`
wdq
  • 浏览: 38720 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

合并几个Map中的键

    博客分类:
  • Java
DAO 
阅读更多

在统计不同几张表中的数据时,常常会应为出现 A中有,B中没有,这是我们希望能把这两个Map集合 的键给合并了,取他们的并集。

例如:

  Map<String, PersonTongji> pt=dao.getPersonCountAll("commonly_person_info");
  Map<String, PersonTongji> pyg=dao.getPersonCountAll("employ_person_info");
  Map<String, PersonTongji> ltx=dao.getPersonCountAll("retire_person_info");
  Set ks=new HashSet();
  for (Object obj : pt.keySet()) {
   ks.add(obj);       
  }
  ks.addAll(pyg.keySet());//将键集合合并起来
  ks.addAll(ltx.keySet());

 

这样,我们就直接遍历ks集合的键来取得这三个集合中所有 的Value了,就三个把不同Map的KeySet合并成一个了

0
0
分享到:
评论

相关推荐

    采用arcgis的arcpy写的一个合并多个gdb工具

    使用arcpy进行GDB或MDB的合并,主要涉及到以下几个关键步骤: 1. **加载数据**:在Python环境中,我们需要先导入arcpy模块,然后通过`arcpy.env.workspace`设置工作空间,这通常是包含要合并的GDB或MDB的文件夹路径...

    js Map 工具类 MapUtil

    9. **合并**:`merge`方法,合并多个`Map`到一个新的`Map`中。 ```javascript const mergedMap = MapUtil.merge(map1, map2); ``` 10. **清空**:`clear`方法,清空`Map`的所有键值对。 ```javascript ...

    hadoop map reduce 中文教程

    本教程还提供了几个实战案例,包括但不限于字符串计数、文件路径处理等,通过这些案例的学习,可以帮助读者更深入地理解 Hadoop MapReduce 的实际应用。 ##### 5.2 案例实践步骤 每个案例都详细列出了实践步骤,...

    基于Map_Reduce的分布式数据排序算法分析.pdf

    2. Shuffle阶段:Shuffle阶段是MapReduce中的一个重要中间步骤,它负责将Map阶段产生的键值对按照键进行分区和排序。每个节点会将相同键的值聚合在一起,为Reduce阶段做准备。这个阶段通常包含网络传输,因此优化...

    Hive内部表合并小文件Java程序

    Java程序实现Hive内部表小文件合并通常包括以下几个步骤: 1. **获取HDFS上的文件列表**:使用Hadoop的`FileSystem` API,我们可以列举出目标目录下的所有文件,这些文件通常是Hive内部表的各个分区下的小文件。 2...

    shadow map PCF

    在OpenGL中,阴影贴图的实现通常涉及以下几个步骤: 1. **生成深度纹理(Shadow Map)**:首先,我们需要创建一个浮点型的纹理,用于存储光源视角下的场景深度信息。在OpenGL中,这可以通过`glGenTextures()`、`...

    前K个高频单词(map+multimap)1

    在LeetCode中的这个题目,我们被要求找出一个单词列表中出现频率最高的...如果存在重复单词,结果仍然正确,因为`map`会自动合并相同的键。此外,这种方法也假设输入是合法的,例如`k`不大于`words`中不同单词的总数。

    map(解决地图找房和海量点卡顿).zip

    我们将讨论以下几个关键知识点: 1. **地图API**:在Web开发中,地图功能通常通过集成地图API来实现,如Google Maps API、高德地图API或百度地图API等。这些API提供了丰富的接口和工具,允许开发者在网页上显示地图...

    echarts全国省市合并js和json

    在"echarts全国省市合并js和json"这个主题中,主要涉及到的是如何使用ECharts来绘制中国地图,并展示各个省份和城市的数据。 首先,我们要理解ECharts地图图表的工作原理。ECharts中的地图数据通常是以JSON格式存储...

    Hadoop Map Reduce教程

    - **数据倾斜**:合理设计 MapReduce 任务的输入输出,避免数据集中于少数几个任务的情况。 #### 八、总结 Hadoop MapReduce 是处理大数据集的强大工具之一,它不仅提供了一个易于使用的编程模型,还支持多种高级...

    echarts-map.rar

    ECharts地图的使用涉及以下几个关键步骤: 1. 引入ECharts库和地图JS文件:首先需要在HTML页面中引入ECharts库和对应的地图JS文件,以确保地图数据可用。 2. 初始化图表容器:在JavaScript中定义一个DOM元素作为...

    osmconvert可用于转换和处理OpenStreetMap文件.zip

    `osmconvert`通常用于以下几个方面: 1. **数据转换**:`osmconvert`可以将OSM的XML文件转换为更紧凑的二进制格式PBF,这有助于减少存储空间和提高读取速度。例如,命令`osmconvert input.osm.xml -o=output.pbf`...

    ffmpeg合并视频的多种方式.docx

    在本文中,我们将探讨几种使用 FFmpeg 合并视频的无损或有损方法,针对不同类型的视频源和需求。 **方法一:FFmpeg concat 协议** FFmpeg concat 协议适用于那些使用相同编码器的视频片段,尤其是 MPEG 格式的视频...

    World Map Strategy Kit 2 V9.7.1

    - 包括2K至16K高分辨率的几种地球背景纹理和样式。 - 带有动画阴影的云层。 - 带有简单API的艺术和动画战争迷雾,可清除控制区域,国家或省的迷雾。 - 动画/厚实/光滑的国家边界!使用示例纹理或使用自定义颜色,...

    第02节:hadoop精讲之map reduce原理及代码.pdf

    在Hadoop中,MapReduce的过程主要包含以下几个阶段: 1. 输入阶段:输入数据被分割成固定大小的块,这些块由Hadoop分布式文件系统(HDFS)管理。 2. Map阶段:Map任务读取输入的数据块,并对数据执行Map函数。每个...

    Map-Reduce体系架构

    Map-Reduce的工作机制主要包括以下几个方面: 1. **任务分配与调度** - **调度机制**: Map-Reduce默认采用先入先出(FIFO)的作业队列调度机制,同时也支持公平调度器和容量调度器等其他调度策略。 - **任务执行...

    Hadoop源代码分析(MapTask辅助类 I)

    - **实现原理**:主要包括以下几个关键步骤: - 使用循环缓冲区收集Mapper输出数据。 - 当缓冲区中的数据量达到一定阈值(例如配置的`io.sort.mb`百分比)时,触发溢写操作。 - 溢写过程中,需要对缓冲区中的数据...

    World Map 2D Edition 2 V7.2.2

    World Map 2D Edition 2添加到您的场景一个美丽的,可定制和互动的二维政治地图只需点击几下。将地图预设拖到场景中,然后自定义外观。 这个新的主要版本改进了视觉效果,并支持标准/内置和LWRP。所有的新特性和...

    hive数据表-小文件合并代码(java)

    然而,当Hive表中包含大量小文件时,这可能会导致性能问题,因为每个小文件都会在MapReduce任务中生成一个Map任务,过多的小文件会增加任务调度开销,降低整体处理效率。为了解决这个问题,我们需要执行小文件合并,...

Global site tag (gtag.js) - Google Analytics