查看原文
其他

精练代码:一次Java函数式编程的重构之旅

琴水玉 程序员小乐 2019-05-10

分享编程技能、互联网技术、生活感悟、打造干货分享平台,将总结的技术、心得、经验分享给大家,这里不只限于技术!还有职场心得、生活感悟、以及面经点击上方 "杨守乐" ,选择“置顶公众号”,第一时间送达!



一、基础知识
二、重构前
三、重构过程

  • 从小处着手

  • 重复的foreach代码

  • lambda取代内部类

  • 简单而有益的隔离

  • 回调接口改造成函数接口

  • 新的需求

  • 抽离异常处理

  • 抽离并发处理

  • 过程式改函数式

  • 更函数式的风格

  • 模拟柯里化

四、小结
五、重构后

  • ConcurrentDataHandlerFrameRefactored

  • ExecutorUtil

  • TaskUtil

  • CatchUtil

  • StreamUtil

摘要:通过一次并发处理数据集的Java代码重构之旅,展示函数式编程如何使得代码更加精练。

难度:中级

 一、基础知识


在开始之前,了解“高阶函数”和“泛型”这两个概念是必要的。

高阶函数就是接收函数参数的函数,能够根据传入的函数参数调节自己的行为。类似C语言中接收函数指针的函数。最经典的就是接收排序比较函数的排序函数。高阶函数不神秘哦!在Java8之前,就是那些可以接收回调接口作为参数的方法;在本文中,那么接收 Function, Consumer, Supplier 作为参数的函数都是高阶函数。高阶函数使得函数的能力更加灵活多变。

泛型是能够接纳多种类型作为参数进行处理的能力。很多函数的功能并不限于某一种具体的类型,比如快速排序,不仅可以用于整型,也可以用于字符串,甚至可用于对象。泛型使得函数在类型处理上更加灵活。

高阶函数和泛型两个特点结合起来,可使得函数具备强大的抽象表达能力。

 二、重构前


基本代码如下。主要用途是根据具体的业务数据获取接口 IGetBizData ,并发地获取指定Keys值对应的业务数据集。

package zzz.study.function.refactor.before;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.Callable;
import java.util.concurrent.CompletionService;
import java.util.concurrent.ExecutorCompletionService;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import zzz.study.function.refactor.TaskUtil;
/**
* Created by shuqin on 17/6/23.
*/

public class ConcurrentDataHandlerFrame {
 public static void main(String[] args) {
   List<Integer> allData = getAllData(getKeys(), new GetTradeData());
   System.out.println(allData);
 }
 public static List<String> getKeys() {
   List<String> keys = new ArrayList<String>();
   for (int i=0; i< 20000; i++) {
     keys.add(String.valueOf(i));
   }
   return keys;
 }
 /**
  * 获取所有业务数据
  */

 public static <T> List<T> getAllData(List<String> allKeys, final IGetBizData iGetBizData) {
   List<String> parts = TaskUtil.divide(allKeys.size(), 1000);
   System.out.println(parts);
   ExecutorService executor = Executors.newFixedThreadPool(parts.size());
   CompletionService<List<T>>
       completionService = new ExecutorCompletionService<List<T>>(executor);
   for (String part: parts) {
     int start = Integer.parseInt(part.split(":")[0]);
     int end = Integer.parseInt(part.split(":")[1]);
     if (end > allKeys.size()) {
       end = allKeys.size();
     }
     final List<String> tmpRowkeyList = allKeys.subList(start, end);
     completionService.submit(new Callable<List<T>>() {
       public List<T> call() throws Exception {
         return iGetBizData.getData(tmpRowkeyList);
       }
     });
   }
   List<T> result = new ArrayList<T>();
   for (int i=0; i< parts.size(); i++) {
     try {
       result.addAll(completionService.take().get());
     } catch (Exception e) {
       e.printStackTrace();
     }
   }
   executor.shutdown();
   return result;
 }
}
/** 业务数据接口 */
interface IGetBizData<T> {
 List<T> getData(List<String> keys);
}
/** 获取业务数据具体实现 */
class GetTradeData implements IGetBizData<Integer> {
 public List<Integer> getData(List<String> keys) {
   // maybe xxxService.getData(keys);
   List<Integer> result = new ArrayList<Integer>();
   for (String key: keys) {
     result.add(Integer.valueOf(key) % 1000000000);
   }
   return result;
 }
}

代码本身写得不坏,没有拗口的地方,读起来也比较流畅。美中不足的是,不够通用化。 心急的读者可以看看最后面重构后的代码。这里还是从重构过程开始。

 三、重构过程


1、从小处着手

如果面对一大块代码不知如何下手,那么就从小处着手,先动起来。 对于如下代码,了解 Java8 Stream api 的同学肯定知道怎么做了:

 public List<Integer> getData(List<String> keys) {
   // maybe xxxService.getData(keys);
   List<Integer> result = new ArrayList<Integer>();
   for (String key: keys) {
     result.add(Integer.valueOf(key) % 1000000000);
   }
   return result;
 }

可以写成一行代码:

   return keys.stream().map(key -> Integer.valueOf(key) % 1000000000).collect(Collectors.toList());

不过, 写多了, collect(Collectors.toList()) 会大量出现,占篇幅,而且当 map 里的函数比较复杂时,IDE 有时不能自动补全。注意到这个函数其实就是传一个列表和一个数据处理函数,因此,可以抽离出一个 StreamUtil ,之前的代码可以写成:

public static <T,R> List<R> map(List<T> data, Function<T, R> mapFunc) {
   return data.stream().map(mapFunc).collect(Collectors.toList());  // stream replace foreach
 }
return StreamUtil.map(keys, key -> Integer.valueOf(key) % 1000000000);

看上去是一个很平常的改动,实际上是一大步。注意到 map(keys, key -> Integer.valueOf(key) % 1000000000) 并没有展示该如何去计算,只是表达了要做什么计算。 从“关注计算过程” 到“描述计算内容”,实现了计算“描述” 与“执行”的关注点分离。

好滴,已经走出了第一步!

2、重复的foreach代码

自从了解了函数编程,似乎对重复的foreach代码生出“仇”了,恨不得消灭干净。 读者可以看到方法 getKeys 和 getAllData (从completionService获取数据时) 分别有一段foreach循环,通过计数然后添加元素并返回一个列表(具体就不贴代码了)。这样的代码看多了也会厌倦的。 实际上,可以抽离出一个 ForeachUtil 的公用类来做这个事情。为避免代码占篇幅,读者可以看重构后的 ForeachUtil, 然后 getKeys 的实现就可以凝练为一行代码:

getKeys:    
return ForeachUtil.foreachAddWithReturn(2000, (ind -> Arrays.asList(String.valueOf(ind))));
getAllData:
List<R> result = ForeachUtil.foreachAddWithReturn(parts.size(), (ind) -> get(ind, completionService));

棒! 每次将多行代码变成一行代码是不是很爽?更重要的是,每次都抽离出了通用的部分,可以让后面的代码更好写。

注意到,由于 lambda 表达式无法处理受检异常,因此,将 get 函数抽离出来成为一个函数,lambda 表达式就显得更好看一点。

3、lambda取代内部类

注意到 getAllData 里有一个比较难看的内部类,是为了根据一段逻辑生成一个任务类:

completionService.submit(new Callable<List<T>>() {
       public List<T> call() throws Exception {
         return iGetBizData.getData(tmpRowkeyList);
       }
     });

实际上,优秀的IDE工具比如 Intellj 会自动提示要不要替换成 lambda 。 就依它的建议:

completionService.submit(() -> iGetBizData.getData(tmpRowkeyList));

又是一行代码! 干净利落!

4、简单而有益的隔离

这里有一段代码,根据任务划分的区段范围,获取数据集的指定子集:

for (String part: parts) {
     int start = Integer.parseInt(part.split(":")[0]);
     int end = Integer.parseInt(part.split(":")[1]);
     if (end > allKeys.size()) {
       end = allKeys.size();
     }
     final List<String> tmpRowkeyList = allKeys.subList(start, end);
     // submit tasks
   }

本来是一段容易编写单测的独立逻辑块,混在 getAllData 方法里,一来让这段代码的单测难写了,二来增加了整个方法 getAllData 的单测编写麻烦度。真是两不讨好。抽离出去更好。可参见重构后的TaskUtil. 很多程序猿都有这个容易导致单测难写的不良习惯。

5、回调接口改造成函数接口

接下来做什么呢? 看上去小的改动似乎到尽头了。 现在,可以考虑改造回调接口了。实际上,函数接口是回调接口的非常有效的替代者。可以把 getAllData 的参数 final IGetBizData iGetBizData 改成 Function<list, List> iGetBizDataFunc,表示这个函数将作用于一个列表keys,返回指定的数据集。相应的,iGetBizData.getData(tmpRowkeyList) 就可以改成 iGetBizDataFunc.apply(tmpRowkeyList) 。 就是这么简单!</list

读者可能会疑惑,这样改究竟有什么益处呢?第一个好处就是可以移除 iGetBizData 接口定义了。 java8之前,每次写回调,都得定义一个接口,再写实现类,烦不烦?

6、新的需求

假设现在我不仅需要并发获取数据,还需要并发处理数据得到一个数据列表,该怎么办呢?看上去 getAllData 已经有潜力满足需求了,可是还有一些细节要处理。实际上,无非就是给定一个T类型列表,以及一个处理列表并返回另一个R类型列表的函数,然后利用 getAllData 已有的功能就可以实现。 可以抽离出一个底层的 public staticListhandleAllData(ListallKeys, Function<list, List> handleBizDataFunc) 方法,然后将 getAllData 的实现移入其中,对类型略加改造,就可以实现。然后 getAllData 就可以依赖 handleAllData 来实现了。泛型很强大!</list,r>

7、抽离异常处理

我们常常会在代码里看到很多 try-catch 语句块。大多数程序猿可能并不觉得有什么,可是,重复就是代码罪恶之源。实际上,消除这些重复有一个简单的技巧:首先看这些重复函数里有哪几行语句是不一样的(通常是一行或两三行),抽离出 Function (单参数单返回函数) 或 Consumer (单参数无返回函数) 或 BiFunction (双参数单返回函数) 或 BiConsumer (双参数无返回函数) , 然后将这个函数接口作为参数传进去。 function 的方法是 apply, consumer 的方法是 accept ;

重构后的代码可见 CatchUtil 。 实际上很像 Python 里的装饰器,通过封装函数的 try-catch ,给任何函数添加异常处理。 不过 Python 有万能函数 func(*args, **keyargs) , Java 没有可以表示所有函数接口的万能函数。可参见文章: python使用装饰器捕获异常。

8、抽离并发处理

接下来,我们需要抽离出并发处理。客户端代码不需要知道数据处理的细节,它只需要传一个数据列表和一个数据处理函数,其他都交给框架层。略加修改后,可参见重构后的代码 ExecutorUtil. 原来一团代码经过精练后,长度减少了很多。handleAllData 现在变成了这样:

public static <T,R> List<R> handleAllData(List<T> allKeys, Function<List<T>, List<R>> handleBizDataFunc) {
   return ExecutorUtil.exec(allKeys, handleBizDataFunc);
 }

抽离并发处理的益处在于,可以在后续使用策略模式,提供串行计算策略和并发计算策略,在不同场景下选择不同的计算策略。重构后的代码没有展示这一点。读者可以一试。

9、过程式改函数式

注意到有 System.out.println(allData); 嗯,怎么感觉有点不顺眼呢?其实可以编写一个消费函数,改成函数式,见如下代码。YY: 这都要改,过不过分 ? 可是现在要方便地进行其他简单处理,就更容易了,不必编写函数,而是编写和传入不同的 lambda 表达式即可:

public static <T> void consumer(List<T> data, Consumer<T> consumer) {
   data.forEach( (t) -> CatchUtil.tryDo(t, consumer) );
 }
consumer(allData, System.out::println);
consumer(allData, (s) -> System.out.println(s*3));

10、更函数式的风格

注意到 handleAllData 需要传一个数据列表 allKeys ; 更函数式的风格,这个列表应该是一个数据提供函数来获得的。可以使用 Supplier 来抽象。它有一个 get 函数。 可以将 参数改成 Supplier getAllKeysFunc,然后用 getAllKeysFunc.get() 来取代之前的列表 allKeys.

public static <T,R> List<R> handleAllData(Supplier<List<T>> getAllKeysFunc, Function<List<T>, List<R>> handleBizDataFunc) {
   return handleAllData(getAllKeysFunc.get(), handleBizDataFunc);
 }

这样有什么益处呢? 抽离了列表 allKeys 的来源,现在可以从任意地方获取,比如从文件或网络中获取,只要传入一个数据提供函数即可,这使得 handleAllData 的处理范围更加灵活了。

11、模拟柯里化

了解柯里化的同学知道,柯里化是将多元函数分解为多个单元函数的多次调用的过程,在每一次分解的过程中,都会产生大量的副产品函数,是一个强大的函数工厂。柯里化的简单介绍可参见文章: 函数柯里化(Currying)示例 。
(http://www.cnblogs.com/lovesqcc/p/5398758.html)

如何使用 Java 模拟柯里化呢? 这要求一个并发数据处理函数返回一个函数 Function 而不是一个值列表,而返回的函数是可定制化的。这部分通过尝试及IDE的提示,而完成的。见如下代码:

/**
  * 传入一个数据处理函数,返回一个可以并发处理数据集的函数, 该函数接受一个指定数据集
  * Java 模拟柯里化: 函数工厂
  */

 public static <T,R> Function<List<T>, List<R>> handleAllData(Function<List<T>, List<R>> handleBizDataFunc) {
   return ts -> handleAllData(ts, handleBizDataFunc);
 }
 /**
  * 传入一个数据提供函数,返回一个可以并发处理获取的数据集的函数, 该函数接受一个数据处理函数
  * Java 模拟柯里化: 函数工厂
  */

 public static <T,R> Function<Function<List<T>, List<R>>, List<R>> handleAllData(Supplier<List<T>> getAllKeysFunc) {
   return handleBizDataFunc -> handleAllData(getAllKeysFunc.get(), handleBizDataFunc);
 }

然后,客户端的代码就更加有函数式风格了(甚至显得有点“另类”)。 第一个 handleAllData 接受一个数据处理函数,并返回一个封装了并发处理的数据处理函数,可以对任意指定数据集进行处理; 第二个 handleAllData 接受一个数据提供函数, 并返回一个封装了并发处理的数据处理函数,通过指定定制化的数据处理函数来实现计算。apply 里的对象是一个 Function ! 是不是有点思维反转 ? ^_^ 仔细再体味一下

List<Object> objs = StreamUtil.map(DataSupplier.getKeys(), s->Double.valueOf(s));
List<Double> handledData2 = handleAllData((numbers) -> StreamUtil.map(numbers, (num) -> Math.pow((double)num,2))).apply(objs);
Function<List<String>, List<Object>> func = (numbers) -> StreamUtil.map(numbers, (num) -> Integer.parseInt(num)*2);
List<Object> handledData3 = handleAllData(DataSupplier::getKeys).apply(func);

当然,这里并不是真正的柯里化,因为参数只有一个。Scala 的柯里化是指 f(x)(y) = x+y ; f(x) = f(x)(1) = x+1 ; f(y) = f(1)(y) = 1+y ; 可以通过 f(x)(y) 将x或y代入不同的变量得到任意多的函数。利用柯里化很容易写成简洁的微框架,比如一个文件集合处理框架。 filesHandler(files)(handler) 与 filesHandler(hanler)(files) 是不一样的。这里不再过多讨论。

 四、小结


通过使用函数式编程对过程/对象混合式代码进行重构,使得代码更凝练而有表达力了。虽然函数式编程尚未广泛推广于大型工程中,只有一部分程序猿开始尝试使用,在理解上也需要一定的思维转换,不过适度使用确实能增强代码的抽象表达力。仅仅是“高阶函数+泛型+惰性求值”的基本使用,就能产生强大而凝练的表达效果。 函数式编程确有一套自己独特的编程设计理念。 推荐阅读《Scala函数式编程》。

现代软件开发已经不仅仅是单纯地编写代码实现逻辑,而是含有很强的设计过程。需要仔细提炼概念、对象、操作,仔细设计对象之间的交互,有效地组合一系列关联对象成为高内聚低耦合的模块,有效地隔离对象关联最小化依赖关系,如此才能构建出容易理解和扩展、更容易演进的长久发展的软件。编程即是设计,从具象到抽象再到具象的过程。

 五、重构后


重构后的代码是这样子滴:

1、ConcurrentDataHandlerFrameRefactored

package zzz.study.function.refactor.result;
import java.util.Arrays;
import java.util.List;
import java.util.function.Consumer;
import java.util.function.Function;
import java.util.function.Supplier;
import zzz.study.function.refactor.CatchUtil;
import zzz.study.function.refactor.ExecutorUtil;
import zzz.study.function.refactor.ForeachUtil;
import zzz.study.function.refactor.StreamUtil;
/**
* Created by shuqin on 17/6/23.
*/

public class ConcurrentDataHandlerFrameRefactored {
 public static void main(String[] args) {
   List<Integer> allData = getAllData(DataSupplier::getKeys, GetTradeData::getData);
   consumer(allData, System.out::println);
   List<Double> handledData = handleAllData(allData,
        (numbers) -> StreamUtil.map(numbers, (num) -> Math.sqrt(num)) );
   consumer(handledData, System.out::println);
   List<Object> objs = StreamUtil.map(DataSupplier.getKeys(), s->Double.valueOf(s));
   List<Double> handledData2 =
       handleAllData((numbers) -> StreamUtil.map(numbers, (num) -> Math.pow((double)num,2))).apply(objs);
   consumer(handledData2, System.out::println);
   Function<List<String>, List<Object>> func = (numbers) -> StreamUtil.map(numbers, (num) -> Integer.parseInt(num)*2);
   List<Object> handledData3 =
       handleAllData(DataSupplier::getKeys).apply(func);
   consumer(handledData3, System.out::println);
 }
 /**
  * 获取所有业务数据
  *
  * 回调的替换
  */

 public static <T> List<T> getAllData(Supplier<List<String>> getAllKeysFunc, Function<List<String>, List<T>> iGetBizDataFunc) {
   return getAllData(getAllKeysFunc.get(), iGetBizDataFunc);
 }
 public static <T> List<T> getAllData(List<String> allKeys, Function<List<String>, List<T>> iGetBizDataFunc) {
   return handleAllData(allKeys, iGetBizDataFunc);
 }
 public static <T,R> List<R> handleAllData(Supplier<List<T>> getAllKeysFunc, Function<List<T>, List<R>> handleBizDataFunc) {
   return handleAllData(getAllKeysFunc.get(), handleBizDataFunc);
 }
 /**
  * 传入一个数据处理函数,返回一个可以并发处理数据集的函数, 该函数接受一个指定数据集
  * Java 模拟柯里化: 函数工厂
  */

 public static <T,R> Function<List<T>, List<R>> handleAllData(Function<List<T>, List<R>> handleBizDataFunc) {
   return ts -> handleAllData(ts, handleBizDataFunc);
 }
 /**
  * 传入一个数据提供函数,返回一个可以并发处理获取的数据集的函数, 该函数接受一个数据处理函数
  * Java 模拟柯里化: 函数工厂
  */

 public static <T,R> Function<Function<List<T>, List<R>>, List<R>> handleAllData(Supplier<List<T>> getAllKeysFunc) {
   return handleBizDataFunc -> handleAllData(getAllKeysFunc.get(), handleBizDataFunc);
 }
 public static <T,R> List<R> handleAllData(List<T> allKeys, Function<List<T>, List<R>> handleBizDataFunc) {
   return ExecutorUtil.exec(allKeys, handleBizDataFunc);
 }
 public static <T> void consumer(List<T> data, Consumer<T> consumer) {
   data.forEach( (t) -> CatchUtil.tryDo(t, consumer) );
 }
 public static class DataSupplier {
   public static List<String> getKeys() {
     // foreach code refining
     return ForeachUtil.foreachAddWithReturn(2000, (ind -> Arrays.asList(String.valueOf(ind))));
   }
 }
 /** 获取业务数据具体实现 */
 public static class GetTradeData {
   public static List<Integer> getData(List<String> keys) {
     // maybe xxxService.getData(keys);
     return StreamUtil.map(keys, key -> Integer.valueOf(key) % 1000000000);  // stream replace foreach
   }
 }
}

2、ExecutorUtil

package zzz.study.function.refactor;
import java.util.List;
import java.util.concurrent.ArrayBlockingQueue;
import java.util.concurrent.CompletionService;
import java.util.concurrent.ExecutorCompletionService;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.ThreadPoolExecutor;
import java.util.concurrent.TimeUnit;
import java.util.function.Consumer;
import java.util.function.Function;
/**
* Created by shuqin on 17/6/25.
*/

public class ExecutorUtil {
 private ExecutorUtil() {}
 private static final int CORE_CPUS = Runtime.getRuntime().availableProcessors();
 private static final int TASK_SIZE = 1000;
 // a throol pool may be managed by spring
 private static ExecutorService executor = new ThreadPoolExecutor(
     CORE_CPUS, 10, 60L, TimeUnit.SECONDS,
     new ArrayBlockingQueue<>(60));
 /**
  * 根据指定的列表关键数据及列表数据处理器,并发地处理并返回处理后的列表数据集合
  * @param allKeys 列表关键数据
  * @param handleBizDataFunc 列表数据处理器
  * @param <T> 待处理的数据参数类型
  * @param <R> 待返回的数据结果类型
  * @return 处理后的列表数据集合
  *
  * NOTE: 类似实现了 stream.par.map 的功能,不带延迟计算
  */

 public static <T,R> List<R> exec(List<T> allKeys, Function<List<T>, List<R>> handleBizDataFunc) {
   List<String> parts = TaskUtil.divide(allKeys.size(), TASK_SIZE);
   //System.out.println(parts);
   CompletionService<List<R>>
       completionService = new ExecutorCompletionService<>(executor);
   ForeachUtil.foreachDone(parts, (part) -> {
     final List<T> tmpRowkeyList = TaskUtil.getSubList(allKeys, part);
     completionService.submit(
         () -> handleBizDataFunc.apply(tmpRowkeyList));  // lambda replace inner class
   });
   // foreach code refining
   List<R> result = ForeachUtil.foreachAddWithReturn(parts.size(), (ind) -> get(ind, completionService));
   return result;
 }
 /**
  * 根据指定的列表关键数据及列表数据处理器,并发地处理
  * @param allKeys 列表关键数据
  * @param handleBizDataFunc 列表数据处理器
  * @param <T> 待处理的数据参数类型
  *
  * NOTE: foreachDone 的并发版
  */

 public static <T> void exec(List<T> allKeys, Consumer<List<T>> handleBizDataFunc) {
   List<String> parts = TaskUtil.divide(allKeys.size(), TASK_SIZE);
   //System.out.println(parts);
   ForeachUtil.foreachDone(parts, (part) -> {
     final List<T> tmpRowkeyList = TaskUtil.getSubList(allKeys, part);
     executor.execute(
         () -> handleBizDataFunc.accept(tmpRowkeyList));  // lambda replace inner class
   });
 }
 public static <T> List<T> get(int ind, CompletionService<List<T>> completionService) {
   // lambda cannot handler checked exception
   try {
     return completionService.take().get();
   } catch (Exception e) {
     e.printStackTrace();  // for log
     throw new RuntimeException(e.getCause());
   }
 }
}

3、TaskUtil

package zzz.study.function.refactor;
import java.util.ArrayList;
import java.util.List;
/**
* Created by shuqin on 17/1/5.
*/

public class TaskUtil {
 private TaskUtil() {}
 public static List<String> divide(int totalSize, int persize) {
   List<String> parts = new ArrayList<String>();
   if (totalSize <= 0 || persize <= 0) {
     return parts;
   }
   if (persize >= totalSize) {
     parts.add("0:" + totalSize);
     return parts;
   }
   int num = totalSize / persize + (totalSize % persize == 0 ? 0 : 1);
   for (int i=0; i<num; i++) {
     int start = persize*i;
     int end = persize*i+persize;
     if (end > totalSize) {
       end = totalSize;
     }
     parts.add(start + ":" + end);
   }
   return parts;
 }
 public static <T> List<T> getSubList(List<T> allKeys, String part) {
   int start = Integer.parseInt(part.split(":")[0]);
   int end = Integer.parseInt(part.split(":")[1]);
   if (end > allKeys.size()) {
     end = allKeys.size();
   }
   return allKeys.subList(start, end);
 }
}
package zzz.study.function.refactor;
import java.util.ArrayList;
import java.util.List;
import java.util.function.Consumer;
import java.util.function.Function;
/**
* Created by shuqin on 17/6/24.
*
* foreach 代码通用模板
*/

public class ForeachUtil {
 public static <T> List<T> foreachAddWithReturn(int num, Function<Integer, List<T>> getFunc) {
   List<T> result = new ArrayList<T>();
   for (int i=0; i< num; i++) {
     result.addAll(CatchUtil.tryDo(i, getFunc));
   }
   return result;
 }
 public static <T> void foreachDone(List<T> data, Consumer<T> doFunc) {
   for (T part: data) {
     CatchUtil.tryDo(part, doFunc);
   }
 }
}

4、CatchUtil

package zzz.study.function.refactor;
import java.util.function.Consumer;
import java.util.function.Function;
/**
* Created by shuqin on 17/6/24.
*/

public class CatchUtil {
 public static <T,R> R tryDo(T t, Function<T,R> func) {
   try {
     return func.apply(t);
   } catch (Exception e) {
     e.printStackTrace();  // for log
     throw new RuntimeException(e.getCause());
   }
 }
 public static <T> void tryDo(T t, Consumer<T> func) {
   try {
     func.accept(t);
   } catch (Exception e) {
     e.printStackTrace();  // for log
     throw new RuntimeException(e.getCause());
   }
 }
}

5、StreamUtil

package zzz.study.function.refactor;
import java.util.List;
import java.util.function.Function;
import java.util.stream.Collectors;
/**
* Created by shuqin on 17/6/24.
*/

public class StreamUtil {
 public static <T,R> List<R> map(List<T> data, Function<T, R> mapFunc) {
   return data.stream().map(mapFunc).collect(Collectors.toList()); // stream replace foreach
 }
}


如果您觉得不错,请别忘了转发、分享、点赞让更多的人去学习, 您的举手之劳,就是对小乐最好的支持,非常感谢!

如何您想进技术群和大牛们交流,关注公众号在后台回复 “加群”,或者 “学习” 即可

来自:琴水玉

链接:

http://www.cnblogs.com/lovesqcc/p/7077971.html

著作权归作者所有。本文已获得授权。欢迎来投稿。

每日英文


If you wait to do everything until you're sure it's right, you'll probably never do much of anything. 

如果你等到每件事都确定是对的才去做,那你也许永远都成不了什么事。

乐乐有话说

再难也要坚持,再好也要淡泊,再差也要自信,再多也要节省。


推荐阅读

2017年阿里、腾讯、百度、华为、京东、搜狗和滴滴最新面试题汇集

老程序员们“拒绝管理岗位,活跃在开发一线”的真实故事
对一致性Hash算法,Java代码实现的深入研究

漫画:什么是真正的程序员?
Android面试题算法之二叉树


看完本文有收获?请转发分享给更多人
关注「杨守乐」,提升技能

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存