Stream数据流

  从JDK1.8开始，由于已经进入到了大数据的时代，所以在类集中也支持有数据的流式分析处理操作，为此就专门提供了Stream接口，同时在Collection接口中也提供有为此接口实例化的方法。

• 获取Stream接口对象：default Stream<E> stream()

Stream类基础操作

  Stream主要功能是进行数据的分析处理，同时主要是针对于集合中的数据尽心分析操作 。
范例：Stream的基本操作

import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.stream.Stream;
public class JavaAPIDemo {
    public static void main(String[] args) throws Exception {
        List<String> all = new ArrayList();
        Collections.addAll(all, "JAVA", "JS", "Python", "HTML", "PHP");
        Stream<String> stream = all.stream();//获取Stream接口对象
//        System.out.println(stream.count());//输出元素的个数
        long count=stream.filter((ele) ->
            ele.toLowerCase().contains("j")
        ).count();
        System.out.println(count);
    }
}

  但是以上的程序只是实现了一些最基础的数据的个数统计，而更多情况下可能需要的是获取里面满足条件的数据内容，以实现数据采集操作。

范例：数据采集

import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.stream.Collectors;
import java.util.stream.Stream;
public class JavaAPIDemo {
    public static void main(String[] args) throws Exception {
        List<String> all = new ArrayList();
        Collections.addAll(all, "JAVA", "JS", "Python", "HTML", "PHP");
        Stream<String> stream = all.stream();//获取Stream接口对象
        //将满足条件的数据收集起来转为List集合
        List<String> list = stream.filter((ele) ->
                ele.toLowerCase().contains("j")
        ).collect(Collectors.toList());
        System.out.println(list);
    }
}

  在Stream数据流处理的过程中还允许进行数据的分页处理，提供有两个方法：

• 设置取出最大的数据量：Stream<T> limit​(long maxSize)
• 跳过指定数据量：Stream<T> skip​(long n)

范例：观察分页

import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.stream.Collectors;
import java.util.stream.Stream;
public class JavaAPIDemo {
    public static void main(String[] args) throws Exception {
        List<String> all = new ArrayList();
        Collections.addAll(all, "JAVA", "JS","JSP", "Python", "HTML", "PHP","JSON");
        Stream<String> stream = all.stream();//获取Stream接口对象
        //将满足条件的数据收集起来转为List集合
        List<String> list = stream.filter((ele) ->
                ele.toLowerCase().contains("j")
        ).skip(2).limit(2).collect(Collectors.toList());//[JSP, JSON]
        System.out.println(list);
    }
}

  Stream的操作主要是利用其自身的特点实现数据的分析处理操作。

MapReduce基础模型

  在进行数据分析的处理之中，有一个最重要的基础模型：MapReduce模型，对于这个模型一共是分为两个部分：Map处理部分、Reduce分析部分，在进行数据分析前必须要对数据进行合理的处理，而后才可以做统计分析操作。
范例：MapReduce基础模型

import java.util.ArrayList;
import java.util.DoubleSummaryStatistics;
import java.util.List;
public class JavaAPIDemo {
    public static void main(String[] args) throws Exception {
        //如果要想使用Stream进行分析处理，则一定要将全部要分析的数据保存在集合中
        List<Order> all = new ArrayList();
        all.add(new Order("A款娃娃", 9.9, 10));
        all.add(new Order("大娃娃", 19.9, 5));
        all.add(new Order("A款笔记本", 8317.3, 10));
        all.add(new Order("B款茶杯", 2.9, 800));
        all.add(new Order("A款蛋糕", 60, 3));
        //分析购买商品中带有“款”的信息数据,并且进行商品单价和数量的处理，随后分析汇总
        DoubleSummaryStatistics statistics = all.stream().filter((order -> order.getName().contains("款"))).mapToDouble((order) -> order.getPrice() * order.getAmount()).summaryStatistics();
        System.out.println("购买数量："+statistics.getCount());//购买数量：4
        System.out.println("购买总价："+statistics.getSum());//购买总价：85772.0
        System.out.println("平均花费："+statistics.getAverage());//平均花费：21443.0
        System.out.println("最多花费："+statistics.getMax());//最多花费：83173.0
        System.out.println("最少花费："+statistics.getMin());//最少花费：99.0

    }
}
@lombok.Getter
@lombok.NoArgsConstructor
@lombok.AllArgsConstructor
class Order {
    private String name;
    private double price;
    private int amount;
}

这些分析操作只是JDK本身提供的支持，而实际开发中，肯定不会这样进行，因为所有的数据如果都保存在内存中，将不再适用于大数据编程。