stream导致的堆栈溢出问题

if(regionalAssessmentQuery.getGrade()!=null&&regionalAssessmentQuery.getGrade()!="" &&regionalAssessmentDTOS.size()>0){
            List<RegionalAssessmentDTO> collect = regionalAssessmentDTOS.stream().filter(regionalAssessmentDTO -> {
                regionalAssessmentDTO.setRegionalAssessmentDTOS(regionalAssessmentDTOS.stream().filter(assessmentDTO -> {
                    assessmentDTO.setRegionalAssessmentDTOS(assessmentDTO.getRegionalAssessmentDTOS().stream().filter(regionalAssessmentDTO2 -> regionalAssessmentDTO2.getType() == null ? false : regionalAssessmentDTO2.getType().equals(regionalAssessmentQuery.getGrade())).collect(Collectors.toList()));
                    return assessmentDTO.getRegionalAssessmentDTOS().size() > 0;
                }).collect(Collectors.toList()));
                return regionalAssessmentDTO.getRegionalAssessmentDTOS().size() > 0;
            }).collect(Collectors.toList());
            dtoPage.setRecords(collect);
        }else dtoPage.setRecords(regionalAssessmentDTOS);

如果你的条件搜索涉及到多个方法互相调用,可能会形成长链调用,最终导致栈溢出。在这种情况下,你可以考虑优化你的代码逻辑,减少方法之间的相互依赖。
在这里插入代码片

//改善堆栈溢出
if(regionalAssessmentQuery.getGrade()!=null&&regionalAssessmentQuery.getGrade()!="" &&regionalAssessmentDTOS.size()>0){
            for (RegionalAssessmentDTO regionalAssessmentDTO : regionalAssessmentDTOS) {
                for (RegionalAssessmentDTO assessmentDTO : regionalAssessmentDTO.getRegionalAssessmentDTOS()) {
                    assessmentDTO.setRegionalAssessmentDTOS(assessmentDTO.getRegionalAssessmentDTOS().stream().filter(regionalAssessmentDTO2 -> regionalAssessmentDTO2.getType() == null ? false : regionalAssessmentDTO2.getType().equals(regionalAssessmentQuery.getGrade())).collect(Collectors.toList()));
                }
               regionalAssessmentDTO.setRegionalAssessmentDTOS( regionalAssessmentDTO.getRegionalAssessmentDTOS().stream().filter(regionalAssessment->{
                   return regionalAssessment.getRegionalAssessmentDTOS().size()>0;
               }).collect(Collectors.toList()));

            }
            List<RegionalAssessmentDTO> collect = regionalAssessmentDTOS.stream().filter(regionalAssessmentDTO -> {
                return regionalAssessmentDTO.getRegionalAssessmentDTOS().size() > 0;
            }).collect(Collectors.toList());
            dtoPage.setRecords(collect);
        }else dtoPage.setRecords(regionalAssessmentDTOS);
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Redis Stream 是 Redis 5.0 版本引入的新数据类型,用于在实时数据处理场景中存储和处理消息流。Redis Stream 具有持久化、多生产者和多消费者、消息顺序和流式处理等优点。 在 Redis Stream 中,可以通过消费者组的方式对消息进行监听和处理。当有新的消息产生时,消费者组中的消费者可以实时接收并处理这些消息。但是,在实际的应用场景中,可能会出现处理中断问题。 处理中断问题主要有两种情况: 1. 生产者中断问题:当生产者的连接断开或者出现故障时,无法继续向 Redis Stream 中写入新的消息。此时,消费者组中的消费者无法接收到新的消息,导致消息处理中断。解决此问题的方式是,通过监控生产者的连接状态或者使用心跳机制,及时发现并处理生产者的中断情况。 2. 消费者中断问题:当消费者的连接断开或者出现故障时,无法继续从 Redis Stream 中读取和处理消息。此时,消费者组中的其他消费者可以接替中断的消费者继续处理消息。当中断的消费者重新连接并加入消费者组时,可以根据消费者组的配置,选择重试未处理的消息或者从最新的消息开始进行处理。 对于处理中断问题,还需要注意以下几点: 1. 消费者组的配置:可以根据实际需求配置消费者组的参数,如最大重试次数、消费者权重、消费者超时时间等,以便更好地适应实际的使用场景。 2. 错误处理和重试机制:在消费者处理消息时,可能会出现错误或者异常情况。此时,可以通过错误处理和重试机制,对处理失败的消息进行处理,以确保消息的可靠性处理。 总结来说,处理 Redis Stream 监听中断问题需要注意对生产者和消费者的状态进行监控,并通过配置消费者组的参数和使用错误处理和重试机制,来保证消息处理的可靠性和连续性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值