划分Java 8流

Question

如何在Java 8流上实现“分区”操作？我的意思是，将一个流划分为给定大小的子流。无论如何，它将与番石榴Iterators.partition()方法相同，只是希望分区是延迟计算的流，而不是列表的。

Answer 1

不可能将任意源流划分为固定大小的批处理，因为这会破坏并行处理。当并行处理时，您可能不知道拆分后的第一个子任务中有多少个元素，因此在完成第一个子任务之前，您不能为下一个子任务创建分区。

但是，可以从随机访问List创建分区流。例如，在我的StreamEx库中可以获得这样的特性：

List<Type> input = Arrays.asList(...);

Stream<List<Type>> stream = StreamEx.ofSubLists(input, partitionSize);

或者如果你真的想要溪流：

Stream<Stream<Type>> stream = StreamEx.ofSubLists(input, partitionSize).map(List::stream);

如果不希望依赖第三方库，可以手动实现这样的ofSubLists方法：

public static <T> Stream<List<T>> ofSubLists(List<T> source, int length) {
    if (length <= 0)
        throw new IllegalArgumentException("length = " + length);
    int size = source.size();
    if (size <= 0)
        return Stream.empty();
    int fullChunks = (size - 1) / length;
    return IntStream.range(0, fullChunks + 1).mapToObj(
        n -> source.subList(n * length, n == fullChunks ? size : (n + 1) * length));
}

这个实现看起来有点长，但是它考虑了一些角落的情况，比如接近MAX_VALUE列表的大小。

如果您想要无序流的并行友好解决方案(所以您不关心将哪些流元素合并成一个批处理)，您可以像这样使用收集器(感谢@sibnick获得灵感)：

public static <T, A, R> Collector<T, ?, R> unorderedBatches(int batchSize, 
                   Collector<List<T>, A, R> downstream) {
    class Acc {
        List<T> cur = new ArrayList<>();
        A acc = downstream.supplier().get();
    }
    BiConsumer<Acc, T> accumulator = (acc, t) -> {
        acc.cur.add(t);
        if(acc.cur.size() == batchSize) {
            downstream.accumulator().accept(acc.acc, acc.cur);
            acc.cur = new ArrayList<>();
        }
    };
    return Collector.of(Acc::new, accumulator,
            (acc1, acc2) -> {
                acc1.acc = downstream.combiner().apply(acc1.acc, acc2.acc);
                for(T t : acc2.cur) accumulator.accept(acc1, t);
                return acc1;
            }, acc -> {
                if(!acc.cur.isEmpty())
                    downstream.accumulator().accept(acc.acc, acc.cur);
                return downstream.finisher().apply(acc.acc);
            }, Collector.Characteristics.UNORDERED);
}

用法示例：

List<List<Integer>> list = IntStream.range(0,20)
                                    .boxed().parallel()
                                    .collect(unorderedBatches(3, Collectors.toList()));

结果：

[[2, 3, 4], [7, 8, 9], [0, 1, 5], [12, 13, 14], [17, 18, 19], [10, 11, 15], [6, 16]]

这样的收集器是完全线程安全的，并为顺序流产生有序的批。

如果您想对每个批处理应用中间转换，可以使用以下版本：

public static <T, AA, A, B, R> Collector<T, ?, R> unorderedBatches(int batchSize,
        Collector<T, AA, B> batchCollector,
        Collector<B, A, R> downstream) {
    return unorderedBatches(batchSize, 
            Collectors.mapping(list -> list.stream().collect(batchCollector), downstream));
}

例如，通过这种方法，可以动态地将每一批中的数字相加：

List<Integer> list = IntStream.range(0,20)
        .boxed().parallel()
        .collect(unorderedBatches(3, Collectors.summingInt(Integer::intValue), 
            Collectors.toList()));

Answer 2

我找到了一个优雅的解决方案：Iterable parts = Iterables.partition(stream::iterator, size)

Answer 3

如果您想按顺序使用Stream，则可以对Stream进行分区(以及执行类似于窗口之类的相关功能--我认为这正是您在本例中真正想要的)。支持标准流分区的两个库是独眼眼-反应 (我是作者)和jOOλ (cyclops扩展)(以添加诸如窗口之类的功能)。

cyclops有一个用于在Java上操作的静态函数StreamUtils的集合，以及一系列用于分区的函数，如splitAt、headAndTail、splitBy、分区。

若要将流窗口设置为大小为30的嵌套流流，可以使用window方法。

在操作点，在流术语中，将一个流分割成一个给定大小的多个流是一个窗口操作(而不是一个分区操作)。

  Stream<Streamable<Integer>> streamOfStreams = StreamUtils.window(stream,30);

有一个名为ReactiveSeq的Stream，它扩展了jool.Seq并添加了窗口功能，这可能会使代码更加简洁。

  ReactiveSeq<Integer> seq;
  ReactiveSeq<ListX<Integer>> streamOfLists = seq.grouped(30);

不过，正如Tagir在上面指出的那样，这并不适合并行流。如果您想要窗口或批处理一个流，您希望以多线程的方式执行。LazyFutureStream in 独眼眼-反应可能是有用的(窗口在待办事项列表中，但是现在可以使用普通的旧批处理)。

在这种情况下，数据将从执行Stream的多个线程传递到多生产者/单消费者无等待队列，并且该队列中的序列数据在再次被分发到线程之前可以被窗口化。

  Stream<List<Data>> batched = new LazyReact().range(0,1000)
                                              .grouped(30)
                                              .map(this::process);