CKTIS / Java
Collectors: súhrnné štatistiky a súbežné zoskupovanie
Trieda java.util.stream.Collectors poskytuje collectory pre Stream.collect. Spojte Collectors.groupingByConcurrent s Collectors.summarizingDouble a počítajte číselné súhrnné štatistiky samostatne pre každú skupinu.
Verzia: 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 poskytuje opakovane použiteľné stratégie redukcie pre terminálnu operáciu Stream.collect. Collectory možno skladať: vonkajší collector vytvára skupiny, zatiaľ čo následný collector počíta výsledok každej skupiny. Tento záznam sa týka Java SE 21; produkčné runtime prostredie nie je potvrdené.
Collectors.summarizingDouble(mapper) vracia Collector<T, ?, DoubleSummaryStatistics>. Pri použití v Stream.collect collector použije mapper na každý prvok, aby získal hodnotu typu double. Výsledkom operácie collect je objekt DoubleSummaryStatistics, ktorý obsahuje počet prvkov, súčet, minimum, maximum a priemer. Pri prázdnom vstupe sú počet, súčet a priemer nulové, minimum je Double.POSITIVE_INFINITY a maximum Double.NEGATIVE_INFINITY. Zaokrúhľovanie môže zmeniť súčet aj priemer; hodnoty NaN ovplyvňujú štatistiky.
Collectors.groupingByConcurrent(classifier) aj preťaženie s následným collectorom vracajú collector. Pri použití v Stream.collect prvý poskytne ConcurrentMap<K, List<T>> a druhý ConcurrentMap<K, D>. Oba collectory sú súbežné a majú vlastnosť UNORDERED: nezaručujú zachovanie poradia prvkov pri prechode streamom, no ani ho nevylučujú. Pri sekvenčnom zbere môžu napríklad prvky v zozname každej skupiny zostať v poradí, v akom sa vyskytli v streame. Na rozdiel od nich groupingBy nie je súbežný collector. Pri samotných výsledných zoznamoch nie je zaručená bezpečnosť pri prístupe z viacerých vlákien.
Súbežná redukcia vyžaduje paralelný stream; samotný collector ho nespustí. Funkcie by mali byť bezstavové a nemali by meniť zdroj. Súbežná mapa nezaručuje bezpečnosť následných zmien jej hodnôt DoubleSummaryStatistics pri prístupe z viacerých vlákien. Príklad zoraďuje kľúče až pred výpisom; malé, presne reprezentovateľné hodnoty zabezpečujú predvídateľné štatistiky.
Príklady
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()));
}
}Výsledok
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
Zobrazený kód a uvedený výsledok boli overené v izolovanom prostredí metódou zaznamenanou v dôkaze o overení tejto presnej verzie.