Aké spôsoby spracovania dát existujú v Jave?

1. Iterácia:

   • Cyklus for, while, do-while.
   • Iterátory (Iterator, ListIterator).
   • Rozšírený for cyklus (foreach).

   List<String> data = new ArrayList<>();
   data.add("item1");
   data.add("item2");
   
   for (String item : data) {
       System.out.println(item); // Spracovanie každého prvku
   }
   

2. Prúdy (Streams):

   • API pre deklaratívne spracovanie kolekcií.
   • Operácie vysokého stupňa: filter, map, reduce, collect.
   • Podporujú paralelné spracovanie.

   List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
   
   List<Integer> evenNumbers = numbers.stream()
                                      .filter(n -> n % 2 == 0) // Filtrácia párnych
                                      .collect(Collectors.toList()); // Zhromažďovanie do zoznamu
   

3. Paralelné prúdy (Parallel Streams):

   • Rozšírenie prúdov pre automatické paralelizovanie.
   • Jednoduché použitie: .parallelStream().

   List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
   
   int sum = numbers.parallelStream()
                    .mapToInt(Integer::intValue)
                    .sum(); // Paralelné sčítanie
   

4. RxJava / Reactor (Reaktívne programovanie):

   • Asynchrónne spracovanie tokov dát pomocou reaktívneho programovania.
   • Používa pozorovateľov (Observable, Flux) a operátory (map, filter, merge).

   // Príklad s RxJava
   Observable<String> source = Observable.just("Alpha", "Beta", "Gamma");
   
   source.subscribe(s -> System.out.println("Prijaté: " + s)); // Spracovanie každého prvku asynchrónne
   

5. Apache Spark / Hadoop MapReduce:

   • rámce pre distribuovanú spracovanie veľkých dát.

   • Vhodné pre ETL procesy, analytiku a spracovanie dát v klastre.

   • (Príklad kódu pre Spark/Hadoop je príliš rozsiahly na krátku odpoveď, ale podstata je v distribuovaných výpočtoch).

6. Dátové štruktúry v Jave:

   • Použitie vhodných štruktúr (Arrays, Lists, Sets, Maps) pre efektívne ukladanie a prístup.
   • Napríklad, HashMap pre rýchle vyhľadávanie podľa kľúča, HashSet pre unikátne prvky.

   Map<String, Integer> ages = new HashMap<>();
   ages.put("Alice", 30);
   ages.put("Bob", 25);
   
   System.out.println(ages.get("Alice")); // Rýchly prístup k údajom podľa kľúča
   

7. Databázy (JDBC / ORM):

   • Spracovanie dát nachádzajúcich sa v externých databázach.
   • JDBC pre priame interakcie s SQL.
   • ORM (Hibernate, JPA) pre objektovo-relačné mapovanie.

   // Príklad JDBC
   try (Connection conn = DriverManager.getConnection(url, user, password);
        Statement stmt = conn.createStatement();
        ResultSet rs = stmt.executeQuery("SELECT name, age FROM users")) {
   
       while (rs.next()) {
           String name = rs.getString("name");
           int age = rs.getInt("age");
           System.out.println("Používateľ: " + name + ", Vek: " + age); // Spracovanie dát z DB
       }
   } catch (SQLException e) {
       e.printStackTrace();
   }
   

Výber spôsobu závisí od objemu dát, požiadaviek na výkon, paralelizmu a zložitosti logiky spracovania.