这里是一个较为复杂的Stream操作示例,供大家参考。
我们可以设想一个场景,其中我们有一个用户列表,每个用户都有多个订单,每个订单有多个产品,我们需要找出所有用户中年龄超过30岁、居住在特定城市、并且至少有一个订单总价超过1000元的用户,同时统计这些用户的所有订单中产品的总数量。
下面是一个基于这个场景的Java代码示例,使用了Stream API的各种高级特性,如flatMap
、filter
、map
、collect
、groupingBy
、reducing
和filtering
:
import java.util.*;
import java.util.stream.Collectors;
class Product {
private String name;
private double price;
public Product(String name, double price) {
this.name = name;
this.price = price;
}
public double getPrice() {
return price;
}
}
class Order {
private List<Product> products;
public Order(List<Product> products) {
this.products = products;
}
public List<Product> getProducts() {
return products;
}
}
class User {
private String name;
private int age;
private String city;
private List<Order> orders;
public User(String name, int age, String city, List<Order> orders) {
this.name = name;
this.age = age;
this.city = city;
this.orders = orders;
}
public int getAge() {
return age;
}
public String getCity() {
return city;
}
public List<Order> getOrders() {
return orders;
}
}
public class ComplexStreamExample {
public static void main(String[] args) {
List<User> users = new ArrayList<>();
// 假设这里填充了users列表...
// 复杂的Stream操作
Map<String, Long> result = users.stream()
.filter(user -> user.getAge() > 30 && "New York".equals(user.getCity()))
.flatMap(user -> user.getOrders().stream())
.filter(order -> order.getProducts().stream()
.mapToDouble(Product::getPrice)
.sum() > 1000)
.collect(Collectors.groupingBy(Order::hashCode,
Collectors.reducing(0L,
order -> (long) order.getProducts().size(),
Long::sum)));
// 打印结果
result.forEach((k, v) -> System.out.println("Order count for key " + k + ": " + v));
}
}
请注意,上面的示例中Order::hashCode
在groupingBy
中的使用可能是误导性的,因为Order
的hashCode
可能不会唯一标识一个订单,特别是在并行流中。在实际应用中,你可能需要使用更稳定和唯一的标识符来分组,例如Order
的ID。
这个示例展示了如何使用流API来过滤、映射和聚合复杂的数据结构,但它也可以进一步优化和改进,例如,确保在groupingBy
和reducing
中使用更合理的键,以及可能的并行处理。此外,实际应用中可能需要考虑性能和内存使用,特别是在处理大数据集时。