如何用Java Parallel Stream并行读取POI Sheet统计代码出现次数

直接上可运行的实现方案，核心是将POI的行迭代器转为并行流，配合合适的收集器完成统计：

完整代码实现 #

import org.apache.poi.ss.usermodel.*;
import java.util.Map;
import java.util.Objects;
import java.util.function.Function;
import java.util.stream.Collectors;
import java.util.stream.StreamSupport;
import java.util.Spliterators;

// 假设已通过POI加载得到Sheet实例
Sheet sheet = ...;

// 将Row迭代器转为并行流
Stream<Row> rowParallelStream = StreamSupport.stream(
    Spliterators.spliteratorUnknownSize(sheet.rowIterator(), Spliterator.ORDERED),
    true // 开启并行模式
);

// 统计第一列整数代码的出现次数
Map<Integer, Long> codeCountMap = rowParallelStream
    // 跳过表头（如果第0行是表头则加此行，无表头则删除）
    .skip(1)
    // 过滤掉第一列单元格为空的行
    .filter(row -> row.getCell(0) != null)
    // 提取第一列的整数，处理不同单元格类型
    .map(row -> {
        Cell cell = row.getCell(0);
        switch (cell.getCellType()) {
            case NUMERIC:
                return (int) cell.getNumericCellValue();
            case STRING:
                try {
                    return Integer.parseInt(cell.getStringCellValue().trim());
                } catch (NumberFormatException e) {
                    return null; // 非整数内容后续过滤
                }
            default:
                return null; // 布尔、公式等类型直接跳过
        }
    })
    // 过滤掉转换失败的无效数据
    .filter(Objects::nonNull)
    // 并行收集统计结果，用并发Map提升效率
    .collect(Collectors.groupingByConcurrent(
        Function.identity(),
        Collectors.counting()
    ));

// 遍历输出统计结果
codeCountMap.forEach((code, count) -> System.out.printf("代码 %d 出现 %d 次%n", code, count));

关键细节说明 #

• 迭代器转并行流：利用StreamSupport.stream将POI的RowIterator转为Stream，第二个参数设为true开启并行。
• 单元格类型兼容：覆盖了数值型和文本型的整数场景，避免因单元格格式不同导致的转换失败；对于非整数内容直接过滤。
• 高效收集器选择：使用groupingByConcurrent替代普通groupingBy，并行流场景下能减少线程间的竞争，提升收集效率。
• 空值与无效数据处理：通过filter提前过滤空单元格和转换失败的数据，避免后续操作抛出异常。

额外提示 #

虽然你的数据量在80-400条之间，并行流的线程调度开销可能会抵消部分性能收益，但这个实现方式完全符合你的需求；如果后续数据量增长到数千条以上，并行流的优势会更明显。

内容的提问来源于stack exchange，提问作者MakdaMujji