java 8 map reduce_java8之Lambda表达式 4：MapReduce开发案例

简介 通过Lambda中的Stream接口实现MapReduce工具，简单理解就类似于sql之中的分组统计工具，只不过MapReduce是一种可以针对每个数据处理+集合的最终统计操作。 具体内容 集合不管怎么改变，它一定是一个动态数组，所以整个MapReduce操作都围绕着对象完成。 范例：定义一个购物车类，在集合类里面会保存有多个Car类的对象 public class Car {

private String pname;

private Integer amouter;

private Double price;

public Car(String pname, Integer amouter, Double price) {

super();

this.pname = pname;

this.amouter = amouter;

this.price = price;

}

public Car() {

super();

}

public String getPname() {

return pname;

}

public void setPname(String pname) {

this.pname = pname;

}

public Integer getAmouter() {

return amouter;

}

public void setAmouter(Integer amouter) {

this.amouter = amouter;

}

public Double getPrice() {

return price;

}

public void setPrice(Double price) {

this.price = price;

}} 用Map()来进行数据的分别处理 范例：数据的分别处理 public class TestDemo {

public static void main(String[] args) {

List all=new ArrayList();

all.add(new Car("java",200,20.8));

all.add(new Car("ios",200,10.8));

all.add(new Car("c",200,2.8));

all.add(new Car("c++",200,10.8));

all.add(new Car("mongo",200,10.8));

all.add(new Car("android",200,12.8));

all.add(new Car("oracle",20,8.8));

all.stream().map(car->{

System.out.print("书名："+car.getPname()+" 总价：");

return car.getAmouter()*car.getPrice();

}).forEachOrdered(System.out::println);

}} 输出结果如下： 书名：c++ 总价：2160.0 书名：mongo 总价：2160.0 书名：android 总价：2560.0 书名：oracle 总价：176.0 从上面的代码可见，map()方法的功能是针对集合的每个数据进行处理。 用Reduce()将集合中的所有数据变为一个结果 如果使用map()方法进行数据的重新组合，那么reduce()就是将集合中的所有数据变为一个结果，就像SQL中的sum(),avg(),count()函数的功能。 reduce()方法：public final Optional reduce(BinaryOperator accumulator) 范例，实现购买商品综合的操作 public class TestDemo {

public static void main(String[] args) {

List all=new ArrayList();

all.add(new Car("java",200,20.8));

all.add(new Car("ios",200,10.8));

all.add(new Car("c",200,2.8));

all.add(new Car("c++",200,10.8));

all.add(new Car("mongo",200,10.8));

all.add(new Car("android",200,12.8));

all.add(new Car("oracle",20,8.8));

double result =all.stream().map(car->{

return car.getAmouter()*car.getPrice();

}).reduce((sum,carPrice)->sum+carPrice).get();

System.out.println("购买总金额"+result);

}} 代码运行结果如下： 购买总金额13936.0 Map和Reduce一起操作 如果要进行统计，可能会包含：总和，最大值，最小值，平均值，数量 在Stream接口里面提供了相应的操作： 处理double数据：DoubleStream mapToDouble(ToDoubleFunction super T> mapper) 处理int操作：IntStream mapToInt(ToIntFunction super T> mapper) 处理long操作：LongStream mapToLong(ToLongFunction super T> mapper) 在每个返回的接口里面提供了如下的统计操作方法： double数据统计(DoubleStream)：public DoubleSummaryStatistics summaryStatistics() int数据统计(IntStream):public IntSummaryStatistics summaryStatistics() long数据统计(LongStream)：public LongSummaryStatistics summaryStatistics() 这些类里面提供了一些列的getXxx()方法用于统计相关信息。 范例:进行reduce功能实现 public class TestDemo {

public static void main(String[] args) {

List all=new ArrayList();

all.add(new Car("java",200,20.8));

all.add(new Car("ios",200,10.8));

all.add(new Car("c",200,2.8));

all.add(new Car("c++",200,10.8));

all.add(new Car("mongo",200,10.8));

all.add(new Car("android",200,12.8));

all.add(new Car("oracle",20,8.8));

DoubleSummaryStatistics result=all.stream().mapToDouble(myCar->{

return myCar.getAmount()*myCar.getPrice();

}).summaryStatistics();

System.out.println("统计量: "+result.getCount());

System.out.println("最大值: "+result.getMax());

System.out.println("最小值: "+result.getMin());

System.out.println("总和: "+result.getSum());

System.out.println("平均值: "+result.getAverage());

}} 输出值： 统计量: 7 最大值: 4160.0 最小值: 176.0 总和: 13936.0 平均值: 1990.857142857143 整个过程就是Mongodb里面用的MapReduce的分析方法。