CKTIS / Java
Collectors: samenvattende statistieken en gelijktijdige groepering
De klasse java.util.stream.Collectors biedt collectors voor Stream.collect. Combineer Collectors.groupingByConcurrent met Collectors.summarizingDouble om voor elke groep afzonderlijk numerieke samenvattende statistieken te berekenen.
Versie: 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 biedt herbruikbare reductiestrategieën voor de terminale bewerking Stream.collect. Collectors kunnen worden gecombineerd: een buitenste collector vormt groepen, terwijl een downstreamcollector het resultaat van elke groep berekent. Deze vermelding richt zich op Java SE 21; de productie-runtime is niet bevestigd.
Collectors.summarizingDouble(mapper) retourneert een Collector<T, ?, DoubleSummaryStatistics>. Bij gebruik met Stream.collect past de collector mapper toe op elk element om een double-waarde te verkrijgen. Het resultaat van collect is een DoubleSummaryStatistics-object met het aantal, de som, het minimum, het maximum en het gemiddelde. Bij lege invoer zijn het aantal, de som en het gemiddelde nul, is het minimum Double.POSITIVE_INFINITY en het maximum Double.NEGATIVE_INFINITY. Afronding kan de som en het gemiddelde veranderen; NaN-waarden beïnvloeden de statistieken.
Collectors.groupingByConcurrent(classifier) en de overload met een downstreamcollector retourneren beide een collector. Bij gebruik met Stream.collect levert de eerste een ConcurrentMap<K, List<T>> op en de tweede een ConcurrentMap<K, D>. Beide collectors ondersteunen gelijktijdige verwerking en hebben het kenmerk UNORDERED: ze garanderen niet dat de volgorde waarin de elementen in de stream voorkomen behouden blijft, maar sluiten dat ook niet uit. Bij sequentieel verzamelen kunnen de elementen in de lijst van elke groep bijvoorbeeld in die volgorde blijven staan. groupingBy is daarentegen geen gelijktijdige collector. Voor de resulterende lijsten zelf is threadveiligheid niet gegarandeerd.
Voor gelijktijdige reductie is een parallelle stream nodig; de collector start die niet zelf. Functies moeten stateless zijn en de bron niet wijzigen. Een gelijktijdige map maakt latere wijzigingen aan de waarden DoubleSummaryStatistics niet threadveilig. Het voorbeeld sorteert de sleutels pas vóór het afdrukken; de kleine, exact representeerbare waarden maken de statistieken voorspelbaar.
Voorbeelden
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()));
}
}Resultaat
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
De getoonde code en het opgegeven resultaat zijn in een geïsoleerde omgeving geverifieerd met de methode die in het verificatiebewijs voor exact deze versie is vastgelegd.