
本文介绍如何在 spring 应用中高效读取分号分隔的 csv 文件,提取 timestamp、code 和 state 字段,并依据预定义状态流转规则(如 un → ack/rtnun → norm、upr → norm),对同一 code 下合法的状态跃迁计算毫秒级时间差。
本文介绍如何在 spring 应用中高效读取分号分隔的 csv 文件,提取 timestamp、code 和 state 字段,并依据预定义状态流转规则(如 un → ack/rtnun → norm、upr → norm),对同一 code 下合法的状态跃迁计算毫秒级时间差。
在 Java(尤其是 Spring 项目)中处理带业务逻辑的 CSV 数据时,硬编码字符串分割 + 多层嵌套 if 判断极易导致可维护性崩塌。正确的做法是:分层解耦 —— 使用成熟 CSV 解析库统一读取,构建领域模型封装状态与时间,再通过状态机思想驱动合法转换检测与耗时计算。
✅ 推荐技术栈与核心依赖
使用 Apache Commons CSV(轻量、稳定、支持自定义分隔符和 header)配合 Java 8+ 的 java.time API:
<!-- Maven --> <dependency><groupid>org.apache.commons</groupid><artifactid>commons-csv</artifactid><version>1.10.0</version></dependency>
? 步骤一:定义数据模型与状态规则
首先创建清晰的事件实体类,明确关注字段:
public record StateEvent(
Instant timestamp,
String code,
String state,
long isppe // 即问题中的 ISPPE 字段,作为唯一标识 key 的候选之一
) {
public static StateEvent from(CSVRecord record) {
String tsStr = record.get("Timestamp");
String code = record.get("Code");
String state = record.get("State");
long isppe = Long.parseLong(record.get("ISPPE"));
return new StateEvent(Instant.parse(tsStr), code, state, isppe);
}
}
定义合法状态转移规则(使用 Map 实现有限状态机语义):
private static final Map<string set>> VALID_TRANSITIONS = Map.ofEntries(
entry("UN", Set.of("ACK", "RTNUN")),
entry("ACK", Set.of("NORM")),
entry("RTNUN", Set.of("NORM")),
entry("UPR", Set.of("NORM"))
);</string>
⚠️ 注意:该规则严格区分方向(如
"RTNUN" → "ACK"不在VALID_TRANSITIONS.get("RTNUN")中),自动过滤非法跳转。
? 步骤二:按 Code 分组并计算合法状态差
关键思路:对每个 Code 聚合其所有事件,按 Timestamp 排序后线性扫描,仅当连续两个事件满足「前态→后态 ∈ 合法规则」且 Code 相同时,才计算时间差。
result.get(1223085273)
Java免费学习笔记:立即使用
解锁 Java 大师之旅:从入门到精通的终极指南











