Encontre os principais elementos de um multiset do Google Collections?

Question

UMA Coleções do Google Multiset é um conjunto de elementos, cada um dos quais tem uma contagem (ou seja, pode estar presente várias vezes).

Não posso te dizer quantas vezes quero fazer o seguinte

1. Faça um histograma (exatamente multiset)
2. Obtenha os n elementos principais da contagem do histograma

Exemplos: os 10 principais URLs (por # Times mencionados), 10 principais tags (por # Times aplicados), ...

Qual é a maneira canônica de fazer nº 2, dada a um multiset do Google Collections?

Aqui é um post sobre isso, mas esse código não é exatamente o que eu quero. Primeiro, ele retorna tudo, não apenas o primeiro N. segundo, copia (é possível evitar uma cópia?). Terceiro, eu geralmente quero um tipo determinístico, ou seja, o tiebreak se as contagens forem iguais. Outras linhas: não é estática, etc.

Answer 1

Escrevi métodos com a funcionalidade básica que você está solicitando, exceto que eles executam cópias e não têm lógica determinística de quebra de ligação. Atualmente, eles são internos para o Google, mas podemos inicializar-os em algum momento. Esta goiaba questão tem as assinaturas de método.

O algoritmo deles é semelhante ao post do blog: classificando uma lista de entradas. Seria mais rápido, mas mais complicado, usar um melhor Algoritmo de seleção.

Editar: desde a goiaba 11, isso é implementado

Answer 2

Para dar outra perspectiva para as pessoas comentarem, postarei uma versão ligeiramente modificada da postagem do blog que me referente a:

package com.blueshiftlab.twitterstream.summarytools;

import com.google.common.collect.ImmutableList;
import com.google.common.collect.Multiset;
import com.google.common.collect.Ordering;
import com.google.common.collect.Multiset.Entry;

public class Multisets {
    // Don't construct one
    private Multisets() {
    }

    public static <T> ImmutableList<Entry<T>> sortedByCount(Multiset<T> multiset) {
        Ordering<Multiset.Entry<T>> countComp = new Ordering<Multiset.Entry<T>>() {
            public int compare(Multiset.Entry<T> e1, Multiset.Entry<T> e2) {
                return e2.getCount() - e1.getCount();
            }
        };
        return countComp.immutableSortedCopy(multiset.entrySet());
    }

    public static <T> ImmutableList<Entry<T>> topByCount(Multiset<T> multiset,
            int max) {
        ImmutableList<Entry<T>> sortedByCount = sortedByCount(multiset);
        if (sortedByCount.size() > max) {
            sortedByCount = sortedByCount.subList(0, max);
        }

        return sortedByCount;
    }
}