Guava学习之Functional Utilities

本文探讨了Java8引入的java.util.function与java.util.stream如何替代Guava的函数式编程工具。通过示例对比,展示了Java8在代码简洁性、可读性和效率上的优势,同时提醒开发者避免过度使用功能性编程导致的代码复杂性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Functional Utilities

Caveats

Java 8 包含 java.util.functionjava.util.stream 包, 它取代了 Guava 的函数式编程用于该语言级别的项目。

虽然Guava 的函数式工具可以再Java 8之前的版本上使用,但是没有Java 8的函数式编程就需要使用笨拙且冗长的匿名类。

过度使用Guava的功能性编程语句会导致冗长、混乱、不可读和低效的代码。到目前为止,这些是Guava中最容易被滥用的部分(也是最常见),并且当你为了让你的代码成为“一行程序”而费尽心机时,Guava团队会流泪。

Compare the following code:

Function<String, Integer> lengthFunction = new Function<String, Integer>() { 
    public Integer apply(String string) {
        return string.length();
    } 
};
Predicate<String> allCaps = new Predicate<String>() { 
    public boolean apply(String string) { 
        return CharMatcher.javaUpperCase().matchesAllOf(string); 
    } 
};
Multiset<Integer> lengths = HashMultiset.create( Iterables.transform(Iterables.filter(strings, allCaps), lengthFunction));

or the FluentIterable version

Multiset<Integer> lengths = HashMultiset.create( 
   FluentIterable.from(strings) .filter(new Predicate<String>() { 
       public boolean apply(String string) { 
           return CharMatcher.javaUpperCase().matchesAllOf(string); 
       } 
   }) .transform(new Function<String, Integer>() { 
       public Integer apply(String string) { 
           return string.length(); 
        } 
   }));

with:

Multiset<Integer> lengths = HashMultiset.create(); 
for (String string : strings) { 
    if (CharMatcher.javaUpperCase().matchesAllOf(string)) { 
        lengths.add(string.length()); 
    }
 }

即使使用静态导入,即使和谓词声明的功能被移动到不同的文件中,第一个实现更简洁,可读性下降,效率较低。

命令式代码应该是默认的,是Java 7的首选。你不应该使用功能性语句,除非你绝对确信下列之一:

  • 使用函数式语句会节省整个项目的代码行。在上面的示例中,“功能”版本使用了11行,即命令版本6。把函数的定义移到另一个文件,或常数,是没有帮助的。
  • 为了提高效率,您需要转换后的集合的惰性计算视图,并且不能满足于显式计算的集合。此外,您已经阅读并重读了有效的Java,项目55,并且除了遵循这些指令之外,您还进行了基准测试以证明该版本更快,并且可以引用数字来证明它。

请确保,当使用Guava的功能实用程序时,传统的命令式的做事方式是不可读的。试着把它写出来。那么糟糕吗?这比你要尝试的笨拙的功能性方法更可读吗?

Functions and Predicates

本文仅讨论那些直接涉及FunctionPredicate的Guava 特征。其他一些实用程序与“函数样式”相关联,比如连接和其他在恒定时间内返回视图的方法。 尝试查看集合实用工具文章。

Guava 提供两个基础的"functional" 接口:

  • Function<A, B>, 只有一个单独的 B apply(A input)方法.  Function 实例通常被认为是透明的--无副作用 -- 以及一致性等价, , a.equals(b) 相当于 function.apply(a).equals(function.apply(b)).
  • Predicate<T>, 只有一个 boolean apply(T input)方法.  Predicate 的实例一般预期是无副作用的,并且与equal一致。

Special predicates

字符获得他们自己的Predicate专业版本, CharMatcher, 这通常是更有效和更有用的那些需求。CharMatcher 已经实现了Predicate<Character>, 并且可以相应地使用, 当 Predicate 转换为 CharMatcher 时可以使用CharMatcher.forPredicate. 细节请参考CharMatcher article .

此外,对于可比类型和基于比较的谓词,大多数需求都可以使用实现不可变间隔的Range类型来满足。范围类型实现谓词,在范围内测试包容。例如,Ranges.atMost(2)是一个完全有效的Predicate<Integer>。关于使用范围的更多细节可以在范围文章中找到。

Manipulating Functions and Predicates

Simple Function construction and manipulation methods are provided in Functions, including

Consult the Javadoc for details.

There are considerably more construction and manipulation methods available in Predicates, but a sample includes:

Consult the Javadoc for details.

Using

Guava provides many tools to manipulate collections using functions and predicates. These can typically be found in the collection utility classes Iterables, Lists, Sets, Maps, Multimaps, and the like.

Predicates

The most basic use of predicates is to filter collections. All Guava filter methods return views.

Collection typeFilter methods
IterableIterables.filter(Iterable, Predicate)
FluentIterable.filter(Predicate)
基于数据挖掘的音乐推荐系统设计与实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐与其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐与其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
MPU6050是一款广泛应用在无人机、机器人和运动设备中的六轴姿态传感器,它集成了三轴陀螺仪和三轴加速度计。这款传感器能够实时监测并提供设备的角速度和线性加速度数据,对于理解物体的动态运动状态至关重要。在Arduino平台上,通过特定的库文件可以方便地与MPU6050进行通信,获取并解析传感器数据。 `MPU6050.cpp`和`MPU6050.h`是Arduino库的关键组成部分。`MPU6050.h`是头文件,包含了定义传感器接口和函数声明。它定义了类`MPU6050`,该类包含了初始化传感器、读取数据等方法。例如,`begin()`函数用于设置传感器的工作模式和I2C地址,`getAcceleration()`和`getGyroscope()`则分别用于获取加速度和角速度数据。 在Arduino项目中,首先需要包含`MPU6050.h`头文件,然后创建`MPU6050`对象,并调用`begin()`函数初始化传感器。之后,可以通过循环调用`getAcceleration()`和`getGyroscope()`来不断更新传感器读数。为了处理这些原始数据,通常还需要进行校准和滤波,以消除噪声和漂移。 I2C通信协议是MPU6050与Arduino交互的基础,它是一种低引脚数的串行通信协议,允许多个设备共享一对数据线。Arduino板上的Wire库提供了I2C通信的底层支持,使得用户无需深入了解通信细节,就能方便地与MPU6050交互。 MPU6050传感器的数据包括加速度(X、Y、Z轴)和角速度(同样为X、Y、Z轴)。加速度数据可以用来计算物体的静态位置和动态运动,而角速度数据则能反映物体转动的速度。结合这两个数据,可以进一步计算出物体的姿态(如角度和角速度变化)。 在嵌入式开发领域,特别是使用STM32微控制器时,也可以找到类似的库来驱动MPU6050。STM32通常具有更强大的处理能力和更多的GPIO口,可以实现更复杂的控制算法。然而,基本的传感器操作流程和数据处理原理与Arduino平台相似。 在实际应用中,除了基本的传感器读取,还可能涉及到温度补偿、低功耗模式设置、DMP(数字运动处理器)功能的利用等高级特性。DMP可以帮助处理传感器数据,实现更高级的运动估计,减轻主控制器的计算负担。 MPU6050是一个强大的六轴传感器,广泛应用于各种需要实时运动追踪的项目中。通过 Arduino 或 STM32 的库文件,开发者可以轻松地与传感器交互,获取并处理数据,实现各种创新应用。博客和其他开源资源是学习和解决问题的重要途径,通过这些资源,开发者可以获得关于MPU6050的详细信息和实践指南
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值