摩诘无花 Guava Collect
精品资源推荐：
IDEA,Typora,等免费破解软件教程目录 & 限时福利目录*
typora 各种版本一网打尽，
扫描上方 公众号 Java技术指北
回复 ddd112 即可获取Typora全部版本,包括 MAC Windows 以及免费版！
或者点击如下链接：
http://www.itmind.net/118252.html
以下是正文。
集合操作是编程中使用频率非常高的，所有有一款针对集合的操作工具是非常有必要的。
Guava Collect
集合操作是编程中使用频率非常高的，所有有一款针对集合的操作工具是非常有必要的。
通过框架提供的工具一方面可以减少开发相似功能的耗时；同时框架在安全与稳定性上更被推荐。
Guava Collect是Guava工具包中的一个子模块，主要对jdk中的集合操作添加了一些简易的API，同时也是对Collections工具类的扩展。
当然Guava还定义了一些特定场景的数据结构以及一些针对jdk集合的优化，最典型的就是Immutable Collections（不可变集合），你会发现调用Guava API很多都是不可变的
意义
我们常见的集合类有：
- List
- Set
- Vector
- Stack
- Map
- Queue
集合是一种非常常见的数据结构，JDK在处理各种数据集时，提供了以上集合类型的数据结构以及其对应API方便开发者高效简易地对数据对象操作
特色
guava主要提供了以下几个方面的支持：
-
增加了不可变集合
- 不受信任的库可以安全使用。
- 线程安全：可以被许多线程使用，没有竞争条件的风险。
- 不需要支持突变，并且可以通过该假设节省时间和空间。所有不可变集合实现都比它们的可变兄弟更节省内存。（分析）
- 可以用作常数，期望它保持不变。
-
增加了新的集合类型
-
Multiset
与普通的Set相比，提供了元素出现频率的记录。可用于元素出现次数的记录 -
Multimap
一个与Map相比，一个建可以对应对应多个值。与Spring中MultiValueMap一样 -
BiMap
键值都是唯一的Map -
Table
具有行、列的表格，数据视图中可能更直观。 -
ClassToInstanceMap
键为Class，值为Class实例的特殊Map -
RangeSet
代表一组数据区间，类似数学中的 [1,9) -
RangeMap
与RangeSet类似，不过将其区间作为建，可以有自己的值。 [1,9) -> ‘VAL’
-
-
优化了常用的操作
- 集合的创建\
ImmutableSet.of(elem …)\
Lists.newArrayList(elem …)\
Sets.newHashSet(elem …)\
Maps.newHashMap()\
… - 常用的操作
判断两个集合是否相等： Iterables.elementsEqual()\
集合分段处理：Lists.partition()\
取集合的交集：Sets.intersection()\
取集合的差集：Sets.difference()\
…
- 集合的创建\
使用
Guava Collect作为集合操作工具，我们主要从实际业务中了解其能够帮助我们实现怎样的需求，下面看下其API的使用情况：
假设我们有10000名学生，通过Faker生成这些模拟的学生数据数据：
List<Student> students = new ArrayList<>();
Faker faker = new Faker(Locale.CHINA);
@Before
public void init(){
Faker enFaker = new Faker();
Name name = faker.name();
IntStream.range(0,10000).forEach(index->{
students.add(
Student.of()
.setId(String.valueOf(index+1))
.setName(name.name())
.setAge(faker.number().numberBetween(18,22))
.setGender(new String[]{"男","女"}[faker.number().numberBetween(0,2)])
.setAddress(faker.address().streetAddress())
.setScore(faker.number().randomDouble(3,50,100))
.setEmail( faker.internet().emailAddress(enFaker.name().username()))
.setTelephone(faker.phoneNumber().cellPhone())
);
});
}Multiset
获取元素出现频次。
比如获取男生与女生的学生数量分别为多少@Test public void multiset(){ Multiset multiset = HashMultiset.create(); students.forEach(student -> { if(Objects.equals(student.getGender(),"男")){ multiset.add("男"); }else{ multiset.add("女"); } });
System.out.println("学生中男生数量:"+ multiset.count("男"));
System.out.println("学生中女生数量:"+ multiset.count("女"));
}> **Multimap**\
一个键对应多个值时。
比如查看各个年龄的学生是哪些@Test
public void multimap(){
ListMultimap<Integer, Student> multimap =
MultimapBuilder.hashKeys().arrayListValues().build();
students.forEach(student -> {
multimap.put(student.getAge(),student);
});
System.out.println( multimap.get(20) );
}> **BiMap**
键和值都是唯一时。
比如处理学生的邮箱和手机号，客户互换键值位置@Test
public void biMap(){
BiMap biMap = HashBiMap.create();
students.forEach(student -> {
biMap.put(student.getEmail(),student.getTelephone());
});
BiMap inverse = biMap.inverse();// 键值更换
System.out.println( biMap );
System.out.println( inverse );
}> **Table**
二维表，通过行（键）、列（键）取值
比如可以以学生为行数据，其中id为行键，列名分别为学生属性名称
| ID | 姓名 | 年龄 | 性别 |
|-----|-----|-----|-----|
| 1 | TOM | 22 | 男 |
@Test
public void table(){
Table<String, String, Object> weightedGraph = HashBasedTable.create();
students.forEach(student -> {
weightedGraph.put(student.getId(), "姓名", student.getName());
weightedGraph.put(student.getId(), "年龄", student.getAge());
weightedGraph.put(student.getId(), "性别", student.getGender());
weightedGraph.put(student.getId(), "邮箱", student.getEmail());
weightedGraph.put(student.getId(), "电话", student.getTelephone());
weightedGraph.put(student.getId(), "地址", student.getAddress());
weightedGraph.put(student.getId(), "分数", student.getScore());
});
Map<String, Object> row = weightedGraph.row("1");
Map<String, Object> column = weightedGraph.column("姓名");
Set<Table.Cell<String, String, Object>> cells = weightedGraph.cellSet();
System.out.println( row );
System.out.println( column );
System.out.println( cells );
}> **ClassToInstanceMap**
当值是键的类型实例时，通过该Map现在键值关系@Test
public void classToInstanceMap(){
ClassToInstanceMap<Number> numberDefaults = MutableClassToInstanceMap.create();
numberDefaults.put(Number.class,1);
Map<Class,Object> objectMap = new HashMap<>();
objectMap.put(Number.class,2);
}> **RangeSet**
区间Set。
比如通过学生分数确定学生等级@Test
public void rangeSet(){
RangeSet<Double> ArangeSet = TreeRangeSet.create();
ArangeSet.add(Range.closed(90d,100d)); // [90,100]
RangeSet<Double> BrangeSet = TreeRangeSet.create();
BrangeSet.add(Range.closedOpen(80d,90d)); // [80,90)
RangeSet<Double> CrangeSet = TreeRangeSet.create();
CrangeSet.add(Range.closedOpen(70d,80d)); // [70,80)
RangeSet<Double> DrangeSet = TreeRangeSet.create();
DrangeSet.add(Range.closedOpen(60d,70d)); // [60,70)
RangeSet<Double> ErangeSet = TreeRangeSet.create();
ErangeSet.add(Range.lessThan(60d)); // [...,60)
students.forEach(student -> {
System.out.print( " 学生："+ student.getName() );
System.out.print( ",分数为："+ student.getScore() );
String rank = "";
if(ArangeSet.contains(student.getScore())){
rank = "A";
}else if(BrangeSet.contains(student.getScore())){
rank = "B";
}else if(CrangeSet.contains(student.getScore())){
rank = "C";
}else if(DrangeSet.contains(student.getScore())){
rank = "D";
}else if(ErangeSet.contains(student.getScore())){
rank = "E";
}
System.out.print( ",等级为："+ rank +"\n");
});
}> **RangeMap**
和RangeSet类似，区别是添加了区间命名。
和上面一样@Test
public void rangeMap(){
RangeMap<Double, String> rangeMap = TreeRangeMap.create();
rangeMap.put(Range.closed(90d,100d),"A"); // [90,100]
rangeMap.put(Range.closedOpen(80d,90d),"B"); // [80,90)
rangeMap.put(Range.closedOpen(70d,80d),"C"); // [70,80)
rangeMap.put(Range.closedOpen(60d,70d),"D"); // [60,70)
rangeMap.put(Range.lessThan(60d),"E"); // [...,60)
students.forEach(student -> {
System.out.print( " 学生："+ student.getName() );
System.out.print( ",分数为："+ student.getScore() );
System.out.print( ",等级为："+ rangeMap.get(student.getScore()) +"\n");
});
}
#### 下面看下对常用集合的一些操作
当然我们首先需要将数据使用Guava Collect对应的数据结构来存储数据，这样才能使用其对应的API：
+ 集合创建
FluentIterable.of(elem ...)\
Lists.newArrayList(elem ...)\
Sets.newHashSet(elem ...)\
Maps.newHashMap()\
HashMultiset.create()\
ArrayListMultimap.create()\
Tables.newCustomTable(Maps.newLinkedHashMap(), () -> Maps.newLinkedHashMap())\
+ 条件过滤
FluentIterable.filter(predicate);
FluentIterable.anyMatch(predicate);
FluentIterable.allMatch(predicate);
FluentIterable.firstMatch(predicate);
+ 拆分
Iterables.partition(list, pageSize); // 拆解集合
+ 计算
Iterables.frequency(list, elem); //元素出现的次数
+ 集合的并集、交集、差集
// 并集
Sets.union(set1, set2);
// 交集
Sets.intersection(set1, set2);
// 差集 set1为参考
Sets.difference(set1, set2);
// 并集-交集
Sets.symmetricDifference(set1, set2);
// 同上
Sets.difference(Sets.union(set1, set2),Sets.intersection(set1, set2) );
// 笛卡尔积
Sets.cartesianProduct(Arrays.asList(Sets.newHashSet(1, 2, 3), Sets.newHashSet(3, 4, 5, 6));
// Map,KV相同的部分
difference.entriesInCommon();
// 同K不同V
difference.entriesDiffering();
// 左边存在的右边不存的K
difference.entriesOnlyOnLeft();
// 右边存在的左边不存的K
difference.entriesOnlyOnRight();
+ 索引
// 将元素中的子项作为索引，由于元素检索
Maps.uniqueIndex()
Multimaps.index()
### Jdk中的集合操作
自从Jdk中引入了集合Stream的操作后，从很大程度上简化了对集合的操作，以前大量代码现在可能简单几行就能够达到相同的效果，同时支持并发处理，一并提升了效率。
下面看下常见的集合基于stream操作，同样以上面的学生为例:
> **遍历** forEach@Test
public void forEach(){
students.stream().forEach(System.out::println);
}
> **转换** map
将元素转换成其他类型。
比如根据学生名称、性别组成新的List；以id为键元素为值的Map或者学生姓名拼接的字符串等等@Test
public void transform(){
// 转换为数组
List<String> listResult = students.stream()
.map((val)-> val.getName() + ":" + val.getGender()).collect(Collectors.toList());
System.out.println( listResult );
// 转换成String
String stringResult = students.stream().map(Student::getName).collect(Collectors.joining());
System.out.println( stringResult );
// 转换成Map
Map<String, Student> mapResult = students.stream().collect(
// key ,value ,mergerOperation, initialization
Collectors.toMap(Student::getName,Student::self,(v1,v2)->{
// 出现相同key时的合并规则
return null;
},HashMap::new)
);
System.out.println( mapResult );
}
>**过滤** filter
根据条件匹配满足要求的元素。如找出分数大于80分的学生 @Test
public void filter(){
List<Student> filterResult = students.stream().filter((val)->{
return val.getScore()>80;
}).collect(Collectors.toList());
System.out.println(filterResult);
}
> **拆解** flatMap
将二层级集合进行拆解，并成一级集合。如[[1,2,3],[4,5,6]] -> [1,2,3,4,5,6]@Test
public void flatMap(){
//复合拆解
List<Integer> result = Stream.of(Arrays.asList(1, 2, 3), Arrays.asList(4, 5, 6))
.flatMap(subList -> subList.stream())
.collect(Collectors.toList());
System.out.println(result);// 1 2 3 4 5 6
}
> **计算**
实现数据的汇总、求平均值、最大值...，当然主要针对数字（Number）类型@Test
public void calculate(){
// 求和
double sum = students.stream().mapToDouble(Student::getScore).sum();
// 最大值
double max = students.stream().mapToDouble(Student::getScore).max().getAsDouble();
// 最小值
double min = students.stream().mapToDouble(Student::getScore).min().getAsDouble();
// 平均值
double avg = students.stream().mapToDouble(Student::getScore).average().getAsDouble();
// 归约运算 fold . count、sum、min、max、average
DoubleSummaryStatistics doubleSummaryStatistics = students.stream().mapToDouble(Student::getScore).summaryStatistics();
}
> **归纳计算** reduce
在很多语言中都存在的函数，如python、javascript。数据的累加、map的功能@Test
public void reduce(){
// 结果和identity（初始值）类型相同
// identity accumulator combiner
Map result = students.stream().reduce(
new HashMap<String,Student>(), //初始值
(map, student) -> {
map.put(student.getId(),student);
return map;
},
(map1, map2) -> {
// 并发执行时的map合并
return null;
}
);
}
> **并发** parallel
上面的操作我们还可以使用parallel对stream并发处理Arrays.asList().stream().parallel()...;
Arrays.asList().parallelStream()...;
> **分段处理**
对集合按固定规格分段处理，处理大批量数据时，结合parallel实现分段并发处理来提示效率@Test
public void partition(){
List<String> list = new ArrayList<>();
int partition = 100; //每段100个元素
int part = list.size() / partition + (list.size() % partition==0? 0:1);
Stream.iterate(0, n -> n+1)
.limit(part)
.parallel() //并发
.map(index -> list.stream().skip(index * partition).limit(partition).parallel().collect(Collectors.toList()))
.forEach(System.out::println);
}
### 总结
本章主要介绍了Guava Collect部分，以及对集合操作的常用API，通过示例可以看到有其对JDK集合的扩展有了更广泛与简易的操作。同时在JDK引入
了Stream操作后，Guava Collect中的很多功能通过Stream也可以比较容易的实现了，当然具体如何选择根据实际情况。需要注意的是Guava Collect中
返回的基本都是不可变的集合，这样在对数据的操作会更加的安全。
