scala学习总结9（集合的扩展操作）

集合操作扩展

• 拉链（合并）：

  • 基本介绍：当我们需要将两个集合进行 对偶元组合并，可以使用拉链。
  • 实例：

  val list1 = List(1,2,3)
  val list2 = List(9,8,7)
  val list3 = list1.zip(list2)
  println(list3)//（1，9)(2,8)(3,7)

  • 注意事项：
    ①如果两个集合个数不对应，会造成数据丢失。
    ②集合不限于List, 也可以是其它集合比如 Array
    ③拉链的本质就是两个集合的合并操作，合并后每个元素是一个 对偶元组。
    for(item<-list3){ print(item._1 + " " + item._2) //取出 }

• 迭代器：

  • 基本说明：通过iterator方法从集合获得一个迭代器
  • 遍历操作示例：

val it = List(1,2,3).iterator
//方式一：
while(it.hasNext)
	println(it.next)
//方式二
for (i <- it)
	println(i)

• 流：Stream
  • 基本说明：
    stream是一个集合。这个集合，可以用于存放无穷多个元素，但是这无穷个元素并不会一次性 生产出来，而是需要用到多大的区间，就会动态的生产，末尾元素遵循lazy规则(即：要使用结 果才进行计算的) 。
  • 创建Stream对象(示例)：
    def numsForm(n: BigInt) : Stream[BigInt] = n #:: numsForm(n + 1)
val stream1 = numsForm(1)
  • 说明：
    ①Stream 集合存放的数据类型是BigInt
    ②numsForm 是自定义的一个函数，函数名是自己指定的。
    ③创建的集合的第一个元素是 n , 后续元素生成的规则是 n + 1
    ④后续元素生成的规则是可以自己指定 ，比如 numsForm( n * 4)…

- 视图：View
- 基本介绍：
Stream的懒加载特性，也可以对其他集合应用view方法来得到类似的效果，具有如下特点：
①view方法产出一个总是被懒执行的集合。
②view不会缓存数据，每次都要重新计算，比如遍历View时。

- 示例：请找到1-100 中，数字倒序排列 和它本身相同的所有数。(1 2, 11, 22, 33 ...)

def multiple(num: Int): Int = num
def eq(i: Int): Boolean = i.toString.equals(i.toString.reverse)
//说明: 没有使用view
val viewSquares1 = (1 to 100).map(multiple).filter(eq)
println(viewSquares1)
//for (x <- viewSquares1) {}
//使用view
val viewSquares2 = (1 to 100).view.map(multiple).filter(eq)
println(viewSquares2)

• 线程安全的集合：
  • 基本介绍：
    所有线程安全的集合都是以Synchronized开头的集合：

  SynchronizedBuffer
  SynchronizedMap
  SynchronizedPriorityQueue
  SynchronizedQueue
  SynchronizedSet
  SynchronizedStack

• 并行集合：
  • 基本介绍：
    ①Scala为了充分使用多核CPU，提供了并行集合（有别于前面的串行集合），用于多核环境的并行计算。
    ②主要用到的算法有： Divide and conquer : 分治算法，Scala通过splitters(分解器)，combiners（组合器）等抽象层来实现，主要原理是将计算工作分解很多任务，分发给一些处理器去完成，并将它们处理结果合并返回
    ②Work stealin算法：主要用于任务调度负载均衡（load-balancing），通俗点完成自己的所有任务之后，发现其他人还有活没干完，主动（或被安排）帮他人一起干，这样达到尽早干完的目的
  • 应用案例：
    ①打印1-5：

  (1 to 5).foreach(println(_))
  println()
  (1 to 5).par.foreach(println(_))

  ②查看并行集合中元素访问的线程

  val result1 = (0 to 100).map{case _ => Thread.currentThread.getName}
  val result2 = (0 to 100).par.map{case _ => Thread.currentThread.getName}
  println(result1)
  println(result2)