java - Java 8流的确定性

动机

我刚刚重写了大约30个通常不重要的解析器，我需要新版本的行为与旧版本完全一样。因此，我存储了它们的示例输入文件和旧解析器产生的输出的一些签名，以便与新解析器进行比较。此签名包含成功解析的项目的计数，一些哈希码的总和以及最多10个伪随机选择的项目。

我认为这是个好主意，因为哈希码的相等性总和可以保证输出完全相同，并且样本使我能够看到问题所在。我只使用样本，否则它将变得很大。

问题

基本上，给定一个无序的字符串集合，我希望获得最多10个字符串的列表，以便当该集合发生一些变化时，我仍会在相同位置获得几乎相同的样本(输入是无序的，但是输出是一个列表)。当缺少某些东西时，这也应该起作用，所以像第100个最小元素这样的想法就行不通了。

ImmutableList<String> selectSome(Collection<String> list) {
        if (list.isEmpty()) return ImmutableList.of();
        return IntStream.range(1, 20)
            .mapToObj(seed -> selectOne(list, seed))
            .distinct()
            .limit(10)
            .collect(ImmutableList.toImmutableList());
    }

因此，我从1到20的数字开始(这样，在distinct之后我仍然很有可能有10个样本)，调用无状态确定性函数selectOne(如下定义)，返回一个字符串，根据一些有趣的标准，该字符串最大，删除重复项，限制结果并使用 Guava 收集。所有步骤都应该是恕我直言的确定性和“有序的”，但我可能忽略了某些东西。另一种可能是我的30个新解析器都错了，但是鉴于哈希是正确的，这是不可能的。此外，解析的结果看起来是正确的。

String selectOne(Collection<String> list, int seed) {
    // some boring mixing, definitely deterministic
    for (int i=0; i<10; ++i) {
        seed *= 123456789;
        seed = Integer.rotateLeft(seed, 16);
    }
    // ensure seed is odd
    seed = 2*seed + 1;

    // first element is the candidate result
    String result = list.iterator().next();
    // the value is the hash code multiplied by the seed
    // overflow is fine
    int value = seed * result.hashCode();

    // looking for s maximizing seed * s.hashCode()
    for (final String s : list) {
        final int v = seed * s.hashCode();
        if (v < value) continue;
        // tiebreaking by taking the bigger or smaller s
        // this is needed for determinism
        if (s.compareTo(result) * seed < 0) continue;
        result = s;
        value = v;
    }
    return result;
}

此采样似乎无效。我得到一个类似的序列

"9224000", "9225000", "4165000", "9200000", "7923000", "8806000", ...

用一个旧的解析器和

"9224000", "9225000", "4165000", "3030000", "1731000", "8806000", ...

换一个新的两种结果都是完全可重复的。对于其他解析器，它看起来非常相似。

我对流的使用不正确吗？我是否必须添加.sequential()或类似内容？

更新

对输入集合进行排序已解决了以下问题:

ImmutableList<String> selectSome(Collection<String> collection) {
    final List<String> list = Lists.newArrayList(collection);
    Collections.sort(list);
    .... as before
}

仍然缺少的是为什么的解释。

说明

如答案中所述，我的决胜局是个全败局，因为我错过了检查平局的机会。就像是

if (v==value && s.compareTo(result) < 0) continue;

工作良好。

我希望我困惑的问题至少对寻求“一致抽样”的人有用。它与Java 8并没有真正的关系。

我应该使用 Guava ComparisonChain或更好的Java 8 arg max来避免我的愚蠢错误:

String selectOne(Collection<String> list, int seed) {
    .... as before
    final int multiplier = 2*seed + 1;
    return list.stream()
          .max(Comparator.comparingInt(s -> multiplier * s.hashCode())
          .thenComparing(s -> s)) // <--- FOOL-PROOF TIEBREAKER
          .get();
}

最佳答案

在selectOne中，您只想选择给定String s的最大value = seed * s.hashCode();等级的seed。

问题出在“tiebreaking”这一行:
if (s.compareTo(result) * seed < 0) continue;
它不是确定性的-对于元素的不同顺序，它忽略了要检查的不同元素，因此，元素顺序的更改会改变结果。

删除平局的if，结果将对输入列表中元素的顺序不敏感。