Java Stream如何高效进行多表关联的平均值计算及排序操作？

本文共计1035个文字，预计阅读时间需要5分钟。

原文：

数据模型定义

首先，我们定义三个数据模型类，分别对应用户（User）、电影（Movie）和评分（Score）表。为了简化示例，我们使用 Java 16 引入的 record 类型：

record User(int id, String name) {} record Movie(int id, String name, int budget) {} record Score(int userId, int movieId, int score) {}

准备测试数据

立即学习“Java免费学习笔记（深入）”；

接下来，准备一些测试数据，用于演示 Stream 操作：

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, 7), new Score(2, 101, 8), new Score(1, 102, 6), new Score(2, 102, 9));

核心 Stream 处理逻辑

现在，我们使用 Java Stream API 实现核心的计算和排序逻辑。首先，将电影列表转换为一个 Map，方便后续根据电影 ID 获取电影信息：

Map<Integer, Movie> movieMap = movies.stream() .collect(Collectors.toMap(Movie::id, Function.identity()));

然后，使用 Stream API 处理评分数据，计算平均评分，筛选前5名，并按预算排序：

List<Movie> top5 = scores.stream() .collect(Collectors.groupingBy( Score::movieId, Collectors.averagingDouble(Score::score))) .entrySet().stream() .sorted(Collections.reverseOrder(Entry.comparingByValue())) .limit(5) .map(e -> movieMap.get(e.getKey())) .sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget))) .toList();

这段代码的详细解释如下：

1. scores.stream(): 将评分列表转换为 Stream。
2. .collect(Collectors.groupingBy(Score::movieId, Collectors.averagingDouble(Score::score))): 使用 groupingBy 操作按照 movieId 进行分组，并使用 averagingDouble 操作计算每个电影的平均评分。结果是一个 Map<Integer, Double>，其中 Key 是 movieId，Value 是平均评分。
3. .entrySet().stream(): 将 Map 转换为 Stream。
4. .sorted(Collections.reverseOrder(Entry.comparingByValue())): 使用 sorted 操作按照平均评分进行降序排序。Entry.comparingByValue() 用于比较 Map Entry 的 Value（即平均评分）。
5. .limit(5): 使用 limit 操作限制结果数量为 5，即选择平均评分最高的 5 部电影。
6. .map(e -> movieMap.get(e.getKey())): 使用 map 操作将 movieId 转换为对应的 Movie 对象。从之前创建的 movieMap 中根据 movieId 获取电影信息。
7. .sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget))): 使用 sorted 操作按照电影预算进行降序排序。
8. .toList(): 将 Stream 转换为 List。

输出结果

最后，输出结果：

top5.forEach(System.out::println);

完整的代码示例：

import java.util.List; import java.util.Map; import java.util.function.Function; import java.util.stream.Collectors; import java.util.Collections; import java.util.Comparator; import java.util.Map.Entry; public class StreamExample { public static void main(String[] args) { record User(int id, String name) {} record Movie(int id, String name, int budget) {} record Score(int userId, int movieId, int score) {} 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, 7), new Score(2, 101, 8), new Score(1, 102, 6), new Score(2, 102, 9)); Map<Integer, Movie> movieMap = movies.stream() .collect(Collectors.toMap(Movie::id, Function.identity())); List<Movie> top5 = scores.stream() .collect(Collectors.groupingBy( Score::movieId, Collectors.averagingDouble(Score::score))) .entrySet().stream() .sorted(Collections.reverseOrder(Entry.comparingByValue())) .limit(5) .map(e -> movieMap.get(e.getKey())) .sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget))) .toList(); top5.forEach(System.out::println); } }

注意事项

• 确保数据模型类正确定义，并且包含必要的字段。
• 在实际应用中，可能需要处理空指针异常或其他异常情况。
• 如果数据量很大，可以考虑使用并行 Stream 来提高性能。

总结

本文演示了如何使用 Java Stream API 实现多表关联的复杂数据处理。通过使用 groupingBy、averagingDouble、sorted 和 limit 等 Stream 操作，可以简洁高效地实现各种数据处理需求。这种方法避免了编写复杂的 SQL 查询，提高了代码的可读性和可维护性。