对Java 8 Stream进行分区

Question

如何在Java 8 Stream上实现“分区”操作？通过分区我的意思是，将一个流分成给定大小的子流。不知何故，它将与Guava Iterators.partition()方法相同，只是希望分区是懒惰评估的Streams而不是List的。

Answer 1

这是不可能的任意源流到固定大小的批次分区，因为这将螺钉了并行处理。并行处理时，您可能不知道分割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的处理之前，您无法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。这样的功能是可用的，例如，在我StreamEx库：

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

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

或者，如果你真的想流的流：

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

如果你不想依赖于第三方库，可以实现手动等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)); 
} 

此实现看起来有点长，但考虑到像克罗一些极端情况se-to-MAX_VALUE列表大小。

---

如果你想为无序流并行友好的解决方案（这样你就不会在意这些流元素将在单批合并），你可以使用收集这样的（感谢@sibnick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]] 

这样的收集器完全是线程安全的，并为顺序流生成有序批次。

如果要应用中间转化为每一批，你可以使用以下版本：

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，这种方法可以总结的数字在每一批对飞：

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

Answer 2

看起来像Jon Skeet在他的comment中显示的那样，不可能让分区懒惰。对于非延迟分区，我已经有这样的代码：

public static <T> Stream<Stream<T>> partition(Stream<T> source, int size) { 
    final Iterator<T> it = source.iterator(); 
    final Iterator<Stream<T>> partIt = Iterators.transform(Iterators.partition(it, size), List::stream); 
    final Iterable<Stream<T>> iterable =() -> partIt; 

    return StreamSupport.stream(iterable.spliterator(), false); 
} 

Answer 3

我认为这是可能有某种形式的黑客内：

创建实用工具类批次：

public static class ConcurrentBatch { 
    private AtomicLong id = new AtomicLong(); 
    private int batchSize; 

    public ConcurrentBatch(int batchSize) { 
     this.batchSize = batchSize; 
    } 

    public long next() { 
     return (id.getAndIncrement())/batchSize; 
    } 

    public int getBatchSize() { 
     return batchSize; 
    } 
} 

和方法：

public static <T> void applyConcurrentBatchToStream(Consumer<List<T>> batchFunc, Stream<T> stream, int batchSize){ 
    ConcurrentBatch batch = new ConcurrentBatch(batchSize); 
    //hack java map: extends and override computeIfAbsent 
    Supplier<ConcurrentMap<Long, List<T>>> mapFactory =() -> new ConcurrentHashMap<Long, List<T>>() { 
     @Override 
     public List<T> computeIfAbsent(Long key, Function<? super Long, ? extends List<T>> mappingFunction) { 
      List<T> rs = super.computeIfAbsent(key, mappingFunction); 
      //apply batchFunc to old lists, when new batch list is created 
      if(rs.isEmpty()){ 
       for(Entry<Long, List<T>> e : entrySet()) { 
        List<T> batchList = e.getValue(); 
        //todo: need to improve 
        synchronized (batchList) { 
         if (batchList.size() == batch.getBatchSize()){ 
          batchFunc.accept(batchList); 
          remove(e.getKey()); 
          batchList.clear(); 
         } 
        } 
       } 
      } 
      return rs; 
     } 
    }; 
    stream.map(s -> new AbstractMap.SimpleEntry<>(batch.next(), s)) 
      .collect(groupingByConcurrent(AbstractMap.SimpleEntry::getKey, mapFactory, mapping(AbstractMap.SimpleEntry::getValue, toList()))) 
      .entrySet() 
      .stream() 
      //map contains only unprocessed lists (size<batchSize) 
      .forEach(e -> batchFunc.accept(e.getValue())); 
} 

Answer 4

只要你想使用流顺序，就可以划分流（以及进行相关的功能，如窗口 - 我认为这是你真正想要的在这种情况下）。将支持partitoning的标准流 两个库cyclops-react（我的作者）和jOOλ其中独眼巨人反应的扩展（添加功能，如窗）。

cyclops-streams有一组用于在Java Streams上操作的静态函数StreamUtils以及一系列函数，如splitAt，headAndTail，splitBy，用于分区的分区。

要窗口流引入嵌套流的数据流大小30的可以使用窗口方法。

对于OPs点，在Streaming术语中，将Stream拆分为给定大小的多个Stream是Windowing操作（而不是分区操作）。

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

有一个名为ReactiveSeq延伸jool.Seq，并增加了窗口化功能流扩展类，可以使代码干净了一点。

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

正如Tagir指出的那样，尽管如此，这并不适合并行Streams。如果你想窗口或批处理中的流要在多线程的方式执行。 LazyFutureStream在cyclops-react可能是有用的（窗是待办事项清单上，但普通的老式配料现已上市）。

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/单消费者等待空闲队列，并且来自该队列的顺序数据可以在再次分配给线程之前进行窗口化。

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

Answer 5

下面是AbacusUtil

IntStream.range(0, Integer.MAX_VALUE).split(size).forEach(s -> N.println(s.toArray())); 

宣言快速的解决方案：我AbacusUtil的开发商。

Answer 6

对于这个问题，我发现的最优雅的纯Java 8解决方案：

public static <T> List<List<T>> partition(final List<T> list, int batchSize) { 
return IntStream.range(0, getNumberOfPartitions(list, batchSize)) 
       .mapToObj(i -> list.subList(i * batchSize, Math.min((i + 1) * batchSize, list.size()))) 
       .collect(toList()); 
} 

//https://stackoverflow.com/questions/23246983/get-the-next-higher-integer-value-in-java 
private static <T> int getNumberOfPartitions(List<T> list, int batchSize) { 
    return (list.size() + batchSize- 1)/batchSize; 
}