怎么使用Java工具类实现高效编写报表

本篇内容主要讲解“怎么使用Java工具类实现高效编写报表”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“怎么使用Java工具类实现高效编写报表”吧!

为什么使用java代码写报表

对于报表数据大部分情况下使用写sql的方式为大屏/报表提供数据来源，但是对于某些复杂情况下仅仅使用sql无法实现，或者实现起来困难的时候，会采取通过代码实现复杂的逻辑最终将结果返回。

遇到的问题

对于相对复杂的报表，经常需要做数据的连接即表与表的join，分组，计算等操作。sql天然支持这些操作，实现起来很轻松。但是当我们在java代码中需要对数据进行连接时，原生支持的就并不那么友好，我们常常会这么实现

现在有两个集合

List<ContractDetail> contractDetails; // 合同明细集合，合同会重复List<ContractInfo> contractInfos; // 合同主要信息，不会有重复合同

对应数据结构

public class ContractDetail {        private String contractNo;        private BigDecimal moneyTotal;}public class ContractInfo {        private String contractNo;        private String status;}

需求

contractDetails 根据 contractNo关联 contractInfos，过滤出status = '已签订’的数据

再根据 contractDetails 中的contractNo分组，分别求每个 contractNo对应的moneyTotal之和

最终输出的应该为一个map

Map<String , BigDecimal > result;

通常我们会这么实现

//  setp 1 过滤出 已签订状态的合同编码Set<String> stopContract = contractInfos.stream()                .filter(it -> "已签订".equals(it.getStatus()))                .map(ContractInfo::getContractNo).collect(Collectors.toSet());//step2 根据 step1的合同编码集合过滤出状态正确的contractDetail  contractDetails = contractDetails.stream()                .filter(it -> stopContract.contains(it.getContractNo()))                .collect(Collectors.toList());//step3 根据contractNo分别累加对应的moneyTotal Map<String, BigDecimal> result = new HashMap<>(); contractDetails.stream().forEach(it -> {            BigDecimal moneyTotal = Optional.ofNullable(result.get(it.getContractNo()))                    .orElse(BigDecimal.ZERO);            moneyTotal = moneyTotal.add(it.getMoneyTotal() != null ? it.getMoneyTotal() : BigDecimal.ZERO);            result.put(it.getContractNo(), moneyTotal);        });

显然这个实现时比较复杂的，因为使用sql的话无非就是 join 连接之后加上group by分组。求和。就可以轻易解决这个问题。那么看看后面这个工具类，再思考有没有更简单的办法实现。

工具类

CollectionDataStream

集合数据流CollectionDataStream的功能是通过接口对集合之间做关联，实现了类似sql join和left join两个操作

并且实现和java中的Stream相互转换的功能。

聚合数据结构将集合转换成类似表结构的数据结构，包含表名，数据

public class AggregationData {    Map<String, Map> aggregationMap;    private AggregationData(){        aggregationMap = new HashMap<>();    }    //key 为别名，value为对应对象    public AggregationData(String tableName, Object data) {        aggregationMap = new HashMap<>();        aggregationMap.put(tableName, BeanUtil.beanToMap(data));    }    public Map<String, Map> getRowAllData() {        return aggregationMap;    }    public Map getTableData(String tableName) {        if (!aggregationMap.containsKey(tableName)) {            throw new DataStreamException(tableName + ".not.exists");        }        return aggregationMap.get(tableName);    }    public void setTableData(String tableName, Object data) {        if(aggregationMap.containsKey(tableName)){            throw new DataStreamException(tableName+".has.been.exists!");        }        aggregationMap.put(tableName, BeanUtil.beanToMap(data));    }    private void setTableData(String tableName, Map<String, Object> data) {        Map<String, Object> tableData =                Optional.ofNullable(aggregationMap.get(tableName)).orElse(new HashMap<String, Object>());        tableData.putAll(data);        aggregationMap.put(tableName, tableData);    }    public AggregationData copyAggregationData() {        AggregationData aggregationData = new AggregationData();        for (String tableName : this.getRowAllData().keySet()) {            aggregationData.setTableData(tableName, this.getRowAllData().get(tableName));        }        return aggregationData;    }}

AggregationData代表一行数据，aggregationMap的key为表名，value为对应的数据

来详细看看这个接口

import java.util.Collection;import java.util.Map;import java.util.function.Function;import java.util.stream.Stream;public interface CollectionDataStream<T> {        static CollectionDataStream<AggregationData> of(String tableName, Collection<?> collection) {        return new CollectionDataStreamImpl(tableName, collection);    }        static CollectionDataStream<AggregationData> of(String tableName, Stream<?> collection) {        return new CollectionDataStreamImpl(tableName, collection);    }        <T1> CollectionDataStream<T> join(String tableName, Collection<T1> collection, JoinPredicate<T, T1> predict);        //等值条件推荐用法    <T1, R> CollectionDataStream<T> joinUseHashOnEqualCondition(String tableName, Collection<T1> collection, Function<T, R> aggregationMapper, Function<T1, R> dataValueMapper);        <T1> CollectionDataStream<T> leftJoin(String tableName, Collection<T1> collection, JoinPredicate<T, T1> predict);        <T1, R> CollectionDataStream<T> leftJoinUseHashOnEqualCondition( String tableName, Collection<T1> collection,Function<T, R> aggregationMapper, Function<T1, R> dataValueMapper);    Stream<T> toStream();    Stream<Map> toStream(String tableName);    <R> Stream<R> toStream(String tableName, Class<R> clzz);    <R> Stream<R> toStream(Function<AggregationData, R> mapper);}

注意joinUseHashOnEqualCondition和join两个方法的区别。

如果集合之间的连接时某个字段等值连接，那么使用joinUseHashOnEqualCondition，其内部使用的是map分组之后进行连接。而直接使用join的话连接条件可自定义，但是是通过双重循环进行条件判断，效率较低。因此等值情况下，使用joinUseHashOnEqualCondition效率更高。

如何使用

还是已上面的需求为例

先进行两个集合之间的连接

 CollectionDataStream.of("t1", contractDetails) .joinUseHashOnEqualCondition(                        contractInfos.stream().filter(it -> "已签订".equals(it.getStatus())).collect(Collectors.toList()),                        "t2",                        agg -> agg.getTableData("t1").get("contractNo"),                        ContractInfo::getContractNo                );

代码解析

CollectionDataStream.of("t1", contractDetails)

是将集合contractDetails转换为表名为t1的数据流，

 .joinUseHashOnEqualCondition(                        contractInfos.stream().filter(                          "t2",                            it -> "已签订".equals(it.getStatus())).collect(Collectors.toList()),                        agg -> agg.getTableData("t1").get("contractNo"),                        ContractInfo::getContractNo                );

内连接contractInfos，同时给contractInfos起别名t2，连接条件是等值连接 t1的contractNo和contractInfos的contractNol连接之后得到新的聚合数据流

当然也可以使用自定义的连接实现

CollectionDataStream.of("t1", contractDetails)                .join("t2",                        contractInfos.stream().filter(it -> "已签订".equals(it.getStatus())).collect(Collectors.toList()),                        (agg, data) -> agg.getTableData("t1").get("contractNo").equals(data.getContractNo())                )

这里通过内连接，那么也起到了一个过滤的作用。连接完成之后我们还要分组进行计算，那么就需要用到下一个工具类

MyCollectors

是对stram中原生Collectors的一个扩展，实现了更多做报表常用分组的一些操作，

MyCollectorspackage collector;import utils.NumberUtil;import java.math.BigDecimal;import java.util.Comparator;import java.util.Map;import java.util.function.Function;import java.util.stream.Collector;import java.util.stream.Collectors;public class MyCollectors {        public static <T, K, U, M extends Map<K, U>>    Collector<T, ?, Map<K, U>> groupingByLast(Function<? super T, ? extends K> keyMapper,                                               Function<? super T, ? extends U> valueMapper) {        return Collectors.groupingBy(keyMapper, Collectors.reducing(null, valueMapper, (o1, o2) -> o2));    }        public static <T, K, U, M extends Map<K, U>>    Collector<T, ?, Map<K, T>> groupingByMaxComparator(Function<? super T, ? extends K> keyMapper,                                                      Comparator<T> comparator) {        return Collectors.groupingBy(keyMapper, Collectors.collectingAndThen(Collectors.maxBy(comparator), it -> it.orElse(null)));    }        public static <T, K, U, M extends Map<K, U>>    Collector<T, ?, Map<K, T>> groupingByMinComparator(Function<? super T, ? extends K> keyMapper,                                                       Comparator<T> comparator) {        return Collectors.groupingBy(keyMapper, Collectors.collectingAndThen(Collectors.maxBy(comparator), it -> it.orElse(null)));    }        public static <T, K>    Collector<T, ?, Map<K, BigDecimal>> groupingAndSum(Function<? super T, ? extends K> keyMapper,                                                       Function<? super T, BigDecimal> valueMapper) {        return Collectors.groupingBy(keyMapper, Collectors.reducing(BigDecimal.ZERO, valueMapper, NumberUtil::addNumbers));    }        public static <T>    Collector<T, ?, BigDecimal> sumByField(Function<? super T, ? extends BigDecimal> mapper) {        return Collectors.reducing(BigDecimal.ZERO, mapper, NumberUtil::addNumbers);    }        public static Collector<BigDecimal, ?, BigDecimal> sum() {        return Collectors.reducing(BigDecimal.ZERO, NumberUtil::addNumbers);    }}

组合使用的实现

 Map<String , BigDecimal > result = CollectionDataStream.of("t1", contractDetails)                .joinUseHashOnEqualCondition(                        contractInfos.stream().filter(it -> "60".equals(it.getStatus())).collect(Collectors.toList()),                        "t2",                        agg -> agg.getTableData("t1").get("contractNo"),                        ContractInfo::getContractNo                ).toStream("s1", ContractDetail.class)//将数据流转换为 java原生Stream                .collect(MyCollectors.groupingAndSum(ContractDetail::getContractNo, ContractDetail::getMoneyTotal));

这样的实现显然更加简单，也减少了出错的的概率，减少了代码量，提升了效率。

优势

• 实现了集合之间的连接操作，并且是流式操作，可以一口气不断连接多个集合。

• 实现了与Stream之间的相互转换。利用stream的功能可以实现各种复杂操作，例如过滤，转换，分组等。

• 效率上有一定的保证，对于等值连接采用了Map优化，并且在内连接时，考虑使用后小表连大表进行优化，在一些情况下减少循环次数，在bean转换为行聚合数据时使用cglib下的BeanMap减少内存的占用和性能的消耗

到此，相信大家对“怎么使用Java工具类实现高效编写报表”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！