Java Stream 多表关联平均值计算与排序方法

本文介绍了如何使用 Java Stream API，在关联的 User、Movie 和 Score 三张表的数据中，计算电影的平均评分，并找出平均评分最高的 5 部电影，最后按照电影预算进行降序排序。通过示例代码，详细展示了如何利用 Stream API 的 groupingBy、averagingDouble、sorted 和 limit 等操作，实现复杂的数据处理逻辑。

使用 Java Stream 处理多表关联数据并计算平均值排序

在实际开发中，经常会遇到需要从多个关联表中提取数据，进行聚合计算并排序的需求。Java Stream API 提供了强大的数据处理能力，可以简洁高效地实现这类复杂操作。以下将以 User、Movie 和 Score 三张表为例，演示如何使用 Java Stream API 计算电影平均评分，并按照评分和预算进行排序。

数据模型

首先，定义三个数据模型类，分别对应 User、Movie 和 Score 表：

record User(int id, String name) {}
record Movie(int id, String name, int budget) {}
record Score(int userId, int movieId, int score) {}

示例数据

为了方便演示，我们创建一些示例数据：

List movies = List.of(
    new Movie(101, "Mov 1", 200),
    new Movie(102, "Mov 2", 500),
    new Movie(103, "Mov 3", 300));
List scores = List.of(
    new Score(1, 101, 6),
    new Score(2, 101, 8),
    new Score(1, 102, 6),
    new Score(2, 102, 9));

实现步骤

1. 构建 Movie Map: 将 Movie 列表转换为 Map，方便后续根据 Movie ID 获取 Movie 对象。

   Map movieMap = movies.stream()
       .collect(Collectors.toMap(Movie::id, Function.identity()));

2. 计算平均评分并排序: 使用 Stream API 对 Score 列表进行处理，计算每个电影的平均评分，并按照评分降序排序，最后取前 5 个。

   List top5 = scores.stream()
       .collect(Collectors.groupingBy(
           Score::movieId, Collectors.averagingDouble(Score::score)))
       .entrySet().stream()
       .sorted(Collections.reverseOrder(Entry.comparingByValue()))
       .limit(5)
       .map(e -> movieMap.get(e.getKey()))
       .sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget)))
       .toList();

   • groupingBy(Score::movieId, Collectors.averagingDouble(Score::score)): 将 Score 按照 movieId 分组，并计算每个电影的平均评分。
   • entrySet().stream(): 将 Map 转换为 Stream。
   • sorted(Collections.reverseOrder(Entry.comparingByValue())): 按照平均评分降序排序。
   • limit(5): 取前 5 个电影。
   • map(e -> movieMap.get(e.getKey())): 根据 Movie ID 从 movieMap 中获取 Movie 对象。
   • sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget))): 按照电影预算降序排序。

3. 输出结果: 将结果打印到控制台。

   top5.stream().forEach(System.out::println);

完整代码示例

import java.util.Collections;
import java.util.Comparator;
import java.util.List;
import java.util.Map;
import java.util.function.Function;
import java.util.stream.Collectors;
import java.util.Map.Entry;

public class MovieRanking {

    public static void main(String[] args) {
        record User(int id, String name) {}
        record Movie(int id, String name, int budget) {}
        record Score(int userId, int movieId, int score) {}

        List movies = List.of(
            new Movie(101, "Mov 1", 200),
            new Movie(102, "Mov 2", 500),
            new Movie(103, "Mov 3", 300));
        List scores = List.of(
            new Score(1, 101, 6),
            new Score(2, 101, 8),
            new Score(1, 102, 6),
            new Score(2, 102, 9));

        Map movieMap = movies.stream()
            .collect(Collectors.toMap(Movie::id, Function.identity()));

        List top5 = scores.stream()
            .collect(Collectors.groupingBy(
                Score::movieId, Collectors.averagingDouble(Score::score)))
            .entrySet().stream()
            .sorted(Collections.reverseOrder(Entry.comparingByValue()))
            .limit(5)
            .map(e -> movieMap.get(e.getKey()))
            .sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget)))
            .toList();
        top5.stream().forEach(System.out::println);
    }
}

注意事项

• 在实际应用中，数据可能来自数据库或其他数据源，需要根据实际情况调整数据读取方式。
• 如果数据量非常大，可以考虑使用并行 Stream 提高处理效率。
• 代码中的 record 是 Java 16 引入的新特性，如果使用较低版本的 Java，需要使用传统的 class 定义数据模型。

总结

本文通过一个具体的例子，展示了如何使用 Java Stream API 处理多表关联数据，并进行复杂的聚合计算和排序。Stream API 的简洁性和强大的功能，可以大大简化代码，提高开发效率。掌握 Stream API 的使用，对于 Java 开发者来说至关重要。