你不知道的GuavaCollect，都在这了

　　集合操作是编程中使用频率非常高的，所有有一款针对集合的操作工具是非常有必要的。通过框架提供的工具一方面可以减少开发相似功能的耗时；同时框架在安全与稳定性上更被推荐。
　　GuavaCollect是Guava工具包中的一个子模块，主要对jdk中的集合操作添加了一些简易的API，同时也是对Collections工具类的扩展。当然Guava还定义了一些特定场景的数据结构以及一些针对jdk集合的优化，最典型的就是ImmutableCollections（不可变集合），你会发现调用GuavaAPI很多都是不可变的意义
　　我们常见的集合类有：ListSetVectorStackMapQueue
　　集合是一种非常常见的数据结构，JDK在处理各种数据集时，提供了以上集合类型的数据结构以及其对应API方便开发者高效简易地对数据对象操作特色
　　guava主要提供了以下几个方面的支持：增加了不可变集合不受信任的库可以安全使用。线程安全：可以被许多线程使用，没有竞争条件的风险。不需要支持突变，并且可以通过该假设节省时间和空间。所有不可变集合实现都比它们的可变兄弟更节省内存。（分析）可以用作常数，期望它保持不变。增加了新的集合类型Multiset与普通的Set相比，提供了元素出现频率的记录。可用于元素出现次数的记录Multimap一个与Map相比，一个建可以对应对应多个值。与Spring中MultiValueMap一样BiMap键值都是唯一的MapTable具有行、列的表格，数据视图中可能更直观。ClassToInstanceMap键为Class，值为Class实例的特殊MapRangeSet代表一组数据区间，类似数学中的〔1，9）RangeMap与RangeSet类似，不过将其区间作为建，可以有自己的值。〔1，9）VAL优化了常用的操作集合的创建
　　ImmutableSet。of（elem。。。）
　　Lists。newArrayList（elem。。。）
　　Sets。newHashSet（elem。。。）
　　Maps。newHashMap（）
　　。。。常用的操作判断两个集合是否相等：Iterables。elementsEqual（）
　　集合分段处理：Lists。partition（）
　　取集合的交集：Sets。intersection（）
　　取集合的差集：Sets。difference（）
　　。。。使用
　　GuavaCollect作为集合操作工具，我们主要从实际业务中了解其能够帮助我们实现怎样的需求，下面看下其API的使用情况：
　　假设我们有10000名学生，通过Faker生成这些模拟的学生数据数据：ListStudentstudentsnewArrayList（）；FakerfakernewFaker（Locale。CHINA）；Beforepublicvoidinit（）｛FakerenFakernewFaker（）；Namenamefaker。name（）；IntStream。range（0，10000）。forEach（index｛students。add（Student。of（）。setId（String。valueOf（index1））。setName（name。name（））。setAge（faker。number（）。numberBetween（18，22））。setGender（newString〔〕｛男，女｝〔faker。number（）。numberBetween（0，2）〕）。setAddress（faker。address（）。streetAddress（））。setScore（faker。number（）。randomDouble（3，50，100））。setEmail（faker。internet（）。emailAddress（enFaker。name（）。username（）））。setTelephone（faker。phoneNumber（）。cellPhone（）））；｝）；｝
　　Multiset
　　获取元素出现频次。比如获取男生与女生的学生数量分别为多少Testpublicvoidmultiset（）｛MultisetmultisetHashMultiset。create（）；students。forEach（student｛if（Objects。equals（student。getGender（），男））｛multiset。add（男）；｝else｛multiset。add（女）；｝｝）；System。out。println（学生中男生数量：multiset。count（男））；System。out。println（学生中女生数量：multiset。count（女））；｝
　　Multimap
　　一个键对应多个值时。比如查看各个年龄的学生是哪些Testpublicvoidmultimap（）｛ListMultimapInteger，StudentmultimapMultimapBuilder。hashKeys（）。arrayListValues（）。build（）；students。forEach（student｛multimap。put（student。getAge（），student）；｝）；System。out。println（multimap。get（20））；｝
　　BiMap
　　键和值都是唯一时。比如处理学生的邮箱和手机号，客户互换键值位置TestpublicvoidbiMap（）｛BiMapbiMapHashBiMap。create（）；students。forEach（student｛biMap。put（student。getEmail（），student。getTelephone（））；｝）；BiMapinversebiMap。inverse（）；键值更换System。out。println（biMap）；System。out。println（inverse）；｝
　　Table
　　二维表，通过行（键）、列（键）取值比如可以以学生为行数据，其中id为行键，列名分别为学生属性名称
　　ID姓名年龄性别1TOM22男Testpublicvoidtable（）｛TableString，String，ObjectweightedGraphHashBasedTable。create（）；students。forEach（student｛weightedGraph。put（student。getId（），姓名，student。getName（））；weightedGraph。put（student。getId（），年龄，student。getAge（））；weightedGraph。put（student。getId（），性别，student。getGender（））；weightedGraph。put（student。getId（），邮箱，student。getEmail（））；weightedGraph。put（student。getId（），电话，student。getTelephone（））；weightedGraph。put（student。getId（），地址，student。getAddress（））；weightedGraph。put（student。getId（），分数，student。getScore（））；｝）；MapString，ObjectrowweightedGraph。row（1）；MapString，ObjectcolumnweightedGraph。column（姓名）；SetTable。CellString，String，ObjectcellsweightedGraph。cellSet（）；System。out。println（row）；System。out。println（column）；System。out。println（cells）；｝
　　ClassToInstanceMap
　　当值是键的类型实例时，通过该Map现在键值关系TestpublicvoidclassToInstanceMap（）｛ClassToInstanceMapNumbernumberDefaultsMutableClassToInstanceMap。create（）；numberDefaults。put（Number。class，1）；MapClass，ObjectobjectMapnewHashMap（）；objectMap。put（Number。class，2）；｝
　　RangeSet
　　区间Set。比如通过学生分数确定学生等级TestpublicvoidrangeSet（）｛RangeSetDoubleArangeSetTreeRangeSet。create（）；ArangeSet。add（Range。closed（90d，100d））；〔90，100〕RangeSetDoubleBrangeSetTreeRangeSet。create（）；BrangeSet。add（Range。closedOpen（80d，90d））；〔80，90）RangeSetDoubleCrangeSetTreeRangeSet。create（）；CrangeSet。add（Range。closedOpen（70d，80d））；〔70，80）RangeSetDoubleDrangeSetTreeRangeSet。create（）；DrangeSet。add（Range。closedOpen（60d，70d））；〔60，70）RangeSetDoubleErangeSetTreeRangeSet。create（）；ErangeSet。add（Range。lessThan（60d））；〔。。。，60）students。forEach（student｛System。out。print（学生：student。getName（））；System。out。print（，分数为：student。getScore（））；Stringrank；if（ArangeSet。contains（student。getScore（）））｛rankA；｝elseif（BrangeSet。contains（student。getScore（）））｛rankB；｝elseif（CrangeSet。contains（student。getScore（）））｛rankC；｝elseif（DrangeSet。contains（student。getScore（）））｛rankD；｝elseif（ErangeSet。contains（student。getScore（）））｛rankE；｝System。out。print（，等级为：rank）；｝）；｝
　　RangeMap和RangeSet类似，区别是添加了区间命名。和上面一样TestpublicvoidrangeMap（）｛RangeMapDouble，StringrangeMapTreeRangeMap。create（）；rangeMap。put（Range。closed（90d，100d），A）；〔90，100〕rangeMap。put（Range。closedOpen（80d，90d），B）；〔80，90）rangeMap。put（Range。closedOpen（70d，80d），C）；〔70，80）rangeMap。put（Range。closedOpen（60d，70d），D）；〔60，70）rangeMap。put（Range。lessThan（60d），E）；〔。。。，60）students。forEach（student｛System。out。print（学生：student。getName（））；System。out。print（，分数为：student。getScore（））；System。out。print（，等级为：rangeMap。get（student。getScore（）））；｝）；｝下面看下对常用集合的一些操作
　　当然我们首先需要将数据使用GuavaCollect对应的数据结构来存储数据，这样才能使用其对应的API：集合创建FluentIterable。of（elem。。。）
　　Lists。newArrayList（elem。。。）
　　Sets。newHashSet（elem。。。）
　　Maps。newHashMap（）
　　HashMultiset。create（）
　　ArrayListMultimap。create（）
　　Tables。newCustomTable（Maps。newLinkedHashMap（），（）Maps。newLinkedHashMap（））条件过滤
　　FluentIterable。filter（predicate）；FluentIterable。anyMatch（predicate）；FluentIterable。allMatch（predicate）；FluentIterable。firstMatch（predicate）；拆分Iterables。partition（list，pageSize）；拆解集合计算Iterables。frequency（list，elem）；元素出现的次数集合的并集、交集、差集并集Sets。union（set1，set2）；交集Sets。intersection（set1，set2）；差集set1为参考Sets。difference（set1，set2）；并集交集Sets。symmetricDifference（set1，set2）；同上Sets。difference（Sets。union（set1，set2），Sets。intersection（set1，set2））；笛卡尔积Sets。cartesianProduct（Arrays。asList（Sets。newHashSet（1，2，3），Sets。newHashSet（3，4，5，6））；Map，KV相同的部分difference。entriesInCommon（）；同K不同Vdifference。entriesDiffering（）；左边存在的右边不存的Kdifference。entriesOnlyOnLeft（）；右边存在的左边不存的Kdifference。entriesOnlyOnRight（）；索引将元素中的子项作为索引，由于元素检索Maps。uniqueIndex（）Multimaps。index（）Jdk中的集合操作
　　自从Jdk中引入了集合Stream的操作后，从很大程度上简化了对集合的操作，以前大量代码现在可能简单几行就能够达到相同的效果，同时支持并发处理，一并提升了效率。
　　下面看下常见的集合基于stream操作，同样以上面的学生为例：
　　遍历forEachTestpublicvoidforEach（）｛students。stream（）。forEach（System。out：：println）；｝
　　转换map
　　将元素转换成其他类型。比如根据学生名称、性别组成新的List；以id为键元素为值的Map或者学生姓名拼接的字符串等等Testpublicvoidtransform（）｛转换为数组ListStringlistResultstudents。stream（）。map（（val）val。getName（）：val。getGender（））。collect（Collectors。toList（））；System。out。println（listResult）；转换成StringStringstringResultstudents。stream（）。map（Student：：getName）。collect（Collectors。joining（））；System。out。println（stringResult）；转换成MapMapString，StudentmapResultstudents。stream（）。collect（key，value，mergerOperation，initializationCollectors。toMap（Student：：getName，Student：：self，（v1，v2）｛出现相同key时的合并规则returnnull；｝，HashMap：：new））；System。out。println（mapResult）；｝
　　过滤filter
　　根据条件匹配满足要求的元素。如找出分数大于80分的学生Testpublicvoidfilter（）｛ListStudentfilterResultstudents。stream（）。filter（（val）｛returnval。getScore（）80；｝）。collect（Collectors。toList（））；System。out。println（filterResult）；｝
　　拆解flatMap
　　将二层级集合进行拆解，并成一级集合。如〔〔1，2，3〕，〔4，5，6〕〕〔1，2，3，4，5，6〕TestpublicvoidflatMap（）｛复合拆解ListIntegerresultStream。of（Arrays。asList（1，2，3），Arrays。asList（4，5，6））。flatMap（subListsubList。stream（））。collect（Collectors。toList（））；System。out。println（result）；123456｝
　　计算实现数据的汇总、求平均值、最大值。。。，当然主要针对数字（Number）类型Testpublicvoidcalculate（）｛求和doublesumstudents。stream（）。mapToDouble（Student：：getScore）。sum（）；最大值doublemaxstudents。stream（）。mapToDouble（Student：：getScore）。max（）。getAsDouble（）；最小值doubleminstudents。stream（）。mapToDouble（Student：：getScore）。min（）。getAsDouble（）；平均值doubleavgstudents。stream（）。mapToDouble（Student：：getScore）。average（）。getAsDouble（）；归约运算fold。count、sum、min、max、averageDoubleSummaryStatisticsdoubleSummaryStatisticsstudents。stream（）。mapToDouble（Student：：getScore）。summaryStatistics（）；｝
　　归纳计算reduce
　　在很多语言中都存在的函数，如python、javascript。数据的累加、map的功能Testpublicvoidreduce（）｛结果和identity（初始值）类型相同identityaccumulatorcombinerMapresultstudents。stream（）。reduce（newHashMapString，Student（），初始值（map，student）｛map。put（student。getId（），student）；returnmap；｝，（map1，map2）｛并发执行时的map合并returnnull；｝）；｝
　　并发parallel
　　上面的操作我们还可以使用parallel对stream并发处理Arrays。asList（）。stream（）。parallel（）。。。；Arrays。asList（）。parallelStream（）。。。；
　　分段处理对集合按固定规格分段处理，处理大批量数据时，结合parallel实现分段并发处理来提示效率Testpublicvoidpartition（）｛ListStringlistnewArrayList（）；intpartition100；每段100个元素intpartlist。size（）partition（list。size（）partition0？0：1）；Stream。iterate（0，nn1）。limit（part）。parallel（）并发。map（indexlist。stream（）。skip（indexpartition）。limit（partition）。parallel（）。collect（Collectors。toList（）））。forEach（System。out：：println）；｝总结
　　本章主要介绍了GuavaCollect部分，以及对集合操作的常用API，通过示例可以看到有其对JDK集合的扩展有了更广泛与简易的操作。同时在JDK引入了Stream操作后，GuavaCollect中的很多功能通过Stream也可以比较容易的实现了，当然具体如何选择根据实际情况。需要注意的是GuavaCollect中返回的基本都是不可变的集合，这样在对数据的操作会更加的安全。