آموزش بررسی عمیق Java SE: استریم‌ها از خط لوله تا Gatherers - آخرین آپدیت

سرفصل ها و درس ها

نگاشت، فیلتر کردن و کاهش استریم‌های داده Mapping, Filtering, and Reducing Streams of Data

• معرفی Stream API Introducing the Stream API

• استخراج اطلاعات مورد نیاز از داده‌ها با Stream API Get the Information You Need from your Data with the Stream API

• تحلیل داده‌ها با استفاده از Map Filter Reduce Analyzing Your Data Using Map Filter Reduce

• دموی زنده: نگاشت لیستی از رشته‌ها و لیستی از کاربران Live Demo: Mapping a List of Strings and a List of Users

• دموی زنده: فیلتر کردن لیستی از رشته‌ها و لیستی از کاربران Live Demo: Fitering a List of Strings and a List of Users

• دموی زنده: شناسایی استریم‌های ایجاد شده در یک خط لوله استریم Live Demo: Identifying the Streams Created in a Stream Pipeline

• دموی زنده: محدود کردن و رد کردن عناصر یک استریم Live Demo: Limiting and Skipping the Elements of a Stream

• دموی زنده: حذف موارد تکراری از یک استریم Live Demo: Removing the Duplicates from a Stream

• دموی زنده: مرتب‌سازی استریم با یک Comparator خارجی Live Demo: Sorting a Stream with an External Comparator

• استفاده از Flat mapping برای تبدیل استریم ایالت‌ها به استریم شهرها Flat-mapping a Stream of States to a Stream of Cities

• دموی زنده: اعمال Flat mapper بر روی استریم ایالت‌ها Live Demo: Applying a Flat-mapper to a Stream of States

• دموی زنده: استفاده از Map multi برای Flat map کردن داده‌ها جهت اعتبارسنجی Live Demo: Using Map-multi to Flat-map Your Data for Validation

• کاهش داده‌ها (Reducing) برای تولید یک نتیجه نهایی Reducing your Data to Produce a Result

• دموی زنده: شمارش و به‌دست آوردن مقدار مینیمم یا ماکزیمم از یک استریم Live Demo: Counting and Getting a Min or a Max from a Stream

• دموی زنده: کاهش استریم با استفاده از Binary Operator Live Demo: Reducing a Steam with a Binary Operator

• دموی زنده: محاسبات موازی در استریم‌ها Live Demo: Computing Streams in Parallel

• جمع‌بندی عناصر کلیدی Stream API Wrapping up the Key Elements of the Stream API

اتصال استریم‌ها به منابع داده در حافظه و I/O Connecting Streams on in Memory and I/O Sources of Data

• معرفی ماهیت تنبل (Lazy) در پردازش استریم Introducing the Lazy Nature of Stream Processing

• دموی زنده: استریم کردن رشته‌های کاراکتری برای حروف یا خطوط Live Demo: Streaming Strings of Characters for Letters or Lines

• دموی زنده: استریم کردن با استفاده از Regular Expression Live Demo: Streaming with a Regular Expression

• دموی زنده: استریم کردن مجموعه‌ای از اعداد تصادفی Live Demo: Streaming Series of Random Numbers

• دموی زنده: استریم کردن منابع داده I/O Live Demo: Streaming I/O Sources of Data

• جمع‌بندی منابعی که می‌توان استریم‌ها را به آن‌ها متصل کرد Wrapping up the Sources You Can Connect Your Streams To

ساخت عملیات میانی اختصاصی با Gatherers Building Your Own Intermediate Operation with Gatherers

• ساخت عملیات میانی سفارشی با Gatherer API Creating Custom Intermediate Operations with the Gatherer API

• دموی زنده: ایجاد یک Mapping Gatherer Live Demo: Creating a Mapping Gatherer

• دموی زنده: ایجاد یک Filtering Gatherer Live Demo: Creating a Filtering Gatherer

• دموی زنده: متوقف کردن یک استریم با Gatherer Live Demo: Interrupting a Stream with a Gatherer

• دموی زنده: حذف موارد تکراری از استریم با Gatherer Live Demo: Removing Duplicates from a Stream with a Gatherer

• دموی زنده: رد کردن یا محدود کردن استریم با Gatherer Live Demo: Skipping or Limiting a Stream with a Gatherer

• دموی زنده: مرتب‌سازی عناصر با Gatherer و Finisher Live Demo: Sorting Element with a Gatherer and a Finisher

• دموی زنده: نوشتن یک Parallel Gatherer متمایز با Combiner Live Demo: Writing a Distinct Parallel Gatherer with a Combiner

• دموی زنده: ایجاد یک Windowing Gatherer Live Demo: Creating a Windowing Gatherer

• دموی زنده: حذف تکراری‌ها با قانون برابری سفارشی Live Demo: Removing Duplicates with a Custom Equality Rule

• دموی زنده: نگاشت موازی عناصر با MapConcurrent Live Demo: Mapping Elements in Parallel with MapConcurrent

• جمع‌بندی پیش‌نیازهای ایجاد Gathererها Wrapping up the Elements You Need to Create Gatherers

جمع‌آوری داده‌ها در کانتینرهای تغییرپذیر Collecting Data to in Mutable Containers

• جمع‌آوری داده‌ها در کانتینرهای تغییرپذیر با Collectors Collecting Data in Mutable Containers with Collectors

• دموی زنده: ایجاد Collectionها با استفاده از Collectors Live Demo: Creating Collections with Collectors

• دموی زنده: استفاده از Collectors برای ایجاد Mapها Live Demo: Using Collectors to Create Maps

• دموی زنده: ترکیب Collectors با استفاده از Downstream Collectors Live Demo: Composing Collectors with Downstream Collectors

• جمع‌بندی کاربرد و ترکیب Collectors Wrapping up the Use of Collectors, and Their Composition

استفاده از استریم‌ها و Collectors برای تحلیل داده‌ها Using Streams and Collectors to Analyze Data

• استفاده از Stream API برای حل یک مورد پیچیده (Use Case) Using the Stream API to Solve a Complex Use Case

• دموی زنده: خواندن ایالت‌های آمریکا از یک فایل متنی Live Demo: Reading the US States from a Text File

• دموی زنده: خواندن شهرهای آمریکا از یک فایل متنی Live Demo: Reading the US Cities from a Text File

• دموی زنده: به‌دست آوردن بیشترین جمعیت برای شهرها Live Demo: Getting the Max Population for Cities

• دموی زنده: یافتن شهری با بیشترین نرخ رشد Live Demo: Getting the City with the Max Growth

• دموی زنده: یافتن ایالتی با بیشترین جمعیت Live Demo: Getting the State with the Max Population

• دموی زنده: مدیریت خطاها هنگام خواندن فایل داده‌ها Live Demo: Managing Errors When Reading Your Data File

• دموی زنده: ایجاد و گزارش خطاهای معنادار Live Demo: Creating and Reporting Meaningful Errors

• دموی زنده: پرتاب چندین Exception به صورت یکپارچه Live Demo: Throwing Several Exceptions as One

• دموی زنده: تحلیل داده‌ها و خطاها در یک دور پیمایش داده Live Demo: Analyzing Data and Errors in One Pass Over the Data

• جمع‌بندی نهایی دوره Wrapping up the Course