Java 8中的流的笛卡尔积作为流(仅使用流)

在示例中传递流永远不会比传递列表更好:

private static <T> Stream<T> cartesian(BinaryOperator<T> aggregator, List<T>... lists) {
    ...
}

然后这样使用:

Stream<String> result = cartesian(
  (a, b) -> a + b, 
  Arrays.asList("A", "B"), 
  Arrays.asList("K", "L"), 
  Arrays.asList("X", "Y")
);

在这两种情况下,您都从varargs创建一个隐式数组,并将其用作数据源,因此这种惰性是想象出来的。您的数据实际上存储在数组中。

在大多数情况下,生成的笛卡尔产品流比输入要长得多,因此实际上没有理由让输入变得懒惰。例如,有五个包含五个元素的列表(总共25个),您将得到3125个元素的结果流。因此,在内存中存储25个元素不是很大的问题。实际上,在大多数实际情况下,它们已经存储在存储器中。

为了生成笛卡尔积流,您需要不断“倒带”所有流(第一个流除外)。为了倒带,流应该能够一次又一次地检索原始数据,或者以某种方式缓冲它们(你不喜欢),或者从源(集合、数组、文件、网络、随机数等)再次获取它们,然后一次又一遍地执行所有中间操作。若源操作和中间操作很慢,那个么惰性解决方案可能比缓冲解决方案慢得多。如果您的源无法再次生成数据(例如,随机数生成器无法生成之前生成的相同数字),则您的解决方案将不正确。

然而,完全懒惰的解决方案是可行的。不要使用流,而是使用流供应商:

private static <T> Stream<T> cartesian(BinaryOperator<T> aggregator,
                                       Supplier<Stream<T>>... streams) {
    return Arrays.stream(streams)
        .reduce((s1, s2) -> 
            () -> s1.get().flatMap(t1 -> s2.get().map(t2 -> aggregator.apply(t1, t2))))
        .orElse(Stream::empty).get();
}

解决方案很有趣,因为我们创建并减少供应商流,以获得最终的供应商并最终调用它。用法:

Stream<String> result = cartesian(
          (a, b) -> a + b, 
          () -> Stream.of("A", "B"), 
          () -> Stream.of("K", "L"), 
          () -> Stream.of("X", "Y")
        );
result.forEach(System.out::println);

stream 在 flatMap 第二次迭代中的操作。所以每次你都要创建一个新的流 map 您的结果。因此,您必须收集 流动 以在每次迭代中获得新的流。

private static <T> Stream<T> cartesian(BiFunction<T, T, T> aggregator, Stream<T>... streams) {
    Stream<T> result = null;
    for (Stream<T> stream : streams) {
        if (result == null) {
            result = stream;
        } else {
            Collection<T> s = stream.collect(Collectors.toList());
            result = result.flatMap(m -> s.stream().map(n -> aggregator.apply(m, n)));
        }
    }
    return result;
}

或更短:

private static <T> Stream<T> cartesian(BiFunction<T, T, T> aggregator, Stream<T>... streams) {
    return Arrays.stream(streams).reduce((r, s) -> {
        List<T> collect = s.collect(Collectors.toList());
        return r.flatMap(m -> collect.stream().map(n -> aggregator.apply(m, n)));
    }).orElse(Stream.empty());
}

您可以创建一个返回 流 List<T> 并且不聚合它们。算法是相同的:在每个步骤中,将第二个流的元素收集到一个列表中,然后将它们附加到第一个流中的元素。

聚合器在方法之外。

@SuppressWarnings("unchecked")
public static <T> Stream<List<T>> cartesianProduct(Stream<T>... streams) {
    // incorrect incoming data
    if (streams == null) return Stream.empty();
    return Arrays.stream(streams)
            // non-null streams
            .filter(Objects::nonNull)
            // represent each list element as SingletonList<Object>
            .map(stream -> stream.map(Collections::singletonList))
            // summation of pairs of inner lists
            .reduce((stream1, stream2) -> {
                // list of lists from second stream
                List<List<T>> list2 = stream2.collect(Collectors.toList());
                // append to the first stream
                return stream1.flatMap(inner1 -> list2.stream()
                        // combinations of inner lists
                        .map(inner2 -> {
                            List<T> list = new ArrayList<>();
                            list.addAll(inner1);
                            list.addAll(inner2);
                            return list;
                        }));
            }).orElse(Stream.empty());
}

public static void main(String[] args) {
    Stream<String> stream1 = Stream.of("A", "B");
    Stream<String> stream2 = Stream.of("K", "L");
    Stream<String> stream3 = Stream.of("X", "Y");
    @SuppressWarnings("unchecked")
    Stream<List<String>> stream4 = cartesianProduct(stream1, stream2, stream3);
    // output
    stream4.map(list -> String.join("", list)).forEach(System.out::println);
}

String.join 在这种情况下是一种聚合器。

输出:

AKX
AKY
ALX
ALY
BKX
BKY
BLX
BLY

^{另请参见: Stream of cartesian product of other streams, each element as a List?}