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 all=new ArrayList();
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
范例，实现购买商品综合的操作
public class TestDemo {
public static void main(String[] args) {
List all=new ArrayList();
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 mapper) - 处理int操作：
IntStream mapToInt(ToIntFunction mapper) - 处理long操作：
LongStream mapToLong(ToLongFunction 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 all=new ArrayList();
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。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com