掌握这项Java技能,你也可以吹一吹大数据处理了

大家好,我是指北君,在如今的大数据时代,对于数据的生产线式的加工处理场景越来越多,Java8之前对于这种类型的数据处理是显得有些笨拙的,代码繁多臃肿(过多的中间过程变量和过程),显得不够优雅和简洁。在Java8引入Stream包后,我们就可以得心应手地应付这种场景。

##

什么是Stream

不知道有玩过异星工厂的伙伴没,给一张图

生产线

Stream就像处理生产流水线一样去工作,传送带就是Stream的管道,每个工厂关注直接的生产,将上游产品加工成下游需要的产品。 为什么Stream比传统的处理方式好呢?我们都知道,传统的处理中,每一步我们都需要通过循环控制,逻辑控制,解包,重新装箱这些工作。

非生产线示意处理图

这些步骤让我们的程序的业务逻辑支离破碎,经常处理数据类的小伙伴尤为痛苦。幸运的是,Java8为我们引入了Stream,使用Stream后我们只关注数据处理逻辑,其他的事情交给流处理对应的方法来完成。

创建数据流

指北君先为大家介绍如何创建Stream,这里有非常多的方式,需要注意一点就是:流一旦创建后,修改创建的源不会影响已经创建的Stream中的数据。

  1. 空流 为了避免出现空指针异常,系统提供一个静态方法提供空流。
    1
    2
    3
     public void createStream() {
         Stream<String> myStream = Stream.empty();
     }
    
  2. 通过数组对象创建流
    1
    2
    3
    4
    5
     public void createStream() {
         Integer[] arr = new Integer[]{1,2,3};
         Stream<Integer> stream1 = Arrays.stream(arr);
         Stream<Integer> stream2 = Arrays.stream(arr, 0, 2);
     }
    
  3. 通过集合对象创建流
    1
    2
    3
    4
     public void createStream() {
         Collection<String> collection = Arrays.asList("a", "b", "c");
         Stream<String> stream1 = collection.stream();
     }
    

    支持多种集合:List,Set,Map等实现了Collection接口的集合对象。

  4. 通过builder创建
    1
    2
    3
    4
     public void createStream() {
         Stream<Long> stream1 =
                   Stream.<Long>builder().add(1L).add(2L).add(3L).build();
     }
    
  5. 通过generate生成
    1
    2
    3
    4
    5
     public void createStream() {
         Random r = new Random();
         Stream<Long> stream =
                   Stream.generate(() -> r.nextLong()).limit(10);
     }
    

    按照提供给generate的Supplier逻辑生成数据,通过limit限制生成的数据量

  6. 通过Stream.iterate创建
    1
    2
    3
     public void createStream() {
         Stream<Integer> stream = Stream.iterate(1, n -> n * n).limit(20);
     }
    

    iterate提供两种方法来满足我们比较常用的迭代生成逻辑

    • iterate(final T seed, final UnaryOperator f)
    • iterate(T seed, Predicate<? super T> hasNext, UnaryOperator next)
  7. 原生类型生成 通过对应的IntStream,LongStream,DoubleStream类中提供的方法来获取,包含常用的方法
    • builder()
    • empty()
    • of()
    • iterate()
    • generate()
    • range()
    • concat()
  8. 其他地方 这里介绍两处:字符分割匹配和文件行数据

String.chars()返回IntStream
Files.lines()返回通过行分割的字符内容

流的使用机制(重要事项)

我们通过上面的方法创建好流后,就可以对流进行相关的业务逻辑处理了,需要注意:如果我们重复对一个流进行操作,就会出错,系统会爆出IllegalStateException异常,这是因为Stream设计为不可重用的模式。流的下一个环节都是对当前环节处理后新生成流的处理。

流的执行顺序

采用Stream方式进行多个逻辑处理时,他们之间的执行顺序是什么样的呢?指北君为了展示效果,写了一段测试代码:

1
2
3
4
5
6
7
8
9
10
    public void exeOrder() {
        List<String> list = Arrays.asList("data_1","data_2", "data_3", "data_12");
        list.stream().filter(x -> {
            System.out.println("filter() was called: " + x);
            return x.contains("2");
        }).map(x -> {
            System.out.println("map() was called: " + x);
            return x.toUpperCase();
        }).forEach(x->System.out.println("forEach() was called: " + x));
    }

执行结果如下: filter() was called: data_1
filter() was called: data_2
map() was called: data_2
forEach() was called: data_2
filter() was called: data_3
filter() was called: data_12
map() was called: data_12
forEach() was called: data_12

从示例代码的打印的顺序中我们可以发现:流处理的顺序不是以代码顺序(执行完一步再到下一步),而是按照数据处理完一个单位数据的所有环节再处理下一个数据,见下面的动态示意图:

Stream处理顺序

既然我们了解流的处理顺序,也能理解某些流操作会提前结束流处理的,比如findFirst(),在处理完第一个符合条件的数据后,后续的数据不会参与任何一个环节的处理。

转换处理

转换处理时最常用的逻辑处理方式,介绍转换处理的文章较多,这里不再一一详细描述只是简单列一下,转换处理对应大数据MapReduce中的Map处理

  1. distinct剔重
  2. filter过滤
  3. map转换映射
  4. peek
  5. limit
  6. skip

合并处理(reduce)

对于Map-Reduce模型的reduce操作,国内对这个词翻译不太统一,指北君就先称之为合并处理吧。这里介绍两个方法reduce和collect

  1. reduce 先来看一个reduce的示例
    1
    2
    3
    4
     public void reduce() {
         int sum = IntStream.range(1, 100).reduce(0, (a, b) -> a + b);
         System.out.print(sum);
     }
    

    合并Stream中的所有值,合并的初始值为0,如果初始为0还可以省略初始值。 reduce函数包含三部分关键信息:

    • 初始值,指定合并操作的初始值
    • 合并函数
    • 合路器(函数),在并行(多线程)运算时需要用到

下面是一个使用合路器的示例,在并行运算时使用。

1
2
3
4
5
6
7
    public void parallelReduce() {
        int sum = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10).parallelStream()
                .reduce(0, (a, b) -> a + b, (a, b) -> {
                   return a + b;
                });
        System.out.println(sum);
    }

这里指北君留一道思考题给大家,如果这里初始值0修改为10,最终的结果是多少?为什么是这种结果呢?

  1. collect 现在我们再来看collect,collect严格上说时reduce有些牵强,因为是否reduce在于collect中的执行逻辑 比如这段:
    1
    List<String> collector =  list.stream().map(Product::getName).collect(Collectors.toList());
    

然后再看下面的例子:

1
String mergString = list.stream().map(Product::getName).collect(Collectors.joining(", ", "[", "]"));

还有其他对应的方法:

  • Collectors.averagingInt
  • Collectors.summingInt
  • Collectors.groupingBy
  • Collectors.partitioningBy

各位小伙伴可以查看Collectors对应的API,这里就不一一列举了,总之,collect通过Collectors对象的API类完成合并处理。

总结

关于Java的Stream的常用知识指北君就给大家分享到这,相关的重点知识都有提及,但未太深入剖析,比如Stream的并发处理是如何执行的等等,这些知识点留待后续指北君为大家分享。

最后感谢各位人才的:点赞、收藏和评论,我们下期更精彩!

Java Geek Tech wechat
欢迎订阅 Java 技术指北,这里分享关于 Java 的一切。