深入解析 Java Stream API：筛选根节点的优雅实现！！！

🚀 深入解析 Java Stream API：筛选根节点的优雅实现 🔧

大家好！👋 今天我们来聊聊 Java 8 中一个非常常见的操作：使用 Stream API 从 List 中筛选出特定条件的元素。🎉 具体来说，我们将深入分析以下代码片段：

List<InviteCode> roots = inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());

这段代码看似简单，但背后涉及了 Stream API、Lambda 表达式以及 Collectors.toList 的强大功能。💡 我们将从代码的背景开始，逐步拆解它的实现原理，探讨使用场景、优势和优化方法，最后通过一个实际案例展示它的应用。为了更直观地理解整个过程，我们还会插入一个 Mermaid 流程图！📊

准备好了吗？让我们开始吧！🚀

📖 背景：为什么需要筛选根节点？

在 Java 开发中，我们经常需要处理层级数据。例如，在一个邀请码系统中，我们有一个 List<InviteCode>，其中 InviteCode 是一个实体类，包含以下字段：

public class InviteCode {private Integer id;private String inviteCode;private Integer inviteLevel;private Integer createdBy;// Getters and Setterspublic Integer getId() {return id;}public String getInviteCode() {return inviteCode;}public Integer getInviteLevel() {return inviteLevel;}public Integer getCreatedBy() {return createdBy;}
}

假设我们有一个 List<InviteCode>，包含 adminId = 7 的所有邀请码记录：

idadmin_idcreated_byinvite_codeinvite_level
207NULL******0
217202631131
227207043581
237209828681
247NULL******0
25724******1
26725******2
277269914763

我们的目标是构建一个以 adminId 为根的邀请码层级树。层级树的构建需要从根节点开始，而根节点的定义是 createdBy == null 的 InviteCode 对象。换句话说：

  • createdBy == null：表示这是一个根节点（没有父节点）。
  • createdBy != null：表示这是一个子节点（有父节点，createdBy 是父节点的 id）。

因此，我们需要从 List<InviteCode> 中筛选出所有 createdBy == null 的 InviteCode 对象，这就是以下代码的作用：

List<InviteCode> roots = inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());

🌟 代码拆解：一步步理解

让我们逐步拆解这段代码，弄清楚它是如何工作的！

1. inviteCodes.stream()

  • inviteCodes：是一个 List<InviteCode>，包含 adminId = 7 的 8 条记录（id = 20, 21, ..., 27）。
  • stream()：将 List<InviteCode> 转换为一个 Stream<InviteCode>。
    • Stream 是 Java 8 引入的流式 API，允许你以声明式的方式处理集合数据（例如映射、过滤、归约等）。

结果：inviteCodes.stream() 生成了一个 Stream<InviteCode>，包含 8 个 InviteCode 对象。

2. .filter(ic -> ic.getCreatedBy() == null)

  • filter：是 Stream API 的一个中间操作，用于筛选流中的元素。
  • ic -> ic.getCreatedBy() == null：这是一个 Lambda 表达式，表示一个谓词（Predicate），用于判断每个 InviteCode 对象是否满足条件。
    • ic：代表流中的每个 InviteCode 对象。
    • ic.getCreatedBy()：获取 InviteCode 对象的 createdBy 字段（Integer 类型）。
    • ic.getCreatedBy() == null：检查 createdBy 是否为 null。
  • 作用：filter 会保留所有满足条件的元素（createdBy == null 的 InviteCode），丢弃不满足条件的元素。

类型：Predicate<InviteCode>，将 InviteCode 映射为一个布尔值（true 或 false）。

3. .collect(Collectors.toList())

  • collect：是 Stream API 的终止操作，用于将流中的元素收集到一个结果容器中（例如 List、Set 或 Map）。
  • Collectors.toList()：是一个收集器（Collector），专门用于将流中的元素收集到一个 List 中。

结果：collect(Collectors.toList()) 将筛选后的 Stream<InviteCode> 收集到一个新的 List<InviteCode> 中。

4. 整体效果

  • inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList())：
    • 从 inviteCodes 创建一个 Stream<InviteCode>。
    • 筛选出所有 createdBy == null 的 InviteCode 对象。
    • 将筛选结果收集到一个新的 List<InviteCode> 中。
  • 赋值：将结果赋值给 roots，roots 是一个 List<InviteCode>，包含所有根节点。

📊 Mermaid 流程图：可视化筛选过程

为了更直观地理解从 List<InviteCode> 筛选根节点的过程，我们使用 Mermaid 流程图来展示：
True
False
Start: List<InviteCode> inviteCodes
Stream<InviteCode>
inviteCodes.stream()
For each InviteCode in Stream
Check Condition:
ic.getCreatedBy() == null
Keep InviteCode
(e.g., id=20, createdBy=null)
Discard InviteCode
(e.g., id=21, createdBy=20)
Collect to List<InviteCode>
Collectors.toList()
End: List<InviteCode> roots
  • 流程说明：
    1. 从 List<InviteCode> 开始，转换为 Stream<InviteCode>。
    2. 对流中的每个 InviteCode 对象：
      • 检查 createdBy == null。
      • 如果 true，保留该对象；如果 false，丢弃。
    3. 将筛选后的元素收集到 List<InviteCode> 中。

📝 示例：具体数据

假设 inviteCodes 包含以下数据（adminId = 7）：

idadmin_idcreated_byinvite_codeinvite_level
207NULL******0
217202631131
227207043581
237209828681
247NULL******0
25724******1
26725******2
277269914763

1. inviteCodes.stream()

  • 生成了一个 Stream<InviteCode>，包含 8 个 InviteCode 对象（id = 20, 21, ..., 27）。

2. .filter(ic -> ic.getCreatedBy() == null)

  • 对每个 InviteCode 对象检查 createdBy 是否为 null：
    • id = 20：createdBy = null，保留。
    • id = 21：createdBy = 20，丢弃。
    • id = 22：createdBy = 20，丢弃。
    • id = 23：createdBy = 20，丢弃。
    • id = 24：createdBy = null，保留。
    • id = 25：createdBy = 24，丢弃。
    • id = 26：createdBy = 25，丢弃。
    • id = 27：createdBy = 26，丢弃。

结果：筛选后的 Stream<InviteCode> 只包含 2 个元素：

  • InviteCode(id=20, createdBy=null, ...)。
  • InviteCode(id=24, createdBy=null, ...)。

3. .collect(Collectors.toList())

  • 将筛选后的 Stream<InviteCode> 收集到一个新的 List<InviteCode> 中。

结果：roots 是一个 List<InviteCode>，包含以下 2 个元素：

  • InviteCode(id=20, createdBy=null, ...)。
  • InviteCode(id=24, createdBy=null, ...)。

🌟 为什么需要 roots？

在邀请码系统中，我们的目标是构建一个以 adminId 为根的层级树。层级树的构建需要从根节点开始，递归地查找子节点：

// 找到所有根节点（createdBy = NULL）
List<InviteCode> roots = inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());// 为每个根节点构建树形结构
List<InviteCodeTreeDTO> trees = new ArrayList<>();
for (InviteCode root : roots) {InviteCodeTreeDTO tree = buildTree(root, inviteCodeMap, new HashSet<>());trees.add(tree);
}
  • 层级树：
    • id = 20 是第一个根节点（createdBy = null），它的子节点是 id = 21, 22, 23（createdBy = 20）。
    • id = 24 是第二个根节点（createdBy = null），它的子节点是 id = 25（createdBy = 24），以此类推。
  • 筛选根节点的作用：
    • 层级树的构建需要从根节点开始，createdBy == null 表示这是一个根节点（没有父节点）。

🚀 优势：为什么使用 Stream API？

1. 代码简洁

  • Stream API 提供了声明式的写法，比传统的 for 循环更简洁。
  • 传统写法可能需要手动遍历和填充 List：
    List<InviteCode> roots = new ArrayList<>();
for (InviteCode ic : inviteCodes) {if (ic.getCreatedBy() == null) {roots.add(ic);}
}
  • 使用 Stream API，代码更简洁优雅。

2. 功能强大

  • Stream API 支持链式操作，可以轻松添加其他过滤条件。
  • 例如，如果只想筛选 inviteLevel == 0 的根节点：
    List<InviteCode> roots = inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null && ic.getInviteLevel() == 0).collect(Collectors.toList());

3. 并行处理

  • Stream API 支持并行处理（parallelStream()），在大规模数据下可以提高性能：
    List<InviteCode> roots = inviteCodes.parallelStream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());

🛠️ 优化建议

1. 添加日志

可以在筛选根节点后添加日志，方便调试：

List<InviteCode> roots = inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());
logger.info("Found {} root nodes for adminId {}: {}", roots.size(), adminId, roots);
  • 效果：记录找到的根节点数量和详细信息。

2. 并行处理

如果 inviteCodes 非常大，可以使用 parallelStream() 提高性能：

List<InviteCode> roots = inviteCodes.parallelStream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());
  • 注意：并行流适合大数据量，但在小数据量下可能反而更慢（因为线程开销）。

3. 空列表处理

如果 roots 为空，可以提前返回：

List<InviteCode> roots = inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());if (roots.isEmpty()) {AdminInviteCodeTreeDTO result = new AdminInviteCodeTreeDTO();result.setAdminId(adminId);result.setChildren(Collections.emptyList());return result;
}
  • 效果：避免不必要的树构建操作。

📝 完整代码：实际应用

以下是完整的 InviteCodeService 实现，展示了如何使用 roots 构建层级树：

public class InviteCodeService {private final InviteCodeRepository inviteCodeRepository;private static final Logger logger = LoggerFactory.getLogger(InviteCodeService.class);public InviteCodeService(InviteCodeRepository inviteCodeRepository) {this.inviteCodeRepository = inviteCodeRepository;}public AdminInviteCodeTreeDTO getAdminInviteCodeTree(Integer adminId) {List<InviteCode> inviteCodes = inviteCodeRepository.findByAdminId(adminId);if (inviteCodes.isEmpty()) {AdminInviteCodeTreeDTO result = new AdminInviteCodeTreeDTO();result.setAdminId(adminId);result.setChildren(Collections.emptyList());return result;}// 将 List<InviteCode> 转换为 Map<Integer, InviteCode>Map<Integer, InviteCode> inviteCodeMap = inviteCodes.stream().collect(Collectors.toMap(InviteCode::getId, ic -> ic));// 预构建 createdBy 到子节点的映射Map<Integer, List<InviteCode>> childrenMap = inviteCodes.stream().filter(ic -> ic.getCreatedBy() != null).collect(Collectors.groupingBy(InviteCode::getCreatedBy));// 找到所有根节点（createdBy = NULL）List<InviteCode> roots = inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList());logger.info("Found {} root nodes for adminId {}: {}", roots.size(), adminId, roots);// 如果没有根节点，直接返回if (roots.isEmpty()) {AdminInviteCodeTreeDTO result = new AdminInviteCodeTreeDTO();result.setAdminId(adminId);result.setChildren(Collections.emptyList());return result;}// 为每个根节点构建树形结构List<InviteCodeTreeDTO> trees = new ArrayList<>();for (InviteCode root : roots) {InviteCodeTreeDTO tree = buildTree(root, inviteCodeMap, childrenMap, new HashSet<>());trees.add(tree);}AdminInviteCodeTreeDTO result = new AdminInviteCodeTreeDTO();result.setAdminId(adminId);result.setChildren(trees);return result;}private InviteCodeTreeDTO buildTree(InviteCode root, Map<Integer, InviteCode> inviteCodeMap, Map<Integer, List<InviteCode>> childrenMap, Set<Integer> visited) {if (!visited.add(root.getId())) {throw new IllegalStateException("Detected a cycle in invite code hierarchy at ID: " + root.getId());}InviteCodeTreeDTO node = new InviteCodeTreeDTO();node.setId(root.getId());node.setInviteCode(root.getInviteCode());node.setInviteLevel(root.getInviteLevel());node.setChildren(new ArrayList<>());List<InviteCode> children = childrenMap.getOrDefault(root.getId(), Collections.emptyList());for (InviteCode child : children) {InviteCodeTreeDTO childNode = buildTree(child, inviteCodeMap, childrenMap, new HashSet<>(visited));node.getChildren().add(childNode);}return node;}
}

🎉 总结

通过 Stream API 和 Collectors.toList，我们可以轻松地从 List<InviteCode> 中筛选出根节点，为后续的层级树构建提供了基础。💻

  • 核心代码：inviteCodes.stream().filter(ic -> ic.getCreatedBy() == null).collect(Collectors.toList()) 筛选出根节点。
  • 优势：代码简洁、功能强大、支持并行处理。
  • 优化：添加日志、提前处理空列表、支持并行流。

希望这篇博客对你理解 Stream API 和 filter 操作有所帮助！💬 如果你有其他问题，欢迎留言讨论！🚀

📚 参考：Java 官方文档、Collectors 源码。点赞和分享哦！😊

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/39730.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

推荐1款简洁、小巧的实用收音机软件,支持手机和电脑

推荐1款简洁、小巧的实用收音机软件,支持手机和电脑

聊一聊 没想到现在还有人喜欢听广播。 我一直以为听广播必须要用那种小广播机才可以。 原来手机或电脑上也是可以的。 今天给大家分享一款可以在电脑和手机上听广播的软件。 软件介绍 龙卷风收音机 电台广播收音机分电脑和手机两个版本。 电脑端无需安装&#xff0c;下载…
阅读更多...
金桔网桥路由版3

金桔网桥路由版3

上一集我们讲到了二层云交换机&#xff0c;我把在云上搭建的桥接模式的VPN服务器称为二层云交换机。 那么现在我家到办公室的网络结构就变成这样的&#xff0c; 这样的好处就是我的电视盒子通过网线看电视&#xff0c;走的是OpenWrt路由器通过二层云交换机由办公室的OpenWrt路由…
阅读更多...
常见中间件漏洞攻略-Tomcat篇

常见中间件漏洞攻略-Tomcat篇

一、 CVE-2017-12615-Tomcat put方法任意文件写入漏洞 第一步&#xff1a;开启靶场 第二步&#xff1a;在首页抓取数据包&#xff0c;并发送到重放器 第三步&#xff1a;先上传尝试一个1.txt进行测试 第四步&#xff1a;上传后门程序 第五步&#xff1a;使用哥斯拉连接 二、后…
阅读更多...
计算机复试面试

计算机复试面试

数据库 1.设计过程/设计步骤 1.需求分析&#xff1a;明确客户需求&#xff0c;确定系统边界&#xff0c;生成数据字典 2.概念结构设计&#xff1a;将用户需求抽象为概念模型&#xff0c;绘制e-r图 3.逻辑结构设计&#xff1a;将e-r图转化为dbms相符合的逻辑结构&#xff0c;db…
阅读更多...
【零基础学python】python基础语法（一）

【零基础学python】python基础语法（一）

前言&#xff1a;Python 是当今最受欢迎的编程语言之一&#xff0c;其广泛应用于 人工智能、数据科学、Web 开发、自动化 等多个领域。它以 简洁的语法、强大的标准库 和 跨平台兼容性 深受开发者喜爱。作为 机器学习和大数据的首选语言&#xff0c;Python 在学术研究、金融分析…
阅读更多...
数据类设计_图片类设计之8_自由图形类设计_(前端架构）

数据类设计_图片类设计之8_自由图形类设计_(前端架构）

前言 学的东西多了,要想办法用出来.C和C是偏向底层的语言,直接与数据打交道.尝试做一些和数据方面相关的内容 引入 前面的内容都是矩阵图形类,现在讨论自由图形类设计 矩阵图形类和自由图形类的差别 左图为矩阵图形类对象,右图为自由图形类对象.矩阵图形类对象单独占据一个矩…
阅读更多...
【学习记录】大模型微调之使用 LLaMA-Factory 微调 Qwen系列大模型，可以用自己的数据训练

【学习记录】大模型微调之使用 LLaMA-Factory 微调 Qwen系列大模型，可以用自己的数据训练

一、LoRA微调的基本原理 1、基本概念 LoRA&#xff08;Low-Rank Adaptation&#xff09;是一种用于大模型微调的技术&#xff0c;通过引入低秩矩阵来减少微调时的参数量。在预训练的模型中&#xff0c;LoRA通过添加两个小矩阵B和A来近似原始的大矩阵ΔW&#xff0c;从而减少需…
阅读更多...
绿盟CSSP靶场-将已有虚拟机创建为新镜像作为新虚拟机模板

绿盟CSSP靶场-将已有虚拟机创建为新镜像作为新虚拟机模板

将部署了自定义软件的虚拟机&#xff0c;【保持镜像】将这个在运的虚拟机存为一个新的镜像。 为了保证上传的镜像是完整的&#xff0c;勾选【全量镜像】。 等待镜像上传完成&#xff0c;可以看到刚刚上传的镜像&#xff0c;状态也为已上传。 将镜像从私有改为共享&#xff0c;…
阅读更多...
VMWare Ubuntu 详细安装教程

VMWare Ubuntu 详细安装教程

VMWare Ubuntu 详细安装教程 一、下载安装VMware二、下载 Ubuntu 镜像文件三、安装 Ubuntu四、开启虚拟机 一、下载安装VMware 官网下载地址https://www.vmware.com/products/desktop-hypervisor/workstation-and-fusion知乎大佬的博客原文&#xff0c;含下载地址https://zhua…
阅读更多...
嵌入式c学习八

嵌入式c学习八

练习 一、指针数组与数组指针 #include <stdio.h>int main() {//c是一个指针数组&#xff0c;里面有4个元素每个元素都是指针 char *c[] {"hello", "world", "homed", "gotogo"}; //cp是指针数组&#xff0c;有4个元素&#…
阅读更多...
LLaMA-Factory微调大模型

LLaMA-Factory微调大模型

LLaMA-Factory安装 github 下载 LLaMA-Factory项目 创建虚拟环境 conda create -n llama_factory python3.10 激活 activate llama_factorytorch 安装 conda install pytorch2.3.1 torchvision0.18.1 torchaudio2.3.1 pytorch-cuda12.1 -c pytorch -c nvidia依赖安装 …
阅读更多...
第一讲 | 解锁C++编程能力：基础语法解析

第一讲 | 解锁C++编程能力：基础语法解析

C入门基础 一、C的第一个程序二、命名空间三、C输入&输出四、缺省参数/默认参数五、函数重载六、引用1.引用的特性2.引用的使用引用做返回值场景 3.const引用只有指针和引用涉及权限放大、缩小的问题&#xff0c;普通变量没有 4.指针和引用的关系 七、inline八、nullptr 一…
阅读更多...
【颠覆性缓存架构】Caffeine双引擎缓存实战:CPU和内存双优化，命中率提升到92%，内存减少75%

【颠覆性缓存架构】Caffeine双引擎缓存实战:CPU和内存双优化，命中率提升到92%，内存减少75%

千万级QPS验证&#xff01;Caffeine智能双缓存实现 92%命中率&#xff0c;内存减少75% 摘要&#xff1a; 本文揭秘千万级流量场景下的缓存革命性方案&#xff01;基于Caffeine打造智能双模式缓存系统&#xff0c;通过冷热数据分离存储与精准资源分配策略&#xff0c;实现CPU利…
阅读更多...
JVM 03

JVM 03

今天是2025/03/24 15:21 day 11 总路线请移步主页Java大纲相关文章 今天进行JVM 5,6 个模块的归纳 首先是JVM的相关内容概括的思维导图 5. 优化技术 JVM通过多种优化技术提升程序执行效率&#xff0c;核心围绕热点代码检测和编译优化实现动态性能提升。 热点代码检测 JVM…
阅读更多...
wordpress-网站百宝箱插件

wordpress-网站百宝箱插件

含置顶,网页宠物, 哀悼, 禁止复制, 禁止查看源码, 弹幕, WP优化,媒体分类,预加载,定时发布,在线客服, 留言板, 手机客服, 网站背景, 公告, 跑马灯, 水印, 分享, 打赏, 海报图, 广告,数据库管理,图片加载特效。等综合功能插件
阅读更多...
Git 钩子：特定操作脚本

Git 钩子：特定操作脚本

Git 钩子 在特定 Git 操作发生时自动触发的脚本&#xff1b; 可以从提交规范、代码质量、自动化流程、分支管理、安全性检查等多个方面进行配置&#xff0c;帮助团队提高开发效率和代码质量&#xff1b; 本地 记录提交检验 commit-msg 修改&#xff1a;\test\.git\hooks\c…
阅读更多...
职坐标：互联网行业职业发展路径解析

职坐标：互联网行业职业发展路径解析

内容概要 当前&#xff0c;互联网行业正以指数级速度重塑全球产业格局。数据显示&#xff0c;我国互联网市场规模在2019年上半年实现17.9%的同比增速&#xff0c;而随着工业互联网、5G等前沿技术的加速落地&#xff0c;这一增长趋势仍在强化。工信部近期发布的《新型信息基础设…
阅读更多...
红数码影视(RED Digital Cinema)存储卡格式化后的恢复方法

红数码影视(RED Digital Cinema)存储卡格式化后的恢复方法

红数码影视(RED Digital Cinema)的摄像机可以生成两种RAW级高清视频文件&#xff0c;一种是R3D&#xff0c;一种是MOV。其中MOV属于苹果(apple)公司的QT视频封装结构&#xff0c;使用的视频编码是Apple ProRes;而R3D则是RED公司自创的RAW视频文件&#xff0c;这种文件解码需要使…
阅读更多...
Gitee上库常用git命令

Gitee上库常用git命令

Gitee上库常用git命令 1、Fork 项目2、个人仓库修改3、追加提交4、创建PR5、多笔commit合一 1、Fork 项目 2、个人仓库修改 git add . // -s 表示自动添加邮箱签名信息&#xff0c;-m表示其后跟随commit描述 git commit -sm “add transition freeze” git push origin [目标…
阅读更多...
阿里开源的免费数据集成工具——DataX

阿里开源的免费数据集成工具——DataX

企业里真实的数据流转是什么样子的呢&#xff1f; 左侧描述了一个企业真实的样子&#xff0c;我们总是需要把数据从一个地方搬到另一个地方&#xff0c;最后就是搬来搬去搬成了一张张解不开的网。 右侧则表达了使用DataX为中心实现数据的同步。 什么是DataX DataX是一个异构…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023