likes
comments
collection
share

Java8 HashMap 的那些高级操作

作者站长头像
站长
· 阅读数 7

白发空垂三千丈，一笑人间万事。

1 前言

在日常的开发过程中，经常会使用到 java 的集合框架，特别是在 java8 引入 lambda 表达式后，list 和 map 的那些操作可谓是出神入化。在本文中将结合自己的开发实践和经验，讲解一下有关 HashMap 相关的高级操作。

2 链式调用

对于 HashMap 使用，大家都不会觉得陌生，它是一个 key-value 的数据结构，通常使用 get 和 put 方法进行数据的获取和存储。通常情况下的业务场景都是使用 list 集合数据转换成 map 进行操作，通过是使用 Collectors.toMap 或者 Collectors.groupingBy 两种方式来转换成 map 数据进行后续数据处理，如下所示：

Java8 HashMap 的那些高级操作

但是这些都是非常普通的操作，这里使用的是 parallelStream (parallelStream并行处理会比串行处理的Stream要快很多)。

通常情况下，还需要进行数据的过滤，寻找合适的数据再进行处理，这个理念即流式编程。这里使用的是 map 和 reduce 的操作来处理数据，最终使用累加得到总和。这里采用了两种方式，一种是 mapreduce 的方式，另外一种是 Collectors.reducing 的方式。

// 使用 mapreduce 方式进行金额累计计算求和
BigDecimal reduce1 = dtoList.stream().filter(node -> NumberUtil.isGreater(node.getAmount(), BigDecimal.ONE))
        .map(OrderInfoDto::getAmount).reduce(BigDecimal.ZERO, NumberUtil::add);
System.out.println("reduce1 " + reduce1);
// 使用 collect 的方式来进行分组计算
BigDecimal reduce2 = dtoList.stream().filter(node -> NumberUtil.isGreater(node.getAmount(), BigDecimal.ONE))
        .collect(Collectors.reducing(BigDecimal.ZERO, OrderInfoDto::getAmount, NumberUtil::add));
System.out.println("reduce2 " + reduce2);

以上介绍的是针对所有的数据进行数据计算，但是在某些特殊业务场景下，需要的操作是需要对数据分组并进行累计计算，这里使用的是 Collectors.groupingBy 和 Collectors.reducing 的联合操作，即可实现根据用户 id 分组进行累计求和操作。

Map<String, BigDecimal> collect = dtoList.stream().filter(node -> NumberUtil.isGreater(node.getAmount(), BigDecimal.ONE))
        .collect(Collectors.groupingBy(OrderInfoDto::getUserId, Collectors.reducing(BigDecimal.ZERO, OrderInfoDto::getAmount, NumberUtil::add)));

3 HashMap 的操作

以上是实现了 mapreduce 的操作好像和 hashmap 没有多大关系，以上的操作是为了理解分组和数据处理，我们将从 compute 实现以上功能的方式来介绍 hashmap 的高级操作。

Java8 HashMap 的那些高级操作

# compute 操作
需要传入的值是一个 key 和 BiFunction, 可以实现新旧数据的处理，这里将两者进行累加并返回。
# computeIfAbsent 如果数据不存在则操作
传入的值是一个 key 和 Function, 可以实现数据的加入，如果数据不存在则加入，存在则不处理
# computeIfPresent 如果数据存在则操作
传入的值是一个 key 和 BiFunction, 如果之前 map 中不存在改值，则不会处理，存在则进行处理。

以上是关于 compute 的操作，在此基础上可以介绍其他的操作。

  • putIfAbsent putIfAbsent 操作是指如果 key 不存在则进行操作，如果 key 存在则不会做任何处理。

  • merge merge 操作时为了实现数据的合并，如果数据不存在则加入，存在则进行合并操作，需要传入 key, value 以及一个 BiFunction， 其入参是对应的值。

  • replace replace 顾名思义是为了替换其值，如果数据存在则替换，不存在则不做任何操作。这里进行替换时，有两种情况，一种是直接替换，另外一种则需要比较其旧值是否一致，一致则修改，不一致则不替换。

  • getOrDefault getOrDefault 是java8 中 map 新增的一个方法，是在根据 key 获取 value 时获取值为 null 时，返回一个默认值，避免空指针的问题发生。

// 获取一个返回值，如果 key 不存在则返回一个默认值替代结果。
BigDecimal orDefault = result.getOrDefault("123", BigDecimal.ZERO);
  • 数据去重 这个操作和 hashmap 关系不大，主要是在处理集合数据时，对含有唯一约束的数据进行去重操作。
List<OrderInfoDto> filterList = dtoList.stream().
        collect(Collectors.collectingAndThen(Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(OrderInfoDto::getOrderNo))), ArrayList::new));

4 总结

在本文中，主要介绍了 java8 的链式调用，并在此基础上使用 hashmap 的 compute 来实现 mapreduce 的操作，从逻辑上理解和实现了相关的操作，然后引出了与 hashmap 相关的其他高级操作，有了这些语法糖，可以很方便的实现业务逻辑，相比 java7 来说进步很大，操作简便，后续会继续分享与编程相关的小技巧和实践经验。本文中所涉及的代码已经上传至 github, 欢迎交流学习。项目地址 springboot-auth。