製程式碼就是非常不好的例子。因為Teacher類的內部又巢狀了大量的小Student物件。 比如說，對於上述例子，也完全可以使用特殊的字串來進行資料的儲存。比如，用json字串來儲存資料，就是一個很好的選擇。
{"teacherId": 1, "teacherName": "leo", students:[{"studentId": 1, "studentName": "tom"},{"studentId":2, "studentName":"marry"}]}
複製程式碼例如mapreduce程式：
context.write(new Text(key),new person());
Person p1 = new Person(1,"zahngsan")
String str = JSON.toJSON(p1)
context.write(new text(key),str)
複製程式碼3、對於有些能夠避免的場景，儘量使用int替代String。因為String雖然比ArrayList、HashMap等資料結構高效多了，佔用記憶體量少多了，但是之前分析過，還是有額外資訊的消耗。比如之前用String表示id，那麼現在完全可以用數字型別的int，來進行替代。這裡提醒，在spark應用中，id就不要用常用的uuid了，因為無法轉成int，就用自增的int型別的id即可。（sdfsdfdf-234242342-sdfsfsfdfd）