(93) 函数式数据处理 (下) / 计算机程序的思维逻辑

Posted 2021-04-09 老马说编程

初步介绍了Java 8中的函数式数据处理，对于collect方法，我们只是演示了其最基本的应用，它还有很多强大的功能，比如，可以分组统计汇总，实现类似数据库查询语言SQL中的group by功能。

具体都有哪些功能？有什么用？如何使用？基本原理是什么？本节进行详细讨论，我们先来进一步理解下collect方法。

理解collect
在中，过滤得到90分以上的学生列表，代码是这样的：

List<Student> above90List = students.stream()
        .filter(t->t.getScore()>90)
        .collect(Collectors.toList());

最后的collect调用看上去很神奇，它到底是怎么把Stream转换为List<Student>的呢？先看下collect方法的定义：

<R, A> R collect(Collector<? super T, A, R> collector)

 
它接受一个收集器collector作为参数，类型是Collector，这是一个接口，它的定义基本是：

public interface Collector<T, A, R> {
    Supplier<A> supplier();
    BiConsumer<A, T> accumulator();
    BinaryOperator<A> combiner();
    Function<A, R> finisher();
    Set<Characteristics> characteristics();
}

在顺序流中，collect方法与这些接口方法的交互大概是这样的：

//首先调用工厂方法supplier创建一个存放处理状态的容器container，类型为A

A container = collector.supplier().get();

//然后对流中的每一个元素t，调用累加器accumulator，参数为累计状态container和当前元素t

for (T t : data)
   collector.accumulator().accept(container, t);

//最后调用finisher对累计状态container进行可能的调整，类型转换(A转换为R)，并返回结果

return collector.finisher().apply(container);

combiner只在并发流中有用，用于合并部分结果。characteristics用于标示收集器的特征，Collector接口的调用者可以利用这些特征进行一些优化，Characteristics是一个枚举，有三个值：CONCURRENT, UNORDERED和IDENTITY_FINISH，它们的含义我们后面通过例子简要说明，目前可以忽略。

Collectors.toList()具体是什么呢？看下代码：

public static <T>
Collector<T, ?, List<T>> toList() {
    return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
                               (left, right) -> { left.addAll(right); return left; },
                               CH_ID);
}

它的实现类是CollectorImpl，这是Collectors内部的一个私有类，实现很简单，主要就是定义了两个构造方法，接受函数式参数并赋值给内部变量。对toList来说：

• supplier的实现是ArrayList::new，也就是创建一个ArrayList作为容器

• accumulator的实现是List::add，也就是将碰到的每一个元素加到列表中，

• 第三个参数是combiner，表示合并结果

• 第四个参数CH_ID是一个静态变量，只有一个特征IDENTITY_FINISH，表示finisher没有什么事情可以做，就是把累计状态container直接返回

也就是说，collect(Collectors.toList())背后的伪代码如下所示：

List<T> container = new ArrayList<>();
for (T t : data)
   container.add(t);
return container;

与toList类似的容器收集器还有toSet, toCollection, toMap等，我们来看下。

容器收集器
toSet
toSet的使用与toList类似，只是它可以排重，就不举例了。toList背后的容器是，toSet背后的容器是，其代码为：

public static <T>
Collector<T, ?, Set<T>> toSet() {
    return new CollectorImpl<>((Supplier<Set<T>>) HashSet::new, Set::add,
                               (left, right) -> { left.addAll(right); return left; },
                               CH_UNORDERED_ID);
}

CH_UNORDERED_ID是一个静态变量，它的特征有两个，一个是IDENTITY_FINISH，表示返回结果即为Supplier创建的HashSet，另一个是UNORDERED，表示收集器不会保留顺序，这也容易理解，因为背后容器是HashSet。

toCollection
toCollection是一个通用的容器收集器，可以用于任何Collection接口的实现类，它接受一个工厂方法Supplier作为参数，具体代码为：

public static <T, C extends Collection<T>>
Collector<T, ?, C> toCollection(Supplier<C> collectionFactory) {
    return new CollectorImpl<>(collectionFactory, Collection<T>::add,
                               (r1, r2) -> { r1.addAll(r2); return r1; },
                               CH_ID);
}

比如，如果希望排重但又希望保留出现的顺序，可以使用，Collector可以这么创建：

Collectors.toCollection(LinkedHashSet::new)

toMap
toMap将元素流转换为一个Map，我们知道，Map有键和值两部分，toMap至少需要两个函数参数，一个将元素转换为键，另一个将元素转换为值，其基本定义为：

public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(
    Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper)

                                   
返回结果为Map<K,U>，keyMapper将元素转换为键，valueMapper将元素转换为值。比如，将学生流转换为学生名称和分数的Map，代码可以为：

Map<String,Double> nameScoreMap = students.stream().collect(
        Collectors.toMap(Student::getName, Student::getScore));

这里，Student::getName是keyMapper，Student::getScore是valueMapper。

实践中，经常需要将一个对象列表按主键转换为一个Map，以便以后按照主键进行快速查找，比如，假定Student的主键是id，希望转换学生流为学生id和学生对象的Map，代码可以为：

Map<String, Student> byIdMap = students.stream().collect(
        Collectors.toMap(Student::getId, t -> t));

               
t->t是valueMapper，表示值就是元素本身，这个函数用的比较多，接口Function定义了一个静态函数identity表示它，也就是说，上面的代码可以替换为：

Map<String, Student> byIdMap = students.stream().collect(
        Collectors.toMap(Student::getId, Function.identity()));

上面的toMap假定元素的键不能重复，如果有重复的，会抛出异常，比如：

Map<String,Integer> strLenMap = Stream.of("abc","hello","abc").collect(
        Collectors.toMap(Function.identity(), t->t.length()));

       
希望得到字符串与其长度的Map，但由于包含重复字符串"abc"，程序会抛出异常。这种情况下，我们希望的是程序忽略后面重复出现的元素，这时，可以使用另一个toMap函数：

public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(
    Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper,
    BinaryOperator<U> mergeFunction)    

相比前面的toMap，它接受一个额外的参数mergeFunction，它用于处理冲突，在收集一个新元素时，如果新元素的键已经存在了，系统会将新元素的值与键对应的旧值一起传递给mergeFunction得到一个值，然后用这个值给键赋值。

对于前面字符串长度的例子，新值与旧值其实是一样的，我们可以用任意一个值，代码可以为：

Map<String,Integer> strLenMap = Stream.of("abc","hello","abc").collect(
        Collectors.toMap(Function.identity(),
                t->t.length(), (oldValue,value)->value));

BinaryOperator<String> mergeFunction = (oldPhone,phone)->oldPhone+","+phone;

toMap还有一个更为通用的形式：

public static <T, K, U, M extends Map<K, U>> Collector<T, ?, M> toMap(
    Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper,
    BinaryOperator<U> mergeFunction,
    Supplier<M> mapSupplier)

相比前面的toMap，多了一个mapSupplier，它是Map的工厂方法，对于前面两个toMap，其mapSupplier其实是HashMap::new。我们知道，HashMap是没有任何顺序的，如果希望保持元素出现的顺序，可以替换为，如果希望收集的结果排序，可以使用。

toMap主要用于顺序流，对于并发流，Collectors有专门的名称为toConcurrentMap的收集器，它内部使用，用法类似，具体我们就不讨论了。

字符串收集器
除了将元素流收集到容器中，另一个常见的操作是收集为一个字符串。比如，获取所有的学生名称，用逗号连接起来，传统上，代码看上去像这样：

StringBuilder sb = new StringBuilder();
for(Student t : students){
    if(sb.length()>0){
        sb.append(",");
    }
    sb.append(t.getName());
}
return sb.toString();

针对这种常见的需求，Collectors提供了joining收集器：

public static Collector<CharSequence, ?, String> joining()
public static Collector<CharSequence, ?, String> joining(CharSequence delimiter)
public static Collector<CharSequence, ?, String> joining(
    CharSequence delimiter, CharSequence prefix, CharSequence suffix)

     
第一个就是简单的把元素连接起来，第二个支持一个分隔符，第三个更为通用，可以给整个结果字符串加个前缀和后缀。比如：

String result = Stream.of("abc","老马","hello")
        .collect(Collectors.joining(",", "[", "]"));
System.out.println(result);                                                  

输出为：

[abc,老马,hello]

                                                        
joining的内部也利用了，比如，第一个joining函数的代码为：

public static Collector<CharSequence, ?, String> joining() {
    return new CollectorImpl<CharSequence, StringBuilder, String>(
            StringBuilder::new, StringBuilder::append,
            (r1, r2) -> { r1.append(r2); return r1; },
            StringBuilder::toString, CH_NOID);
}

supplier是StringBuilder::new，accumulator是StringBuilder::append，finisher是StringBuilder::toString，CH_NOID表示特征集为空。

分组
分组类似于数据库查询语言SQL中的group by语句，它将元素流中的每个元素分到一个组，可以针对分组再进行处理和收集，分组的功能比较强大，我们逐步来说明。

为便于举例，我们先修改下学生类Student，增加一个字段grade，表示年级，改下构造方法：

public Student(String name, String grade, double score) {
    this.name = name;
    this.grade = grade;
    this.score = score;
}

   
示例学生列表students改为：

static List<Student> students = Arrays.asList(new Student[] {
        new Student("zhangsan", "1", 91d),
        new Student("lisi", "2", 89d),
        new Student("wangwu", "1", 50d),
        new Student("zhaoliu", "2", 78d),
        new Student("sunqi", "1", 59d)});

                   
基本用法
最基本的分组收集器为：

public static <T, K> Collector<T, ?, Map<K, List<T>>>
    groupingBy(Function<? super T, ? extends K> classifier)

参数是一个类型为Function的分组器classifier，它将类型为T的元素转换为类型为K的一个值，这个值表示分组值，所有分组值一样的元素会被归为同一个组，放到一个列表中，所以返回值类型是Map<K, List<T>>。 比如，将学生流按照年级进行分组，代码为：

Map<String, List<Student>> groups = students.stream()
        .collect(Collectors.groupingBy(Student::getGrade));

学生会分为两组，第一组键为"1"，分组学生包括"zhangsan", "wangwu"和"sunqi"，第二组键为"2"，分组学生包括"lisi", "zhaoliu"。

这段代码基本等同于如下代码：

Map<String, List<Student>> groups = new HashMap<>();
for (Student t : students) {
    String key = t.getGrade();
    List<Student> container = groups.get(key);
    if (container == null) {
        container = new ArrayList<>();
        groups.put(key, container);
    }
    container.add(t);
}
System.out.println(groups);

显然，使用groupingBy要简洁清晰的多，但它到底是怎么实现的呢？

基本原理
groupingBy的代码为：

public static <T, K> Collector<T, ?, Map<K, List<T>>>
groupingBy(Function<? super T, ? extends K> classifier) {
    return groupingBy(classifier, toList());
}

它调用了第二个groupingBy方法，传递了toList收集器，其代码为：

public static <T, K, A, D>
Collector<T, ?, Map<K, D>> groupingBy(Function<? super T, ? extends K> classifier,
                                      Collector<? super T, A, D> downstream) {
    return groupingBy(classifier, HashMap::new, downstream);
}

这个方法接受一个下游收集器downstream作为参数，然后传递给下面更通用的函数：

public static <T, K, D, A, M extends Map<K, D>>
Collector<T, ?, M> groupingBy(Function<? super T, ? extends K> classifier,
                              Supplier<M> mapFactory,
                              Collector<? super T, A, D> downstream)

                                 
classifier还是分组器，mapFactory是返回Map的工厂方法，默认是HashMap::new，downstream表示下游收集器，下游收集器负责收集同一个分组内元素的结果。

对最通用的groupingBy函数返回的收集器，其收集元素的基本过程和伪代码为：

//先创建一个存放结果的Map
Map map = mapFactory.get();
for (T t : data) {
    // 对每一个元素，先分组
    K key = classifier.apply(t);
    // 找存放分组结果的容器，如果没有，让下游收集器创建，并放到Map中
    A container = map.get(key);
    if (container == null) {
        container = downstream.supplier().get();
        map.put(key, container);
    }
    // 将元素交给下游收集器(即分组收集器)收集
    downstream.accumulator().accept(container, t);
}
// 调用分组收集器的finisher方法，转换结果
for (Map.Entry entry : map.entrySet()) {
    entry.setValue(downstream.finisher().apply(entry.getValue()));
}
return map;

在最基本的groupingBy函数中，下游收集器是toList，但下游收集器还可以是其他收集器，甚至是groupingBy，以构成多级分组，下面我们来看更多的示例。

分组计数、找最大/最小元素
将元素按一定标准分为多组，然后计算每组的个数，按一定标准找最大或最小元素，这是一个常见的需求，Collectors提供了一些对应的收集器，一般用作下游收集器，比如：

//计数
public static <T> Collector<T, ?, Long> counting()
//计算最大值
public static <T> Collector<T, ?, Optional<T>> maxBy(Comparator<? super T> comparator)
//计算最小值
public static <T> Collector<T, ?, Optional<T>> minBy(Comparator<? super T> comparator)

还有更为通用的名为reducing的归约收集器，我们就不介绍了，下面，看一些例子。

为了便于使用Collectors中的方法，我们将其中的方法静态导入，即加入如下代码：

import static java.util.stream.Collectors.*;

统计每个年级的学生个数，代码可以为：

Map<String, Long> gradeCountMap = students.stream().collect(
        groupingBy(Student::getGrade, counting()));

统计一个单词流中每个单词的个数，按出现顺序排序，代码示例为：

Map<String, Long> wordCountMap =
        Stream.of("hello","world","abc","hello").collect(
            groupingBy(Function.identity(), LinkedHashMap::new, counting()));

获取每个年级分数最高的一个学生，代码可以为：

Map<String, Optional<Student>> topStudentMap = students.stream().collect(
        groupingBy(Student::getGrade,
                maxBy(Comparator.comparing(Student::getScore))));

需要说明的是，这个分组收集结果是Optional<Student>，而不是Student，这是因为maxBy处理的流可能是空流，但对我们的例子，这是不可能的，为了直接得到Student，可以使用Collectors的另一个收集器collectingAndThen，在得到Optional<Student>后调用Optional的get方法，如下所示：

Map<String, Student> topStudentMap = students.stream().collect(
        groupingBy(Student::getGrade,
                collectingAndThen(
                        maxBy(Comparator.comparing(Student::getScore)),
                        Optional::get)));

                       
关于collectingAndThen，我们待会再进一步讨论。                    

分组数值统计
除了基本的分组计数，还经常需要进行一些分组数值统计，比如求学生分数的和、平均分、最高分/最低分等，针对int,long和double类型，Collectors提供了专门的收集器，比如：

//求平均值，int和long也有类似方法
public static <T> Collector<T, ?, Double>
    averagingDouble(ToDoubleFunction<? super T> mapper)
//求和，long和double也有类似方法
public static <T> Collector<T, ?, Integer>
    summingInt(ToIntFunction<? super T> mapper)    
//求多种汇总信息，int和double也有类似方法
//LongSummaryStatistics包括个数、最大值、最小值、和、平均值等多种信息
public static <T> Collector<T, ?, LongSummaryStatistics>
    summarizingLong(ToLongFunction<? super T> mapper)

   
比如，按年级统计学生分数信息，代码可以为：

Map<String, DoubleSummaryStatistics> gradeScoreStat =
    students.stream().collect(
            groupingBy(Student::getGrade,
                    summarizingDouble(Student::getScore)));

                                               
分组内的map
对于每个分组内的元素，我们感兴趣的可能不是元素本身，而是它的某部分信息，在介绍的Stream API中，Stream有map方法，可以将元素进行转换，Collectors也为分组元素提供了函数mapping，如下所示：

public static <T, U, A, R>
Collector<T, ?, R> mapping(Function<? super T, ? extends U> mapper,
    Collector<? super U, A, R> downstream)

交给下游收集器downstream的不再是元素本身，而是应用转换函数mapper之后的结果。比如，对学生按年级分组，得到学生名称列表，代码可以为：

Map<String, List<String>> gradeNameMap =
        students.stream().collect(
                groupingBy(Student::getGrade,
                        mapping(Student::getName, toList())));
System.out.println(gradeNameMap);     

                
输出为：

{1=[zhangsan, wangwu, sunqi], 2=[lisi, zhaoliu]}

分组结果处理(filter/sort/skip/limit)
对分组后的元素，我们可以计数，找最大/最小元素，计算一些数值特征，还可以转换后(map)再收集，那可不可以像介绍的Stream API一样，进行排序(sort)、过滤(filter)、限制返回元素(skip/limit)呢？Collector没有专门的收集器，但有一个通用的方法：

public static<T,A,R,RR> Collector<T,A,RR> collectingAndThen(
    Collector<T,A,R> downstream, Function<R,RR> finisher)

这个方法接受一个下游收集器downstream和一个finisher，返回一个收集器，它的主要代码为：

return new CollectorImpl<>(downstream.supplier(),
    downstream.accumulator(),
    downstream.combiner(),
    downstream.finisher().andThen(finisher),
    characteristics);

也就是说，它在下游收集器的结果上又调用了finisher。利用这个finisher，我们可以实现多种功能，下面看一些例子。

收集完再排序，可以定义如下方法：

public static <T> Collector<T, ?, List<T>> collectingAndSort(
        Collector<T, ?, List<T>> downstream,
        Comparator<? super T> comparator) {
    return Collectors.collectingAndThen(downstream, (r) -> {
        r.sort(comparator);
        return r;
    });
}

   
比如，将学生按年级分组，分组内学生按照分数由高到低进行排序，利用这个方法，代码可以为：

Map<String, List<Student>> gradeStudentMap =
    students.stream().collect(
            groupingBy(Student::getGrade,
                    collectingAndSort(toList(),
                            Comparator.comparing(Student::getScore).reversed())));

针对这个需求，也可以先对流进行排序，然后再分组。

收集完再过滤，可以定义如下方法：

public static <T> Collector<T, ?, List<T>> collectingAndFilter(
        Collector<T, ?, List<T>> downstream,
        Predicate<T> predicate) {
    return Collectors.collectingAndThen(downstream, (r) -> {
        return r.stream().filter(predicate).collect(Collectors.toList());
    });
}

比如，将学生按年级分组，分组后，每个分组只保留不及格的学生(低于60分)，利用这个方法，代码可以为：

Map<String, List<Student>> gradeStudentMap =
    students.stream().collect(
            groupingBy(Student::getGrade,
                    collectingAndFilter(toList(), t->t.getScore()<60)));

针对这个需求，也可以先对流进行过滤，然后再分组。

收集完，只返回特定区间的结果，可以定义如下方法：

public static <T> Collector<T, ?, List<T>> collectingAndSkipLimit(
        Collector<T, ?, List<T>> downstream, long skip, long limit) {
    return Collectors.collectingAndThen(downstream, (r) -> {
        return r.stream().skip(skip).limit(limit).collect(Collectors.toList());
    });
}

比如，将学生按年级分组，分组后，每个分组只保留前两名的学生，代码可以为：

Map<String, List<Student>> gradeStudentMap =
    students.stream()
        .sorted(Comparator.comparing(Student::getScore).reversed())
        .collect(groupingBy(Student::getGrade,
                    collectingAndSkipLimit(toList(), 0, 2)));

这次，我们先对学生流进行了排序，然后再进行了分组。

分区
分组的一个特殊情况是分区，就是将流按true/false分为两个组，Collectors有专门的分区函数：

public static <T> Collector<T, ?, Map<Boolean, List<T>>>
    partitioningBy(Predicate<? super T> predicate)
public static <T, D, A> Collector<T, ?, Map<Boolean, D>>
    partitioningBy(Predicate<? super T> predicate,
    Collector<? super T, A, D> downstream)   

第一个的下游收集器为toList()，第二个可以指定一个下游收集器。

比如，将学生按照是否及格(大于等于60分)分为两组，代码可以为：

Map<Boolean, List<Student>> byPass = students.stream().collect(
    partitioningBy(t->t.getScore()>=60));

   
按是否及格分组后，计算每个分组的平均分，代码可以为：

Map<Boolean, Double> avgScoreMap = students.stream().collect(
        partitioningBy(t->t.getScore()>=60,
            averagingDouble(Student::getScore)));   

           
多级分组
groupingBy和partitioningBy都可以接受一个下游收集器，而下游收集器又可以是分组或分区。

比如，按年级对学生分组，分组后，再按照是否及格对学生进行分区，代码可以为：

Map<String, Map<Boolean, List<Student>>> multiGroup =
        students.stream().collect(
                groupingBy(Student::getGrade,
                        partitioningBy(t->t.getScore()>=60)));   

                       
小结
本节主要讨论了各种收集器，包括容器收集器、字符串收集器、分组和分区收集器等。

对于分组和分区，它们接受一个下游收集器，对同一个分组或分区内的元素进行进一步收集，下游收集器还可以是分组或分区，以构建多级分组，有一些收集器主要用于分组，比如counting, maxBy, minBy,  summarizingDouble等。

mapping和collectingAndThen也都接受一个下游收集器，mapping在把元素交给下游收集器之前先进行转换，而collectingAndThen对下游收集器的结果进行转换，组合利用它们，可以构造更为灵活强大的收集器。

至此，关于Java 8中的函数式数据处理Stream API，我们就介绍完了，Stream API提供了集合数据处理的常用函数，利用它们，可以简洁地实现大部分常见需求，大大减少代码，提高可读性。

对于并发编程，Java 8也提供了一个新的类CompletableFuture，类似于Stream API对集合数据的流水线式操作，使用CompletableFuture，可以实现对多个异步任务进行流水线式操作，它具体是什么呢？

(与其他章节一样，本节所有代码位于 https://github.com/swiftma/program-logic，位于包shuo.laoma.java8.c93下)

---

持续更新，关注"老马说编程"，老马和你一起探索编程及计算机技术的本质。用心原创，保留所有版权。