Stream基本操作
进入到了大数据时代,类集里面也支持有数据的流式恩熙处理操作,为此专门提供了Stream接口,同时Collection接口里面也提供有为此接口实例化的主方法。
Stream主要的功能是进行数据的分析处理,同时主要是针对与集合中的数据进行分析操作
package demo;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.stream.Stream;
public class JavaAPIDemo {
public static void main(String[] args) throws Exception {
List<String> all = new ArrayList<String>();
Collections.addAll(all, "JAVA","JavaScript","Python","Ruby","Go");
Stream<String >stream = all.stream();//可以获得Stream接口对象
// System.out.println(stream.count());//输出元素个数
//要求将每一个元素的字母变为小写字母,而后怕暖字母j是否存在
System.out.println(stream.filter((ele)->ele.toLowerCase().contains("j")).count());
}
}
以上程序只是实现了一些最基础的数据的个数的统计,而耕读情况下我们可能需要的是获取里面的满足条件的数据内容,所以此时可以实现数据的采集操作。
【范例】数据采集
package demo;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.stream.Collectors;
import java.util.stream.Stream;
public class JavaAPIDemo {
public static void main(String[] args) throws Exception {
List<String> all = new ArrayList<String>();
Collections.addAll(all, "JAVA","JavaScript","Python","Ruby","Go");
Stream<String >stream = all.stream();//可以获得Stream接口对象
// System.out.println(stream.count());//输出元素个数
//要求将每一个元素的字母变为小写字母,而后判断字母j是否存在,将满足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数据流处理的过程之中还允许进行数据的分页处理,提供有两个方法:
- 设置取出的最大数据流:
public Stram<T>limit(long maxSize)
- 跳过指定数据量:
public Stream<T> skip(long n)
;
【范例】观察分页
package demo;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.stream.Collectors;
import java.util.stream.Stream;
public class JavaAPIDemo {
public static void main(String[] args) throws Exception {
List<String> all = new ArrayList<String>();
Collections.addAll(all, "JAVA","JavaScript","JSP","Json","JJ","Python","Ruby","Go");
Stream<String >stream = all.stream();//可以获得Stream接口对象
// System.out.println(stream.count());//输出元素个数
//要求将每一个元素的字母变为小写字母,而后判断字母j是否存在,将满足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(3).collect(Collectors.toList());
System.out.println(result);
}
}
[JSP, Json, JJ]
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。
MapReduce基础模型
在进行数据分析的处理中有一个最重要的基础模型:MapReduce模型,对于这个模型,一共分为两个部分,一个是Map处理部分、Reduce分析部分,在进行数据分析之前必须要对数据进行合理的处理,而后才可以进行统计分析操作。
【范例】MapReduce操作
package demo;
import java.util.ArrayList;
import java.util.Collections;
import java.util.DoubleSummaryStatistics;
import java.util.List;
import java.util.stream.Collectors;
import java.util.stream.Stream;
public class JavaAPIDemo {
public static void main(String[] args) throws Exception {
// 如果要想使用Stream进行分析处理,则一定要将全部要分析的数据保存在集合之中
List<Order> all = new ArrayList<Order>();
all.add(new Order("Toybaby", 123, 4));
all.add(new Order("弱Car", 12300, 6));
all.add(new Order("强Cup", 8, 60));
all.add(new Order("强Book", 32.8, 9));
all.add(new Order("强Pencil", 2.5, 120));
// 分析商品中带有“强”的信息数据
DoubleSummaryStatistics stat = all.stream().filter((ele) -> ele.getName().contains("强"))
.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("平均价格:"+stat.getAverage());
System.out.println("最高花费:"+stat.getMax());
System.out.println("最低花费:"+stat.getMin());
}
}
class Order {
private String name;
private double price;
private int amount;
public Order(String name, double price, int amount) {
this.name = name;
this.amount = amount;
this.price = price;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public double getPrice() {
return price;
}
public void setPrice(double price) {
this.price = price;
}
public int getAmount() {
return amount;
}
public void setAmount(int amount) {
this.amount = amount;
}
}
购买数量:3
购买总价:1075.2
平均价格:358.40000000000003
最高花费:480.0
最低花费:295.2
参考资料:https://edu.aliyun.com/lesson_1012_9097