collectors 求和_JDK Collectors与Collector

起因：前段时间开始了解并使用Stream流式计算，其中collect()的方法使用很多情况下需要去百度。又因为它的名字与之前写的集合框架工具类JDK Collections工具类 比较像。所以一直想要写一篇博客来记录和学习一下。

Collectors与Collector位于java.util.stream包下，为stream流式计算提供方便的。

1.Collector(interface)

Collector意为收集器，在JDK文档中的描述为：将输入元素累加到可变结果容器中，可选地在所有输入元素被处理之后将累加结果转换成最终表示。 还原操作可以顺序还是并行执行。 Collectors类提供了许多常见的可变减少的实现。

Collector由四个函数来指定，这四个函数一起工作以将条目累加到可变结果容器中，并且可选地对结果进行最终转换。 他们是：

创建新的结果容器( Supplier supplier();)--供给型接口

将新的数据元素并入结果容器( BiConsumer accumulator();)--消费型接口

将两个结果容器组合成一个( BinaryOperator combiner(); )--BiFunction 两个参数的函数式接口

在容器上执行可选的最终变换( Function finisher();)--函数式接口

总结：实现该接口，重写该方法

2.Collectors(final class)

Collectors为Collector的工具类，实现了Collector，内部有很多方法返回值为Collector类型。在stream链式编程中， R collect(Collector super T, A, R> collector)方法的参数为collector，可以使用collectors的方法来实现我们想要的操作。

转换成其他集合

toList

toSet

toCollection

值得我们注意的是，看Collectors的源码，因为其接受的函数参数必须继承于Collection，也就是意味着Collection并不能转换所有的继承类，最明显的就是不能通过toCollection转换成Map

toMap

如果生成一个Map,我们需要调用toMap方法。由于Map中有Key和Value这两个值，故该方法与toSet、toList等的处理方式是不一样的。toMap最少应接受两个参数，一个用来生成key，另外一个用来生成value。

转成值

averagingDouble:求平均值，Stream的元素类型为double

averagingInt:求平均值，Stream的元素类型为int

averagingLong:求平均值，Stream的元素类型为long

counting:Stream的元素个数

maxBy:在指定条件下的，Stream的最大元素

minBy:在指定条件下的，Stream的最小元素

reducing: reduce操作

summarizingDouble:统计Stream的数据(double)状态，其中包括count，min，max，sum和平均。

summarizingInt:统计Stream的数据(int)状态，其中包括count，min，max，sum和平均。

summarizingLong:统计Stream的数据(long)状态，其中包括count，min，max，sum和平均。

summingDouble:求和，Stream的元素类型为double

summingInt:求和，Stream的元素类型为int

summingLong:求和，Stream的元素类型为long

分割数据块

collect的一个常用操作将Stream分解成两个集合。假如一个数字的Stream，我们可能希望将其分割成两个集合，一个是偶数集合，另外一个是奇数集合。我们首先想到的就是过滤操作，通过两次过滤操作，很简单的就完成了我们的需求。

但是这样操作起来有问题。首先，为了执行两次过滤操作，需要有两个流。其次，如果过滤操作复杂，每个流上都要执行这样的操作， 代码也会变得冗余。

这里我们就不得不说Collectors库中的partitioningBy方法，它接受一个流，并将其分成两部分：使用Predicate对象，指定条件并判断一个元素应该属于哪个部分，并根据布尔值返回一个Map到列表。因此对于key为true所对应的List中的元素，满足Predicate对象中指定的条件；同样，key为false所对应的List中的元素,不满足Predicate对象中指定的条件

这样，使用partitioningBy，我们就可以将数字的Stream分解成奇数集合和偶数集合了。

Map> collectParti = Stream.of(1, 2, 3, 4)

.collect(Collectors.partitioningBy(it -> it % 2 == 0));

System.out.println("collectParti : " + collectParti);

// 打印结果

// collectParti : {false=[1, 3], true=[2, 4]}

看groupingBy和partitioningBy的例子，他们的效果都是一样的，都是将Stream的数据进行了分割处理并返回一个Map。可能举的例子给你带来了误区，实际上他们两个完全是不一样的。

partitioningBy是根据指定条件，将Stream分割，返回的Map为Map

字符串

这里我们将使用 Collectors.joining 收集Stream中的值，该方法可以方便地将Stream得到一个字符串。joining函数接受三个参数，分别表示允(用以分隔元素)、前缀和后缀。

组合Collector

在数据分组时，我们是得到的分组后的数据列表 collectGroup : {false=[1, 2, 3], true=[4]}。如果我们的要求更高点，我们不需要分组后的列表，只要得到分组后列表的个数就好了。

这时候，很多人下意识的都会想到，便利Map就好了，然后使用list.size(),就可以轻松的得到各个分组的列表个数。

// 分割数据块

Map> collectParti = Stream.of(1, 2, 3, 4)

.collect(Collectors.partitioningBy(it -> it % 2 == 0));

Map mapSize = new HashMap<>();

collectParti.entrySet()

.forEach(entry -> mapSize.put(entry.getKey(), entry.getValue().size()));

System.out.println("mapSize : " + mapSize);

// 打印结果

// mapSize : {false=2, true=2}

在partitioningBy方法中，有这么一个变形：

Map partiCount = Stream.of(1, 2, 3, 4)

.collect(Collectors.partitioningBy(it -> it.intValue() % 2 == 0,

Collectors.counting()));

System.out.println("partiCount: " + partiCount);

// 打印结果

// partiCount: {false=2, true=2}

在partitioningBy方法中，我们不仅传递了条件函数，同时传入了第二个收集器，用以收集最终结果的一个子集，这些收集器叫作下游收集器。收集器是生成最终结果的一剂配方，下游收集器则是生成部分结果的配方，主收集器中会用到下游收集器。这种组合使用收集器的方式， 使得它们在 Stream 类库中的作用更加强大。

那些为基本类型特殊定制的函数，如averagingInt、summarizingLong等，事实上和调用特殊Stream上的方法是等价的，加上它们是为了将它们当作下游收集器来使用的。

不要以为每天把功能完成了就行了，这种思想是要不得的，互勉~！