当前位置:

首页 > 编程开发 > Java任务统计实现方法详解

Java任务统计实现方法详解

首先定义任务类封装名称和完成状态,再通过集合存储任务并统计总数与完成数,最后计算完成率。示例中创建三个任务,输出总任务数、已完成数及完成率66.67%,核心逻辑清晰,适用于简单任务统计场景。

本文目录

    首先定义任务类封装名称和完成状态,再通过集合存储任务并统计总数与完成数,最后计算完成率。示例中创建三个任务,输出总任务数、已完成数及完成率66.67%,核心逻辑清晰,适用于简单任务统计场景。

    如何使用Java实现任务完成情况统计

    要实现任务完成情况的统计,核心是定义任务数据结构、记录状态,并通过逻辑计算完成比例或分类汇总。Java 提供了丰富的数据类型和集合工具来支持这类功能。下面介绍一种简单实用的实现方式。

    定义任务类

    每个任务通常包含名称、是否完成等基本信息。可以创建一个 Task 类来封装这些属性。

    public class Task {
        private String name;
        private boolean completed;
    
    public Task(String name, boolean completed) {
        this.name = name;
        this.completed = completed;
    }
    
    public boolean isCompleted() {
        return completed;
    }
    
    // 可添加 getter 和 setter 方法

    }

    使用集合存储任务并统计

    将多个任务放入集合中,然后遍历统计已完成和总任务数,从而计算完成率。

    import java.util.*;
    

    public class TaskStatistics { private List tasks = new ArrayList<>();

    public void addTask(Task task) {
        tasks.add(task);
    }
    
    public int getTotalCount() {
        return tasks.size();
    }
    
    public int getCompletedCount() {
        int count = 0;
        for (Task task : tasks) {
            if (task.isCompleted()) {
                count++;
            }
        }
        return count;
    }
    
    public double getCompletionRate() {
        if (tasks.isEmpty()) return 0.0;
        return (double) getCompletedCount() / getTotalCount();
    }

    }

    示例调用与输出结果

    创建几个任务,加入统计器,然后查看完成情况。

    public class Main {
        public static void main(String[] args) {
            TaskStatistics stats = new TaskStatistics();
    
        stats.addTask(new Task("编写文档", true));
        stats.addTask(new Task("测试代码", false));
        stats.addTask(new Task("修复bug", true));
    
        System.out.println("总任务数: " + stats.getTotalCount());
        System.out.println("已完成任务: " + stats.getCompletedCount());
        System.out.println("完成率: " + String.format("%.2f%%", stats.getCompletionRate() * 100));
    }

    }

    输出结果会是:

    总任务数: 3
    已完成任务: 2
    完成率: 66.67%

    这种实现方式简洁明了,适用于小型系统或本地任务管理。如果需要更复杂的功能(如按分类、优先级、时间维度统计),可以在 Task 类中扩展字段,并在统计方法中增加分组逻辑(例如使用 Map 或 Stream 分组)。Java 8 的 Stream API 也能简化统计过程:

    long completed = tasks.stream().filter(Task::isCompleted).count();
    

    基本上就这些。不复杂但容易忽略的是数据的一致性和状态更新机制——确保任务状态变更能被正确记录和反映在统计中。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    OpenCode PTY 0.6.0 哪些运行中的终端受协议 9 升级影响?
    OpenCode PTY 0.6.0 哪些运行中的终端受协议 9 升级影响?

    受影响的是旧协议守护进程承载的命令和持久终端。切换时旧实例会关闭,新服务在首次需要时再启动。

    llama.cpp b12465 的 SYCL 快速取模适用哪些路径?
    llama.cpp b12465 的 SYCL 快速取模适用哪些路径?

    llama.cpp b12465。llama.cpp b12465 的快速取模用在 SYCL 广播相关的索引运算。一次内核启动可复用同一组预计算值,前提是除数非零且能放入 32 位。

    Plannotator v0.28.67如何防止附件脚本切换线程和保存失败清空配置
    Plannotator v0.28.67如何防止附件脚本切换线程和保存失败清空配置

    Plannotator v0.28.67 让 HTML 附件脚本失去自行切换 Inbox 线程的能力,并在安全写入失败时保留 config.json 和 state.json。两项保护分别针对附件预览行为和本地配置文件。

    AG2 1.3.1沙箱、MCP Apps与A2UI兼容变化分别意味着什么
    AG2 1.3.1沙箱、MCP Apps与A2UI兼容变化分别意味着什么

    解释AG2 1.3.1的A2UI version与protocol_version差异、E2B和boxd后端、MCP Apps连接与独立缓存写入统计,提供只读包版本查询。

    Arcane 3.0.1的代理启动与证书验证应怎样分开评估
    Arcane 3.0.1的代理启动与证书验证应怎样分开评估

    Arcane 3.0.1把代理启动中不该承担的管理端任务与身份验证要求分开处理:agent跳过manager专属工作,旧edge SPIFFE客户端证书被拒绝,更新始终验证。部署影响取决于实际使用的节点角色、证书及配置保存路径。

    ffmpeg-skill 3.10.0与3.10.1的使用边界怎么看
    ffmpeg-skill 3.10.0与3.10.1的使用边界怎么看

    ffmpeg-skill 3.10.0与3.10.1对应两个连续维护版本。多片段项目的渲染与时间线导出现在按一致的画幅和帧率规则处理。遇到容器不接受的数据流时,新版会尽量只移除受影响的数据流,让符合条件的字幕仍能保留。

    last30days-skill 4.1.0与4.2.0的使用边界怎么看
    last30days-skill 4.1.0与4.2.0的使用边界怎么看

    last30days-skill 4.1.0与4.2.0对应两个连续维护版本。两版更新让社区检索有了可选的登录路径,并按主题覆盖程度决定是否保留只在评论中命中的帖子。结果的来源和相关性规则会影响最终列出的讨论。

    rust-analyzer v0.3.3121 稳定版修复怎样影响常量与条件属性?
    rust-analyzer v0.3.3121 稳定版修复怎样影响常量与条件属性?

    rust-analyzer v0.3.3121 稳定版修复大 u128 转为负浮点数的问题,并为 target_os 与 target_env 补齐 macOS、iOS、Android 和 musl 相关候选。

    llama.cpp b12464 的 Q8_0 优化对应哪条 OpenCL 路径?
    llama.cpp b12464 的 Q8_0 优化对应哪条 OpenCL 路径?

    llama.cpp b12464 为 OpenCL A7 增加 Q8_0 非 MoE 二进制内核,解释 Adreno X1、矩阵乘法和适用条件。

    llama.cpp b12463 的视觉位置嵌入修复影响哪些输入?
    llama.cpp b12463 的视觉位置嵌入修复影响哪些输入?

    llama.cpp b12463 修正 Muse Glimmer 视觉编码器缩放位置嵌入时的坐标顺序,使其与训练一致,解释非方形图像为何更能体现差异。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。