• 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

java8之Lambda表达式 4:MapReduce开发案例

J2SE 来源:zcczbq 4次浏览

简介

通过Lambda中的Stream接口实现MapReduce工具,简单理解就类似于sql之中的分组统计工具,只不过MapReduce是一种可以针对每个数据处理+集合的最终统计操作。

具体内容

集合不管怎么改变,它一定是一个动态数组,所以整个MapReduce操作都围绕着对象完成。
范例:定义一个购物车类,在集合类里面会保存有多个Car类的对象

public class Car { 

    private String pname;
    private Integer amouter;
    private Double price;

    public Car(String pname, Integer amouter, Double price) {
        super();
        this.pname = pname;
        this.amouter = amouter;
        this.price = price;
    }
    public Car() {
        super();
    }
    public String getPname() {
        return pname;
    }
    public void setPname(String pname) {
        this.pname = pname;
    }
    public Integer getAmouter() {
        return amouter;
    }
    public void setAmouter(Integer amouter) {
        this.amouter = amouter;
    }
    public Double getPrice() {
        return price;
    }
    public void setPrice(Double price) {
        this.price = price;
    }
}

用Map()来进行数据的分别处理

范例:数据的分别处理

public class TestDemo { 
    public static void main(String[] args) {
        List<Car> all=new ArrayList<Car>();
        all.add(new Car("java",200,20.8));
        all.add(new Car("ios",200,10.8));
        all.add(new Car("c",200,2.8));
        all.add(new Car("c++",200,10.8));
        all.add(new Car("mongo",200,10.8));
        all.add(new Car("android",200,12.8));
        all.add(new Car("oracle",20,8.8));
        all.stream().map(car->{
            System.out.print("书名:"+car.getPname()+" 总价:");
            return car.getAmouter()*car.getPrice();
        }).forEachOrdered(System.out::println);
    }
}

输出结果如下:
书名:c++ 总价:2160.0
书名:mongo 总价:2160.0
书名:android 总价:2560.0
书名:oracle 总价:176.0

从上面的代码可见,map()方法的功能是针对集合的每个数据进行处理。

用Reduce()将集合中的所有数据变为一个结果

如果使用map()方法进行数据的重新组合,那么reduce()就是将集合中的所有数据变为一个结果,就像SQL中的sum(),avg(),count()函数的功能。
reduce()方法:public final Optional<P_OUT> reduce(BinaryOperator<P_OUT> accumulator)
范例,实现购买商品综合的操作

public class TestDemo {
    public static void main(String[] args) {
        List<Car> all=new ArrayList<Car>();
        all.add(new Car("java",200,20.8));
        all.add(new Car("ios",200,10.8));
        all.add(new Car("c",200,2.8));
        all.add(new Car("c++",200,10.8));
        all.add(new Car("mongo",200,10.8));
        all.add(new Car("android",200,12.8));
        all.add(new Car("oracle",20,8.8));
        double result =all.stream().map(car->{
            return car.getAmouter()*car.getPrice();
        }).reduce((sum,carPrice)->sum+carPrice).get();
        System.out.println("购买总金额"+result);
    }
}

代码运行结果如下:
购买总金额13936.0

Map和Reduce一起操作

如果要进行统计,可能会包含:总和,最大值,最小值,平均值,数量
在Stream接口里面提供了相应的操作:

  • 处理double数据:DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper)
  • 处理int操作:IntStream mapToInt(ToIntFunction<? super T> mapper)
  • 处理long操作:LongStream mapToLong(ToLongFunction<? super T> mapper)

    在每个返回的接口里面提供了如下的统计操作方法:

  • double数据统计(DoubleStream):public DoubleSummaryStatistics summaryStatistics()

  • int数据统计(IntStream):public IntSummaryStatistics summaryStatistics()
  • long数据统计(LongStream):public LongSummaryStatistics summaryStatistics()
    这些类里面提供了一些列的getXxx()方法用于统计相关信息。
    范例:进行reduce功能实现
public class TestDemo {
    public static void main(String[] args) {
        List<Car> all=new ArrayList<Car>();
        all.add(new Car("java",200,20.8));
        all.add(new Car("ios",200,10.8));
        all.add(new Car("c",200,2.8));
        all.add(new Car("c++",200,10.8));
        all.add(new Car("mongo",200,10.8));
        all.add(new Car("android",200,12.8));
        all.add(new Car("oracle",20,8.8));
        DoubleSummaryStatistics result=all.stream().mapToDouble(myCar->{
            return myCar.getAmount()*myCar.getPrice();
        }).summaryStatistics();
        System.out.println("统计量: "+result.getCount());
        System.out.println("最大值: "+result.getMax());
        System.out.println("最小值: "+result.getMin());
        System.out.println("总和: "+result.getSum());
        System.out.println("平均值: "+result.getAverage());
    }
}

输出值:
统计量: 7
最大值: 4160.0
最小值: 176.0
总和: 13936.0
平均值: 1990.857142857143

整个过程就是Mongodb里面用的MapReduce的分析方法。


版权声明:本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系管理员进行删除。
喜欢 (0)