- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在玩一些 Java 流,我想出了一个问题的解决方案,我想与大家分享一下,看看我的方法是否正确。
我从 https://catalog.data.gov/dataset/consumer-complaint-database 下载了一个数据集其中有 700k+ 客户投诉记录。我使用的信息如下:
公司名称产品名称
我的目标是获得以下结果:
数据集中出现次数较多的10家公司
数据集中出现次数较多的10种产品
得到类似的东西
Map<String, Map<String,Integer>>
其中,主图的key为公司名称,副图的key为产品名称,其值为产品在该公司被投诉的次数。
所以我所做的解决方案如下:
@Test
public void joinGroupingsTest() throws URISyntaxException, IOException {
String path = CsvReaderTest.class.getResource("/complains.csv").toURI().toString();
complains = CsvReader.readFileStreamComplain(path.substring(path.indexOf('/')+1));
Map<String, List<Complain>> byCompany = complains.parallelStream()
.collect(Collectors.groupingBy(Complain::getCompany))
.entrySet().stream()
.sorted((f1, f2) -> Long.compare(f2.getValue().size(), f1.getValue().size()))
.limit(10)
.collect(Collectors.toMap(Entry::getKey, Entry::getValue));
Map<String, List<Complain>> byProduct = complains.parallelStream()
.collect(Collectors.groupingBy(Complain::getProduct))
.entrySet().stream()
.sorted((f1, f2) -> Long.compare(f2.getValue().size(), f1.getValue().size()))
.limit(10)
.collect(Collectors.toMap(Entry::getKey, Entry::getValue));
Map<String, List<Complain>> map = complains.parallelStream()
.filter((x) -> byCompany.get(x.getCompany()) != null
&& byProduct.get(x.getProduct()) != null)
.collect(Collectors.groupingBy(Complain::getCompany));
Map<String, Map<String, Long>> map2 = map.entrySet().parallelStream()
.collect(Collectors.toMap(
e -> e.getKey(),
e -> e.getValue().stream()
.collect(Collectors.groupingBy(Complain::getProduct, Collectors.counting()))
));
System.out.println(map2);
}
如您所见,我有几个步骤可以实现此目的:
1) 我得到了发生次数较多的 10 家公司以及相关的投诉(记录)
2)我得到了出现次数较多的10个产品和相关的投诉(记录)
3)我得到一张以公司名称为key的 map ,是之前计算的top 10公司中的,以及同样在top 10产品中的产品的投诉
4) 我进行必要的转换以获得我想要的 map 。
除了在两个不同的线程中 fork 和分离步骤 1 和 2 之外,我是否有任何其他考虑因素可能需要提高性能,甚至以更好的方式使用流。
谢谢!
最佳答案
在前两个操作中,您将集合分组到 List
中,只是为了按它们的大小排序。这是一种明显的资源浪费,因为您可以在分组时简单地计算组元素,然后按计数排序。此外,由于前两个操作是相同的,除了分组功能之外,值得通过为任务创建一个方法来消除代码重复。
其他两个流操作可以合而为一,方法是在收集组时立即对组执行 collect
操作。
public void joinGroupingsTest() throws URISyntaxException, IOException {
String path = CsvReaderTest.class.getResource("/complains.csv").toURI().toString();
complains = CsvReader.readFileStreamComplain(path.substring(path.indexOf('/')+1));
Set<String> byCompany = getTopTen(complains, Complain::getCompany);
Set<String> byProduct = getTopTen(complains, Complain::getProduct);
Map<String, Map<String, Long>> map = complains.stream()
.filter(x -> byCompany.contains(x.getCompany())
&& byProduct.contains(x.getProduct()))
.collect(Collectors.groupingBy(Complain::getCompany,
Collectors.groupingBy(Complain::getProduct, Collectors.counting())));
System.out.println(map);
}
static <T,V> Set<V> getTopTen(Collection<T> source, Function<T,V> criteria) {
return source.stream()
.collect(Collectors.groupingBy(criteria, Collectors.counting()))
.entrySet().stream()
.sorted(Map.Entry.comparingByValue())
.limit(10)
.map(Map.Entry::getKey)
.collect(Collectors.toSet());
}
请注意,两个条件的交集可能小于十个元素,甚至可能为空。你可能会重新考虑这个条件。
此外,您应该始终重新检查数据量是否真的大到足以从并行处理中获益。另请注意,getTopTen
操作由两个流操作组成。将第一个切换为并行不会改变第二个的性质。
关于java - 使用 Streams 在 JAVA 中进行聚合,这是一种好方法吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44032340/
我有一个 Cassandra 集群,里面有 4 个表和数据。 我想使用聚合函数(sum,max ...)发出请求,但我在这里读到这是不可能的: http://www.datastax.com/docu
我有以下两张表 Table: items ID | TITLE 249 | One 250 | Two 251 | Three 我投票给这些: Table: votes VID | IID | u
这个问题在这里已经有了答案: Update MongoDB field using value of another field (12 个答案) 关闭 3 年前。 我想根据另一个“源”集合的文档中
我的收藏包含以下文件。我想使用聚合来计算里面有多少客户,但我遇到了一些问题。我可以获得总行数,但不能获得总(唯一)客户。 [{ _id: "n001", channel: "Kalip
我有下表 Id Letter 1001 A 1001 H 1001 H 1001 H 1001 B 1001 H 1001 H 1001
得到一列的表 ABC。 “创建”的日期列。所以样本值就像; created 2009-06-18 13:56:00 2009-06-18 12:56:00 2009-06-17 14:02:0
我有一个带有数组字段的集合: {[ name:String buyPrice:Int sellPrice:Int ]} 我试图找到最低和最高买入/卖出价格。在某些条目中,买入或卖出价格为零
我有以下问题: 在我的 mongo db 中,我有以下结构: { "instanceId": "12", "eventId": "0-1b", "activityType":
下面给出的是我要在其上触发聚合查询的 Elasticsearch 文档。 { "id": 1, "attributes": [ { "fieldId": 1,
我正在使用 Django 的 aggregate query expression总计一些值。最终值是一个除法表达式,有时可能以零作为分母。如果是这种情况,我需要一种方法来逃避,以便它只返回 0。 我
我正在学习核心数据,特别是聚合。 当前我想要做的事情:计算表中在某些条件上具有逆关系的多对关系的记录数。 目前我正在这样做: NSExpression *ex = [NSExpression expr
我需要有关 Delphi 中的 ClientDatasets 的一些帮助。 我想要实现的是一个显示客户的网格,其中一列显示每个客户的订单数量。我将 ClientDataset 放在表单上并从 Delp
我的集合有 10M 个文档,并且有一个名为 movieId 的字段;该文档具有以下结构: { "_id" : ObjectId("589bed43e3d78e89bfd9b779"), "us
这个问题已经有答案了: What is the difference between association, aggregation and composition? (21 个回答) 已关闭 9
我在 elasticsearch 中有一些类似于这些示例的文档: { "id": ">", "list": [ "a", "b", "c" ] } { "id"
我正在做一些聚合。但是结果完全不是我所期望的,似乎它们没有聚合索引中与我的查询匹配的所有文档,在这种情况下 - 它有什么好处? 例如,首先我做这个查询: {"index":"datalayer","t
假设我在 ES 中有这些数据。 | KEY | value | |:-----------|------------:| | A |
可能在我的文档中,我有一个被分析的文本字段。我只是在ElasticSearch AggregationAPI中迷路了。我需要2种不同情况的支持: 情况A)结果是带有计数标记(条款)的篮子下降。 情况B
我正在为网上商店构建多面过滤功能,如下所示: Filter on Brand: [ ] LG (10) [ ] Apple (5) [ ] HTC (3) Filter on OS: [ ] Andr
我有一个父/子关系并且正在搜索 child 。 是否可以在父属性上创建聚合? 例如parent 是 POST,children 是 COMMENT。如果父项具有“类别”属性,是否可以搜索 COMMEN
我是一名优秀的程序员,十分优秀!