开发环境
- eclipse 4.7.3a
- jdk 10
前置知识点
- Lambda表达式
- 方法引用
关于 Reduction
Stream包含许多最终操作，比如: average、sum、min、max、count，它们通过通过组合流的内容返回一个值。这些操作我们暂时称之为 “统计操作“（Reduction）。
下面我们来分别介绍两种不同的 “统计操作“ 方式：
- Stream.reduce
- Stream.collect
关于Reduction的命名，有更好的提议可以留言告知。
Stream.reduce 方法
如下所示，该管道计算集合中男性成员年龄的总和，它使用 Stream.sum 方法来进行 “统计操作“
Integer totalAge = roster.stream().mapToInt(Person::getAge).sum();
使用Stream.reduce操作来计算相同的值
roster.stream().map(Person::getAge).reduce(0, (a, b) -> a + b).intValue();
Stream.reduce方法包含两个参数：
- identity：“统计操作“ 的结果，如果流中没有元素，则identity元素既是初始值又是默认结果。
- accumulator： 累加器函数有两个参数：统计的部分结果（在本例中，到目前为止所有处理过的整数的总和）和流的下一个元素（在本例中为整数）， 它返回一个新的中间值。 在此示例中，accumulator函数是一个lambda表达式，它添加两个Integer值并返回一个Integer值。
如果reduce操作涉及向集合添加元素，那么每次accumulator函数处理元素时，它都会创建一个包含元素的新集合，这可能会影响性能。
Stream.collect 方法
与reduce方法不同，reduce方法在处理元素时始终创建新值，而collect方法修改或改变现有值。
考虑如何计算平均值，需要两类数据：总记录数和记录的总和。collect方法只创建一次新值，用来跟踪总记录数和记录的总和，例如以下类Averager：
static class Averager implements IntConsumer
{
private int total = 0;
private int count = 0;
public double average()
{
return count > 0 ? ((double) total) / count : 0;
}
public void accept(int i)
{
total += i;
count++;
}
public void combine(Averager other)
{
total += other.total;
count += other.count;
}
}
如下所示，该管道使用collect方法计算集合中男性成员年龄的总和
// collect
Averager averageCollect = roster.stream().filter(p -> p.getGender() == Person.Sex.MALE).map(Person::getAge).
collect(Averager::new, Averager::accept, Averager::combine);
System.out.println("Average age of male members: " + averageCollect.average());
Stream.collect 方法包含三个参数：
- supplier: 工厂对象，返回结果容器中，用来存储计算的中间结果。在此示例中，返回的是Averager的实例。
- accumulator：累加器，函数将流元素合并到结果容器中。 在此示例中，它通过将count变量递增1并将total元素的值进行累加，并保存到Averager结果容器中。
- combiner: 组合器函数接受多个结果容器并合并其内容，如果存在的话。
Stream.collect 方法的其它用例
过滤结果集
List list = roster.stream()
.filter(p -> p.getGender() == Person.Sex.MALE). map(Person::getAge).collect(Collectors.toList());
按关键字分组
Map> byGender =
roster
.stream()
.collect(
Collectors.groupingBy(Person::getGender));
分组汇总
Map averageAgeByGender = roster
.stream()
.collect(
Collectors.groupingBy(
Person::getGender,
Collectors.averagingInt(Person::getAge)));
源码学习
查看下面代码的完整调用示例
Map averageAgeByGender0 = roster.stream()
.collect(Collectors.groupingBy(Person::getGender, Collectors.averagingInt(Person::getAge)));
Collector 部分源码
public interface Collector {
Supplier supplier();
BiConsumer accumulator();
BinaryOperator combiner();
Function finisher();
}
通过Collector接口声明，我们可以看到几个关键的方法申明：
- supplier：结果容器工厂方法
- accumulator：累加器工厂方法，返回累加器实例
- combiner：组合函数工厂方法，返回组合函数接口实例
- finisher：终止操作工厂方法，返回终止操作函数接口实例
泛型说明
- T：参与累加器计算的对象类型
- A：结果容器对象类型
- R : 终止操作返回的结果类型
Collectors.averagingInt 源码
public static Collector
averagingInt(ToIntFunction mapper) {
return new CollectorImpl<>(
() -> new long[2],
(a, t) -> { a[0] += mapper.applyAsInt(t); a[1]++; },
(a, b) -> { a[0] += b[0]; a[1] += b[1]; return a; },
a -> (a[1] == 0) ? 0.0d : (double) a[0] / a[1], CH_NOID);
}
通过Collector接口可知，Collectors.averagingInt方法是如何实现求平均值的
- 创建long数组保存中间计算结果
- 调用accumulator方法进行累计，并把中间结果存储到long数组中
- 如果需要合并多个中间结果，则把两个元素的结果进行汇总保存到第一个流元素中
- 计算并得到平均值
Collectors.groupingBy源码
public static >
Collector groupingBy(Function classifier,
Supplier mapFactory,
Collector downstream) {
Supplier downstreamSupplier = downstream.supplier();
BiConsumer downstreamAccumulator = downstream.accumulator();
BiConsumer, T> accumulator = (m, t) -> {
K key = Objects.requireNonNull(classifier.apply(t), "element cannot be mapped to a null key");
A container = m.computeIfAbsent(key, k -> downstreamSupplier.get());
downstreamAccumulator.accept(container, t);
};
BinaryOperator> merger = Collectors.>mapMerger(downstream.combiner());
@SuppressWarnings("unchecked")
Supplier> mangledFactory = (Supplier>) mapFactory;
if (downstream.characteristics().contains(Collector.Characteristics.IDENTITY_FINISH)) {
return new CollectorImpl<>(mangledFactory, accumulator, merger, CH_ID);
}
else {
@SuppressWarnings("unchecked")
Function downstreamFinisher = (Function) downstream.finisher();
Function, M> finisher = intermediate -> {
intermediate.replaceAll((k, v) -> downstreamFinisher.apply(v));
@SuppressWarnings("unchecked")
M castResult = (M) intermediate;
return castResult;
};
return new CollectorImpl<>(mangledFactory, accumulator, merger, finisher, CH_NOID);
}
}
源码剖析
了解相应泛型对应本例的类型
- T：Person对象
- K：Person.Sex
- D：Double
- A：long[]
- M：Map
探讨部分
探讨点一
# 入参部分
Supplier mapFactory
# 后续又进行了强制类型转换
Supplier> mangledFactory = (Supplier>) mapFactory;
从源码可以看出 mapFactory工厂方法应返回Map 对象，所以上述方法参数是否为如下会更加明了
public static >
Collector groupingBy(Function classifier,
Supplier mapFactory,
Collector downstream)
探讨点二
Function downstreamFinisher = (Function) downstream.finisher();
Function, M> finisher = intermediate -> {
intermediate.replaceAll((k, v) -> downstreamFinisher.apply(v));
@SuppressWarnings("unchecked")
M castResult = (M) intermediate;
return castResult;
};
源码中终止方法又进行了两次强制类型转换
- 为了调用
intermediate.replaceAll,对downstream方法进行了一次强制类型转换 - 为了返回类型约束的结果对M进行了一次强制类型转换
重构如下
# 修改方法的声明
public static Collector> groupingBy(....)
# 修改结果返回函数
@SuppressWarnings("unchecked")
Function, Map> finisher = intermediate ->
{
Map castResult = new HashMap<>();
intermediate.entrySet().stream()
.forEach(t -> castResult.put(t.getKey(), downstream.finisher().apply(t.getValue())));
return castResult;
};
以上仅为个人观点，水平有限，欢迎大家指正。
关于泛型，它的初衷是让具有强制类型转换的代码具有更好的安全性和可读性。
Github工程地址