前言
在最近的开发中，一星期内遇到了两个类似的需求：返回组装好的部门树、返回组装好的地区信息树，最终都需要返回 List 集合对象给前端。
于是在经过需求分析和探索实践后，我对于这种基于 Stream 和 List 结构的父、子树形结构的操作有了新的认识，现在拿出来和大家作分享交流。
一般来说完成这样的需求大多数人会想到递归，但递归的方式弊端过于明显：方法多次自调用效率很低、数据量大容易导致堆栈溢出、随着树深度的增加其时间复杂度会呈指数级增加等。
核心思路如下：
一次数据库查询全部数据（几万条），其它全是内存操作、性能高；
同时熟练使用 stream 流操作、Lambda 表达式、Java 地址引用，完成组装；
使用缓存注解（底层Redis分布式缓存实现），过期后自动更新缓存，再次调用接口则先命中缓存，没有的话再查数据库
使用RocketMQ来做异步通知更新，即当数据有更改时，可以异步将数据先更新，再写入缓存，使业务更合理，考虑更全面
一、以部门结构为例
这里的实体是放在 MySQL 里的，使用简单的封装好的查询语句，这个很简单，剩下的就是内存操作了。
1.1实体
租户表：租户就是一个组织或者公司，所以每个租户都有自己的部门。下面的表结构我只列了一些核心的字段，其它不重要。
@Data public class PmTenant { /** * 主键Id */ @TableId(type = IdType.ASSIGN_ID) private Long id; /** * 租户名称 */ private String tenantName; /** * 租户唯一编码，对外暴露 */ private String tenantCode; /** * 租户Id */ private String tenantId; /** * 租户状态，0可用，1禁用 */ private Integer status; }
部门表：公司里都会有许多的部门，一个部门里还有部门。从最顶层公司到你所在的的部门，可能会有多达六、七层。以下同样只展示核心字段：
@Data public class PmDept { /** * 主键id */ @TableId(type = IdType.ASSIGN_ID) private Integer id; /** * 父部门Id */ private Integer parentDeptId; /** * 部门id，全局唯一，所有系统用 */ private Integer deptId; /** * 部门名称 */ private String deptName; /** * 部门所处的排序 */ private Integer orderNum; /** * 部门所处的层级 */ private Integer depth; /** * 部门状态，0可用，1删除 */ private Integer status; /** * 租户id */ private String tenantId; /** * 租户编码 */ private String tenantCode; }
1.2返回VO
这个返回的VO是给前端的，里面的子节点集合属性 childrenNodeList ，是一个关键字段，所有该方式返回树结构的 VO 都需要有该字段来”封装自己“。
@Data public class DeptTreeNodeVO implements Serializable { /** * 子节点 list 集合，封装自己 */ private List<DeptTreeNodeVO> childrenNodeList; /** * 部门Id */ protected Integer deptId; /** * 父部门Id */ protected Integer parentDeptId; /** * 部门名称 */ protected String deptName; }
1.3具体实现
下面直接上代码，注释已经说的比较清楚了：
@Resource private PmTenantService pmTenantService; @Resource private PmDeptMapper pmDeptMapper; @Override @Cache(expiryTime = 300) public List<DeptTreeNodeVO> assembleTree(){ //租户信息列表，这里是两个租户 List<PmTenant> tenantList = this.pmTenantService.list(); //step1：最外层根据租户去组装，有两个租户那么 Stream 就会遍历组装两次；换句话说，如果只有一个租户，就不需要最外层的 Stream List<DeptTreeNodeVO> resultList = tenantList.stream().map(tenant -> { //注：这里 map 只是简单转换了返回的对象属性（返回需要的类型），本质还是该租户下的所有部门数据 List<DeptTreeNodeVO> deptTreeNodeVOList = this.selectAllDeptByTenantCode(tenant.getTenantCode()) .stream().map(val -> val.convertExt(DeptTreeNodeVO.class)).collect(Collectors.toList()); //step2：利用父节点分组，即按照该租户下的所有部门的父Id进行分组，把所有的子节点List集合都找出来并一层层分好组 Map<Integer, List<DeptTreeNodeVO>> listMap = deptTreeNodeVOList.parallelStream() .collect(Collectors.groupingBy(DeptTreeNodeVO::getParentDeptId)); //step3：关键一步，关联上子部门，将子部门的List集合经过遍历一层层地放置好，最终会得到完整的部门父子关系List集合 deptTreeNodeVOList.forEach(val -> val.setChildrenNodeList(listMap.get(val.getDeptId()))); //step4：过滤出顶级部门，即所有的子部门数据都归属于一个顶级父Id List<DeptTreeNodeVO> allChildrenList = deptTreeNodeVOList.stream() .filter(val -> val.getParentDeptId().equals(NumberUtils.INTEGER_ZERO)).collect(Collectors.toList()); //组装最外层关于租户需要的数据，实质已经不是处理部门数据了 DeptTreeNodeVO node = new DeptTreeNodeVO(); node.setChildrenNodeList(allChildrenList); node.setDeptName(tenant.getTenantName()); return node; }).collect(Collectors.toList()); return Optional.of(resultList).orElse(null); } /** * 获取某个租户下的所有部门信息 * * @return */ public List<PmDept> selectAllDeptByTenantCode(String tenantCode) { return pmDeptMapper.selectList(new LambdaQueryWrapper<PmDept>() .eq(PmDept::getTenantCode, tenantCode) .eq(PmDept::getStatus, PmDeptStatus.DISABLE.getStatus())); }
1.4效果展示
我这里测试的例子是只有三层，数据也没有完全展开，当然五六层也是没问题的。
只要总的部门数据量在一两万条以内（啥情况部门数量会有几万个？部门表一般是独立于其它表的）速度都是比较快的，服务器性能（主要内存给力）好的话，基本整个请求/响应（抛开网络I/O消耗）可以在一秒内完成。
二、以省市县结构为例
这里的实体是放在 MongoDB 里的，不熟悉 MongoDB 也不要紧，这里只需要使用一次查全量的语句。
2.1实体
全国行政区表：全国的行政区包括省/直辖市/自治区、地级市、区/县级市/县这三级，再往下的街道/镇、以及下面的村/小组就不包含了。同样也是只留关键属性：
@Data public class Region { /** * 区域id */ @Id public Long id; /** * 父Id */ public Long parentId; /** * 地区名称 */ public String name; /** * 地区全称 */ public String district; /** * 所属省 */ public String province; /** * 所属地级市 */ public String city; /** * 所属省Id */ public Long provinceId; /** * 所属地级市Id */ public Long cityId; /** * 所处层级 */ public Integer depth; }
2.2返回VO
同样，这个里面的子节点集合属性 childrenRegionList ，是一个关键字段，所有该方式返回树结构的 VO 都需要有该字段来”封装自己“。
@Data public class RegionCascadeVO extends RegionVO { /** * 子节点 list 集合 */ private List<RegionCascadeVO> childrenRegionList; /** * 区域id */ public Long id; /** * 地区名称 */ public String name; /** * 所处层级 */ public Integer depth; /** * 省 */ public String province; /** * 城市 */ public String city; /** * 地区全称 */ public String district; /** * 父Id */ public Long parentId; /** * 所属省Id */ public Long provinceId; /** * 所属地级市Id */ public Long cityId; }
2.3具体实现
下面同样直接上代码，注释比较详细：
@Resource private RegionRepository regionRepository; @Override @Cache(expiryTime = 300) public List<RegionCascadeVO> quickAllTree() { //第一步，从数据库中查出所有数据，按照排序条件进行排序，本质上还是这个所有数据的 List 集合 List<RegionCascadeVO> regionCascadeVOList = this.regionRepository.findAll().stream() //注：这里使用 map 映射了需要返回的VO，即相同的属性字段就会转换 .map(val -> val.convertExt(RegionCascadeVO.class)) //业务需要的排序规则，使用工具来处理 .sorted((s1, s2) -> RegionSortUtil.citySort(s1.getName(), s2.getName())) .sorted((s1, s2) -> RegionSortUtil.countySort(s1.getName(), s2.getName())) .collect(Collectors.toList()); //第二步，根据父Id 字段进行分组，即所有数据都会按照第一层至最后一层都按照父子关系进行分组；注意，是对所有数据分组 Map<Long, List<RegionCascadeVO>> listMap = regionCascadeVOList.parallelStream().collect(Collectors.groupingBy(RegionCascadeVO::getParentId)); //第三步，也是最关键的一步，将父Id下面的所有子数据List集合，经过遍历后都一层层地放置好，最终会得到一个包含父子关系的完整List regionCascadeVOList.forEach(val -> val.setChildrenRegionList(listMap.get(val.getId()))); //第四步，过滤出符合顶层父Id的所有数据，即所有数据都归属于一个顶层父Id return regionCascadeVOList.stream().filter(val -> RegionConstant.CHINA_ID.equals(val.getParentId())).collect(Collectors.toList()); }
2.4效果展示
我这里测试环境的例子是只有省/直辖市/自治区、地级市、区/县级市/县这三级，数据也没有完全展开，当然到下面的镇/街道，乃至村/小组也是没问题的。
这里总的测试数据量是几千条，如果加上镇/街道应该得有几万条，速度也还是是比较快的，服务器性能（主要内存给力）好的话，基本整个请求/响应（抛开网络I/O消耗）可以在一秒内完成。
时间消耗，这里响应只有两百多毫秒，如下图的接口的性能展示：
原因只有一个：数据库只查一次，把查到的全部数据放内存里，剩下的就是 Stream 的内存操作，都是地址的引用，性能是比较高的。
三、文章小结
使用 Stream 流组装复杂父子树形结构（List 集合形式）的分享到这里就结束了，编码没有捷径，都是项目实践里出真知，一点点摸索攒经验。
