本文旨在介绍如何利用 Java Stream API，针对多表关联数据，计算平均值并进行排序。通过实际案例，演示如何从用户、电影和评分数据中，找出平均评分最高的 5 部电影，并按照预算进行降序
排列
。文章将提供详细的代码示例和步骤说明，帮助读者掌握 Java Stream 在复杂数据处理场景下的应用。
使用 Java Stream 处理多表关联数据
在实际应用中，经常会遇到需要关联多个表的数据进行分析和处理的情况。Java Stream API 提供了强大的功能，可以方便地进行数据过滤、转换、聚合和排序。本文将通过一个具体的例子，演示如何使用 Java Stream API，从用户、电影和评分三个表中，找出平均评分最高的 5 部电影，并按照预算进行降序排列。
数据模型
首先，定义三个数据模型：User、Movie 和 Score。
示例数据
接下来，创建一些示例数据，用于演示 Stream API 的使用。
立即学习
“
Java免费学习笔记（深入）
”；
SEO GPT
免费的白帽SEO，PPC和网站经销商平台
下载
使用 Stream API 计算平均评分并排序
核心逻辑是使用 scores 列表，按照 movieId 进行分组，计算每个电影的平均评分，然后按照平均评分降序排列，最后取前 5 部电影，并按照预算降序排列。
代码解释：
movieMap 的创建
: 将 movies 列表转换为一个 Map，key 为 movieId，value 为 Movie 对象本身。这方便后续通过 movieId 查找对应的 Movie 对象。
scores.stream()
: 从 scores 列表创建一个 Stream。
collect(Collectors.groupingBy(...))
: 使用 groupingBy 收集器，按照 Score::movieId 对评分进行分组，并使用 averagingDouble(Score::score) 计算每个电影的平均评分。结果是一个 Map，key 为 movieId，value 为平均评分。
.entrySet().stream()
: 将 Map 转换为一个 Stream>，方便进行排序。
sorted(Collections.reverseOrder(Entry.comparingByValue()))
: 按照平均评分降序排列。Entry.comparingByValue() 返回一个比较器，用于比较 Map.Entry 的 value（即平均评分）。Collections.reverseOrder() 将比较器反转，实现降序排列。
limit(5)
: 取前 5 部电影。
map(e -> movieMap.get(e.getKey()))
: 使用 movieMap，将 movieId 转换为对应的 Movie 对象。
sorted(Collections.reverseOrder(Comparator.comparing(Movie::budget)))
: 按照电影的预算降序排列。
toList()
: 将 Stream 转换为一个 List。
top5.forEach(System.out::println)
: 打印结果。
完整代码示例
注意事项
确保数据模型的定义清晰，并与实际数据结构一致。
理解 Stream API 的各个操作符的含义和作用，例如 groupingBy、averagingDouble、sorted、limit 和 map 等。
注意 Stream 操作的顺序，不同的顺序可能会影响结果。
在处理大量数据时，可以考虑使用并行 Stream，以提高性能。例如，可以使用 scores.parallelStream() 创建一个并行 Stream。
总结
本文介绍了如何使用 Java Stream API，针对多表关联数据，计算平均值并进行排序。通过一个具体的例子，演示了如何从用户、电影和评分三个表中，找出平均评分最高的 5 部电影，并按照预算进行降序排列。掌握 Stream API 可以方便地进行数据分析和处理，提高开发效率。
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, 7),
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.forEach(System.out::println); 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 StreamExample {
record User(int id, String name) {}
record Movie(int id, String name, int budget) {}
record Score(int userId, int movieId, int score) {}
public static void main(String[] args) {
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, 7),
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.forEach(System.out::println);
}
}