Stream数据流

Stream数据流

JDK1.8时已经进入大数据的时代，所以在类集中也支持有数据的流式分析处理操作，为此提供了一个Stream的接口，同时在Collection接口中也提供有接口实例化的方法

• 获取Stream接口对象：default Stream stream()

1、Stream基本操作

Stream主要功能是进行数据的分析处理，同时主要是针对于集合中的数据进行分析操作

Stream的基本操作

public class JavaDemo {
   public static void main(String[] args) throws Exception {
      List<String> list = new ArrayList<>();
      Collections.addAll(list , "Java" , "JavaScript","Python");
      Stream<String> stream = list.stream();  //获取Stream接口对象
      //System.out.println(stream.count()); //输出元素个数
      //将每个元素变为小写字母，并判断j是否存在
      System.out.println(stream.filter((ele) -> ele.toLowerCase().contains("j")).count());
   }
}

上面的程序只是实现了最基础的个数统计，更多情况下可能是获取里面满足条件的数据内容。

实现数据的采集操作

public class JavaDemo {
   public static void main(String[] args) throws Exception {
      List<String> list = new ArrayList<>();
      Collections.addAll(list , "Java" , "JavaScript","Python");
      Stream<String> stream = list.stream();  //获取Stream接口对象
      //System.out.println(stream.count()); //输出元素个数
      //将每个元素变为小写字母，,将满足j存在条件的数据收集起来转为List集合
      List<String> result = stream.filter((ele) -> ele.toLowerCase().contains("j")).collect(Collectors.toList());
      System.out.println(result);
   }
}
//[Java, JavaScript]

在Stream数据流处理的过程中还允许进行数据的分页处理，提供有两个方法：

• 设置取出最大数据量：Stream limit(long maxSize)
• 跳过指定数据量：Stream skip(long n)

观察分页

public class JavaDemo {
   public static void main(String[] args) throws Exception {
      List<String> list = new ArrayList<>();
      Collections.addAll(list , "Java" , "JavaScript" , "Python" , "JSP" , "Json");
      Stream<String> stream = list.stream();  //获取Stream接口对象
      //System.out.println(stream.count()); //输出元素个数
      //将每个元素变为小写字母，,将满足j存在条件的数据收集起来转为List集合
      List<String> result = stream.filter((ele) -> ele.toLowerCase().contains("j")).skip(2).limit(2).collect(Collectors.toList());
      System.out.println(result);
   }
}
//[JSP, Json]

Stream的操作主要是利用自身的特点实现数据的分析处理操作

2、MapReduce基础模型

在进行数据分析的处理之中有一个最重要的基础模型:MapReduce模型，一共分为两个部分，Map处理部分和Reduce分析部分

在进行数据分析之前要对数据进行合理的处理，然后才可以统计分析操作

MapReduce基础模型

public class JavaDemo {
   public static void main(String[] args) throws Exception {
      //要使用Steam进行分析处理，则一定要将全部要分析的数据保存在集合中
      ArrayList<Order> list = new ArrayList<>();
      list.add(new Order("小黄鸭" , 9.9 , 10));
      list.add(new Order("电脑" , 8999.9 , 2));
      list.add(new Order("鼠标" , 99.9 , 5));
      list.add(new Order("键盘" , 299.9 , 16));
      list.add(new Order("耳机" , 200.9 , 50));
      //分析购买商品中含有“小”的信息数据，并且进行商品单价和数量的处理，然后分析汇总
      DoubleSummaryStatistics stat = list.stream().filter((ele) -> ele.getName().contains("小"))
            .mapToDouble((orderObject) -> orderObject.getPrice() * orderObject.getAmount())
            .summaryStatistics();
      System.out.println("购买数量：" + stat.getCount());
      System.out.println("购买总价：" + stat.getSum());
      System.out.println("平均花费：" + stat.getAverage());
      System.out.println("最高花费：" + stat.getMax());
      System.out.println("最低花费：" + stat.getMin());
      
   }
}

class Order{    //订单信息
   private String name;    //商品名称
   private double price;   //商品单价
   private int amount;     //商品数量
   
   public Order(String name, double price, int amount) {
      this.name = name;
      this.price = price;
      this.amount = amount;
   }
   
   public String getName() {
      return name;
   }
   
   public double getPrice() {
      return price;
   }
   
   public int getAmount() {
      return amount;
   }
}

这些分析操作只是JDK本身提供的支持，在实际开发中，肯定不会这样进行，因为所有的数据如果都保存在内存中，面对大数据的环境，会直接崩坏掉

---

上一篇：集合工具类