java8之Lambda表达式 4：MapReduce开发案例

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。