根据起始时间和结束时间，先把begin放入集合中用while循环当begin不等于end的时候，让begin加一天，这样就把这个区间内的时间放到List集合。
查询每天的订单总数也就是查询的时间段是大于当天的开始时间（0点0分0秒）小于当天的结束时间的（23点59分59秒）的。
//查询每天的订单总数 select count(id) from orders where order_time > ? and order_time < ?
查询有效订单数，不仅是当天的时间段还要状态是已完成的订单，status=5代表已完成。
//查询每天的有效订单数 select count(id) from orders where order_time > ? and order_time < ? and status = 5
/**
* 统计指定时间区间内的订单数据
* @param begin
* @param end
* @return
*/
public OrderReportVO getOrderStatistics(LocalDate begin, LocalDate end) {
//存放从begin到end之间的每天对应的日期
List<LocalDate> dateList = new ArrayList<>();
dateList.add(begin);
while (!begin.equals(end)){
begin = begin.plusDays(1);
dateList.add(begin);
}
//存放每天的订单总数
List<Integer> orderCountList = new ArrayList<>();
//存放每天的有效订单数
List<Integer> validOrderCountList = new ArrayList<>();
//遍历dateList集合，查询每天的有效订单数和订单总数
for (LocalDate date : dateList) {
//查询每天的订单总数 select count(id) from orders where order_time > ? and order_time < ?
LocalDateTime beginTime = LocalDateTime.of(date, LocalTime.MIN);
LocalDateTime endTime = LocalDateTime.of(date, LocalTime.MAX);
Integer orderCount = getOrderCount(beginTime, endTime,null);
//查询每天的有效订单数 select count(id) from orders where order_time > ? and order_time < ? and status = 5
Integer validOrderCount = getOrderCount(beginTime, endTime, Orders.COMPLETED);
orderCountList.add(orderCount);
validOrderCountList.add(validOrderCount);
}
//计算时间区间内的订单总数量
Integer totalOrderCount = orderCountList.stream().reduce(Integer::sum).get();
//计算时间区间内的有效订单数量
Integer validOrderCount = validOrderCountList.stream().reduce(Integer::sum).get();
Double orderCompletionRate = 0.0;
if (totalOrderCount != 0){
//计算订单完成率
orderCompletionRate = validOrderCount.doubleValue() / totalOrderCount;
}
return OrderReportVO.builder()
.dateList(StringUtils.join(dateList,","))
.orderCountList(StringUtils.join(orderCountList,","))
.validOrderCountList(StringUtils.join(validOrderCountList,","))
.totalOrderCount(totalOrderCount)
.validOrderCount(validOrderCount)
.orderCompletionRate(orderCompletionRate)
.build();
}
private Integer getOrderCount(LocalDateTime begin,LocalDateTime end,Integer status){
Map map = new HashMap();
map.put("begin",begin);
map.put("end",end);
map.put("status",status);
return orderMapper.countByMap(map);
}
·功能测试
Stream流的使用步骤
1.获取Stream流？
·获取集合的Stream流
Collection提供的如下方法 说明
default Stream<E> stream() 获取当前集合对象的Stream流
·获取数组的Stream流
Arrays类提供的如下方法 说明
public static <T> Stream<T> stream(T[] array) 获取当前数组的Stream流
public static <T> Stream<T> of(T...values) 获取当前接收数据的Stream流
中间方法指的是调用完成后会返回新的Stream流，可以继续使用（支持链式编程）。
终结方法指的是调用完成后，不会返回新的Stream了，没法继续使用流了。
2.Stream提供的常用中间方法 说明
Stream <T> filter(Predicate<? super T>predicate) 用于对流中的数据进行过滤
Stream <T> sorted() 对元素进行升序排序
Stream <T> sorted(Comparator<? super T> comparator) 按照指定规则排序
Stream <T> limit(long maxSize) 获取前几个元素
Stream <T> skip(long n) 跳过前几个元素
Stream <T> distinct() 去除流中重复的元素
<R>Stream<R> map(Function<? super T,?extends R> mapper)
对元素进行加工，并返回对应的新流
static <T> Stream<T> concat(Stream a,Stream b) 合并a和b两个流为一个流
3.Stream流常见的终结方法
Stream提供的常用终结方法 说明
void forEach(Consumer action) 对此流运算后的元素执行遍历
long count() 统计此流运算后的元素个数
Optional<T> max(Comparator<? super T> comparator)
获取此流运算后最大值元素
Optional<T> min(Comparator<? super T> comparator)
获取此流运算后最小值元素
收集Stream流：就是把Stream流操作后的结果转回到集合或者数组中去返回。
Stream流：方便操作集合/数组手段；集合/数组：才是开发中的目的。
Stream提供的常用终结方法 说明
R collect(Collector collector) 把流处理后的结果收集到一个指定的集合中去
Object toArray() 把流处理后的结果收集到一个数组中去
流只能收集一次
Collectors工具类提供了具体的收集方式 说明
public static <T> Collector toList() 把元素收集到List集合中去
public static <T> Collector toSet() 把元素收集到Set集合中去
public static Collector toMap(Function KeyMapper,Function valueMapper)
把元素收集到Map集合中
我的笔记中没有这个Stream.reduce()方法，所以我去查了一下。
Stream.reduce()是Java 8引入的一个强大的工具，用于对流中的元素进行归纳操作。
reduce方法可以将流中的多个元素组合成一个单一的结果，通常用于求和、求乘积、查找最大值或最小值等操作。
reduce方法的基本用法
reduce(BinaryOperator<T> accumulator)
这种方法没有初始值，流的第一个元素将作为初始值。返回的是Optional<T>，以防流为空。例如：
Optional<Integer> sum = list.stream().reduce((a,b)->a + b);
2.有初始值：T reduce(T identity, BinaryOperator<T> accumulator)。这种方法有一个初始值identity，可以保证即使流为空也会有一个默认结果。返回的是T。例如：
int sum = list.stream().reduce(0, (a, b) -> a + b);
3.并行流操作：reduce(U identity, BiFunction<U, T, U> accumulator, BinaryOperator<U> combiner)。这种方法适用于并行流操作，可以通过两个函数实现累加器和合并器的分离。例如：
int sum = list.parallelStream().reduce(0, (partialResult, element) -> partialResult + element, Integer::sum);
reduce方法的应用场景
1.求和：将流中的所有元素相加。例如，计算一个整数列表的总和。
2.求乘积：将流中的所有元素相乘。例如，计算一个整数列表的乘积。
3.查找最大值或最小值：通过比较操作，找到流中的最大值或最小值。
4.连接字符串：将流中的字符串元素连接成一个新的字符串。例如，将多个单词连接成一个句子。
5.自定义聚合操作：通过自定义的累加器函数，实现更复杂的聚合操作。例如，计算两个数的平均值。
