WissensdatenbankPrüfungszentrum
DEDeutsch
Sprache wählen13

CKTIS / Java

Collectors: Zusammenfassende Statistiken und nebenläufige Gruppierung

Die Klasse java.util.stream.Collectors stellt Collector für Stream.collect bereit. Kombiniere Collectors.groupingByConcurrent mit Collectors.summarizingDouble, um für jede Gruppe numerische Statistiken zu berechnen.

Version: Java SE 21; repository runtime, production runtime not attested

Syntax

stream.collect(Collectors.summarizingDouble(mapper))
stream.collect(Collectors.groupingByConcurrent(classifier, Collectors.summarizingDouble(mapper)))

java.util.stream.Collectors stellt wiederverwendbare Reduktionsstrategien für die Terminaloperation Stream.collect bereit. Collector lassen sich kombinieren: Ein äußerer Collector bildet Gruppen, während ein nachgelagerter Collector das Ergebnis für jede Gruppe berechnet. Dieser Eintrag bezieht sich auf Java SE 21; die Produktionslaufzeitumgebung ist nicht bestätigt.

Collectors.summarizingDouble(mapper) liefert einen Collector<T, ?, DoubleSummaryStatistics>. Wird er in Stream.collect verwendet, wendet er mapper auf jedes Element an, um einen double-Wert zu erhalten. Das Ergebnis von collect ist ein DoubleSummaryStatistics-Objekt mit Anzahl, Summe, Minimum, Maximum und Durchschnitt. Bei leerer Eingabe betragen Anzahl, Summe und Durchschnitt jeweils 0. Das Minimum ist Double.POSITIVE_INFINITY und das Maximum Double.NEGATIVE_INFINITY. Rundungen können Summe und Durchschnitt verändern; NaN-Werte beeinflussen die Statistiken.

Collectors.groupingByConcurrent(classifier) und die Überladung mit einem nachgelagerten Collector liefern jeweils einen Collector. Bei Verwendung in Stream.collect erzeugt der erste eine ConcurrentMap<K, List<T>>, der zweite eine ConcurrentMap<K, D>. Beide Collector sind nebenläufig und haben die Eigenschaft UNORDERED: Sie garantieren nicht, dass die Begegnungsreihenfolge erhalten bleibt, schließen dies aber nicht aus. Bei sequenzieller Sammlung kann die Begegnungsreihenfolge zum Beispiel in der Liste jeder Gruppe erhalten bleiben. Im Gegensatz dazu ist groupingBy kein nebenläufiger Collector. Für die resultierenden Listen selbst ist Thread-Sicherheit nicht garantiert.

Die nebenläufige Reduktion erfordert einen parallelen Stream; der Collector allein startet keinen solchen Stream. Funktionen sollten zustandslos sein und die Quelle nicht verändern. Eine nebenläufige Map macht spätere Änderungen an ihren DoubleSummaryStatistics-Werten nicht threadsicher. Das Beispiel sortiert die Schlüssel erst vor der Ausgabe; die kleinen, exakt darstellbaren Werte machen die Statistiken vorhersehbar.

Beispiele

import java.util.DoubleSummaryStatistics;
import java.util.List;
import java.util.Locale;
import java.util.TreeMap;
import java.util.concurrent.ConcurrentMap;
import java.util.stream.Collectors;

public class Main {
    record Item(String category, double value) {}

    public static void main(String[] args) {
        var items = List.of(
            new Item("A", 2.0),
            new Item("B", 8.0),
            new Item("A", 4.0)
        );

        ConcurrentMap<String, DoubleSummaryStatistics> stats =
            items.parallelStream().collect(Collectors.groupingByConcurrent(
                Item::category,
                Collectors.summarizingDouble(Item::value)
            ));

        new TreeMap<>(stats).forEach((category, s) ->
            System.out.printf(Locale.ROOT,
                "%s: count=%d sum=%.1f min=%.1f max=%.1f avg=%.1f%n",
                category, s.getCount(), s.getSum(), s.getMin(),
                s.getMax(), s.getAverage()));
    }
}

Ergebnis

A: count=2 sum=6.0 min=2.0 max=4.0 avg=3.0
B: count=1 sum=8.0 min=8.0 max=8.0 avg=8.0

Der angezeigte Code und das angegebene Ergebnis wurden in einer isolierten Umgebung mit der im Prüfnachweis für genau diese Version dokumentierten Methode verifiziert.

Quellen