Java 8中的monospace; font-size: 0.9em; background-color: #f6f6f6;">Stream与Lambda表达式结合在一起，确实使得开发中的很多常见任务变得更简单。通过级联多个不同的caozuofu.html" target="_blank">操作符，如map、filter和reduce等，可以在一行代码里面完成很多的任务。那种一行代码搞定一切的愉悦感，着实让人很满意。今天我们来说说Stream中不那么愉悦的部分 -?异常处理。
如果你看一眼Stream中包含的所有方法，你会发现，这些方法都没有声明抛出任何checked异常。再看一眼接口Function、Consumer和Supplier，其中包含的方法也是不抛出checked异常的。关于checked和unchecked异常的讨论由来已久。目前的趋势是尽量使用unchecked异常，但是checked异常也有它的用武之地。当然，这个不是我们今天要讨论的重点。这些方法都不抛出checked异常，也就意味着那些抛出checked异常的方法不能直接使用。这就涉及到了我们今天要讨论的如何处理异常的问题。
为了避免枯燥的讨论，我们来看一个具体的例子。我们有一个接口UserService，其中包含了方法load来根据用户的ID返回对应的User对象。现在我们有一个包含了多个用户ID的List<String对象，我们需要返回与这些ID对应的List<User>对象。在load方法的实现中，可能出现各种错误。所以load方法声明了会抛出UserLoadException异常。
class="language-java" style="margin: 0px; padding: 0px; border-radius: 0px; font-family: Menlo, Monaco, Consolas, 'Andale Mono', 'lucida console', 'Courier New', monospace; font-size: inherit; background-color: inherit;">public interface UserService {
User load(String id) throws UserLoadException;
}?
现在我们要实现的是加载多个用户的方法List<User> loadAllUsers(List<String> userIds)。
最直接的实现方式userIds.stream().map(userService::load)是行不通的，编译错误，因为没有处理UserLoadException异常。在继续之前，我们首先要明确的是，处理异常的逻辑是什么。这个看似简单的问题，其实很多时候都被我们忽略了。而这个问题的答案来自于具体的业务逻辑。
如果该方法一共接收到了10个用户ID，其中的2个用户在加载时出现了异常，那我们需要做什么？
第一种做法，我们可以忽略出错的那2个用户，而只返回一个包含了8个User对象的List。这种做法对应的业务逻辑就是尽最大努力的完成任务。
我们只需要把用户ID的Stream映射成Optional<User>的Stream，再进行过滤即可。
public List<User> loadAllUsersBestEffort(final List<String> userIds) {
return userIds.stream().<Optional<User>>map(id -> {
try {
return Optional.of(this.userService.load(id));
} catch (UserLoadException e) {
return Optional.empty();
}
}).filter(Optional::isPresent)
.map(Optional::get)
.collect(Collectors.toList());
}?
第二种做法，整个加载过程直接失败，抛出异常，不返回任何结果。这种做法对应的业务逻辑就是把整个加载过程看成一个整体，不允许部分成功。
我们只需要把抛出的checked异常封装成unchecked异常，再重新抛出即可。由该方法的调用者来负责处理异常。
public List<User> loadAllUsersFailFast(final List<String> userIds) {
return userIds.stream().map(id -> {
try {
return this.userService.load(id);
} catch (UserLoadException e) {
throw new RuntimeException(e);
}
}).collect(Collectors.toList());
}?
第三种做法与第一种做法类似，只不过会把加载时出现的异常也记录下来，并返回给调用者。这样提供给调用者给多的信息和更多的选择。调用者可以选择使用这部分成功的结果，也可以选择直接抛出所产生的异常。
在增加了异常信息之后，方法的返回类型变成了Tuple2<List<User>, Optional<UserLoadException>>。基本的实现方式是把用户ID的Stream映射成Tuple2<List<User>, Optional<UserLoadException>>类型的Stream之后，再使用reduce操作合并成单一的对象。我们通过Throwable.addSuppressed()方法来把多个异常对象进行合并。
public Tuple2<List<User>, Optional<UserLoadException>> loadAllUsersWithException(
final List<String> userIds) {
return userIds.stream().map(id -> {
try {
return Tuple
.of((List<User>) Lists.newArrayList(this.userService.load(id)),
Optional.<UserLoadException>empty());
} catch (UserLoadException e) {
return Tuple.of((List<User>) Lists.<User>newArrayList(), Optional.of(e));
}
}).reduce(Tuple.of(new ArrayList<>(), Optional.empty()), (r1, r2) -> {
r1._1.addAll(r2._1);
if (r2._2.isPresent()) {
if (r1._2.isPresent()) {
r1._2.get().addSuppressed(r2._2.get());
} else {
return Tuple.of(r1._1, r2._2);
}
}
return r1;
});
}?
上面给出了在Stream中进行异常处理的三种常见思路。可以根据业务逻辑的需要进行选择。
?
rel：?https://zhuanlan.zhihu.com/p/30747343
相关文章
