本文详细介绍了如何利用Java Stream API处理关联数据，以电影评分和预算为例，演示了如何计算电影的平均得分，筛选出平均分最高的N部电影，并根据预算对其进行二次排序。通过构建数据模型、使用groupingBy、averagingDouble以及多阶段排序，高效地实现了复杂的数据聚合和筛选逻辑，为内存数据处理提供了专业的解决方案。
1. 场景概述与数据模型
在实际应用中，我们经常需要处理来自多个关联数据源的信息。本教程将解决一个典型问题：给定用户、电影和评分三张关联表的数据，如何找出平均得分最高的n部电影，并在此基础上，根据电影的预算对这n部电影进行排序。
为了模拟数据，我们定义以下Java record 类型作为数据模型：
// 电影评分记录 record Score(int userId, int movieId, int score) {} // 电影信息记录 record Movie(int id, String name, int budget) {}
假设我们有以下示例数据：
电影数据 (List<Movie>) | id | name | budget | |—-|——|——–| | 101| Mov 1| 200 | | 102| Mov 2| 500 | | 103| Mov 3| 300 |
评分数据 (List<Score>) | user_id | movie_id | score | |———|———-|——-| | 1 | 101 | 6 | | 2 | 101 | 8 | | 1 | 102 | 6 | | 2 | 102 | 9 |
我们的目标是：
- 计算每部电影的平均得分。
- 找出平均得分最高的5部电影。
- 对这5部电影，按预算从高到低进行排序。
2. Java Stream实现步骤
Java Stream API提供了一种声明式的方式来处理集合数据，非常适合进行这种多阶段的聚合和转换操作。
立即学习“Java免费学习笔记（深入）”；
2.1 准备数据与辅助结构
首先，我们需要初始化电影和评分数据。为了在后续步骤中能根据 movieId 快速查找 Movie 对象，我们通常会创建一个 map<Integer, Movie>。
import java.util.Collections; import java.util.Comparator; import java.util.List; import java.util.Map; import java.util.function.Function; import java.util.stream.Collectors; import java.util.Map.Entry; // 注意导入 Map.Entry public class MovieAnalysis { public static void main(String[] args) { // 示例数据初始化 List<Movie> movies = List.of( new Movie(101, "Mov 1", 200), new Movie(102, "Mov 2", 500), new Movie(103, "Mov 3", 300)); List<Score> scores = List.of( new Score(1, 101, 6), new Score(2, 101, 8), new Score(1, 102, 6), new Score(2, 102, 9)); // 创建电影ID到电影对象的映射，便于后续查找 Map<Integer, Movie> movieMap = movies.stream() .collect(Collectors.toMap(Movie::id, Function.identity())); } }
2.2 计算每部电影的平均得分
利用 Collectors.groupingBy 和 Collectors.averagingDouble，我们可以轻松地计算出每部电影的平均得分。
// ... (接上文代码) // 1. 计算每部电影的平均得分 // 结果是一个 Map<Integer, Double>，键是 movieId，值是平均得分 Map<Integer, Double> movieAverageScores = scores.stream() .collect(Collectors.groupingBy( Score::movieId, // 按 movieId 分组 Collectors.averagingDouble(Score::score) // 计算每个组的平均得分 )); // movieAverageScores 内容示例： // {101=7.0, 102=7.5}
2.3 筛选并排序前N部电影
接下来，我们需要从 movieAverageScores 中找出平均得分最高的N部电影（这里是5部），然后将这些电影对象根据预算进行二次排序。
// ... (接上文代码) // 2. 筛选平均得分最高的N部电影，并按预算排序 List<Movie> top5Movies = movieAverageScores.entrySet().stream() // 将 Map 的 Entry 转换为 Stream，Entry 的键是 movieId，值是平均得分 // 2.1 按平均得分降序排序 .sorted(Collections.reverSEOrder(Entry.comparingByValue())) // 2.2 限制只取前5个（平均得分最高的5部电影） .limit(5) // 2.3 将 Entry 转换为 Movie 对象：根据 movieId 从 movieMap 中查找对应的 Movie .map(entry -> movieMap.get(entry.getKey())) // 2.4 对这5部电影，按预算降序排序 .sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget))) // 2.5 收集结果到 List .toList(); // 打印结果 top5Movies.forEach(System.out::println);
3. 完整示例代码
将上述步骤整合，得到完整的Java Stream解决方案：
import java.util.Collections; import java.util.Comparator; import java.util.List; import java.util.Map; import java.util.function.Function; import java.util.stream.Collectors; import java.util.Map.Entry; public class MovieAnalysis { // 电影评分记录 record Score(int userId, int movieId, int score) {} // 电影信息记录 record Movie(int id, String name, int budget) {} public static void main(String[] args) { // 示例数据初始化 List<Movie> movies = List.of( new Movie(101, "Mov 1", 200), new Movie(102, "Mov 2", 500), new Movie(103, "Mov 3", 300)); List<Score> scores = List.of( new Score(1, 101, 6), new Score(2, 101, 8), new Score(1, 102, 6), new Score(2, 102, 9)); // 1. 创建电影ID到电影对象的映射，便于后续查找 Map<Integer, Movie> movieMap = movies.stream() .collect(Collectors.toMap(Movie::id, Function.identity())); // 2. 计算每部电影的平均得分，并找出平均得分最高的N部电影，然后按预算排序 List<Movie> top5Movies = scores.stream() // 2.1 按 movieId 分组，并计算每组的平均得分 .collect(Collectors.groupingBy( Score::movieId, Collectors.averagingDouble(Score::score))) // 2.2 将 Map 的 Entry 转换为 Stream .entrySet().stream() // 2.3 按平均得分降序排序 .sorted(Collections.reverseOrder(Entry.comparingByValue())) // 2.4 限制只取前5个 Entry .limit(5) // 2.5 将 Entry 的 movieId 转换为对应的 Movie 对象 .map(entry -> movieMap.get(entry.getKey())) // 2.6 对这5部 Movie 对象，按预算降序排序 .sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget))) // 2.7 收集结果到 List .toList(); // 打印最终结果 top5Movies.forEach(System.out::println); } }
4. 运行结果
根据提供的示例数据，上述代码将输出：
Movie[id=102, name=Mov 2, budget=500] Movie[id=101, name=Mov 1, budget=200]
结果分析:
- 电影101 (“Mov 1”) 的平均得分是 (6+8)/2 = 7.0。
- 电影102 (“Mov 2”) 的平均得分是 (6+9)/2 = 7.5。
- 电影103 (“Mov 3”) 没有评分数据，因此不会出现在平均得分的计算中。
- 在仅有的两部有评分的电影中，电影102的平均得分最高 (7.5)，电影101次之 (7.0)。
- 由于我们 limit(5)，这两部电影都将被选中。
- 最后，它们会根据预算降序排序：电影102 (预算500) 在前，电影101 (预算200) 在后。
5. 注意事项与总结
- 数据量考量： Java Stream API在处理内存中的集合数据时表现出色。对于非常庞大的数据集（例如，数百万甚至数十亿条记录），如果数据主要存储在数据库中，直接使用sql查询（如聚合函数AVG()和ORDER BY）通常会更高效，因为数据库管理系统针对此类操作进行了高度优化，并能有效利用索引和分布式计算能力。
- 空值处理： 在实际应用中，movieMap.get(entry.getKey()) 可能会返回 NULL（如果 movieId 在 movies 列表中不存在）。为了健壮性，可以添加 Filter(Objects::nonNull) 或使用 Optional 进行更安全的处理。
- N值设置： limit(5) 可以根据需求调整为任意正整数N。
- 多阶段排序： 本示例展示了如何通过链式调用 sorted() 方法实现多阶段排序。第一次排序是基于平均得分，第二次排序是基于预算，但第二次排序只作用于第一次排序 limit 后的结果集。
- 代码可读性： 尽管Stream API很强大，但过于复杂的链式操作可能会降低代码可读性。适当地拆分Stream操作或使用辅助方法可以提高代码清晰度。
通过本教程，您应该掌握了如何利用Java Stream API进行复杂的数据聚合、筛选和多条件排序，这对于高效处理内存中的关联数据集具有重要的实践意义。
评论（已关闭）
评论已关闭