Curve-Tool 是一个简易的数据曲线计算工具，使用函数式编程的方式实现自定义公式计算、多曲线叠加计算、分组计算��，一些场景可提高开发效率，简化代码，使开发者专注核心计算而非维护数据关系。
- 轻量级数据可视化，不使用 Prometheus & Grafana 等专业工具。
- 数据曲线的处理计算或不同类型数据曲线的叠加计算。
- 关注核心计算，避免大量维护数据关系（如遍历、分组、条件）。
- 多曲线计算需要严格对齐数据，无法应对复杂处理场景。
- 大数据量计算效率较低，后续考虑使用 Fork/Join 框架优化。
- 大量函数式编程会造成更多调试分析的障碍。
本项目已工程化为 Maven 工程，可直接运行：
mvn test如需以依赖方式使用（示例坐标，版本请按实际发布调整）：
<dependency>
<groupId>io.github.chocohql</groupId>
<artifactId>curve-tool</artifactId>
<version>0.1.0-SNAPSHOT</version>
</dependency>ICurve 接口定义了曲线计算方法，它��承了 List 。Curve 类是该接口的通用实现类，它本身是对 ArrayList 的增强。
@Data
public class Data {
private Double val;
private Long timestamp;
}// 获取数据集
List<Data> data = getData();
// 创建曲线，ICurve<T, V> 泛型1表示数据本身，泛型2表示用于计算的属性类型
ICurve<Data, Double> curve2 = new Curve<>(data);process() 方法针对的是曲线每一个元素，第一个表达式产生结果，第二个表达式对第一个表达式产生的结果进行消费，这样设计实际上是分离了处理和消费的逻辑，因此你可以传递 setter 方法引用对结果赋值，当然也可以自定义其他消费逻辑。
// 集合中每个数据的 val 属性 x2 后赋值
curve.process(d -> d.getVal() * 2, Data1::setVal);
// 集合中每个数据的 val 属性 x2 后打印
curve.process(d -> d.getVal() * 2, (d, v) -> System.out.println(v));三个参数的 process() 方法为需要传递条件断言，满足条件的才会执行后续定义的计算逻辑
// 集合中数据的 val 属性满足 > 0.5 这个条件的 x2 后赋值
curve.process(d -> d.getVal() > 0.5, d -> d.getVal() * 2, Data1::setVal)如果你不想要拆分条件、处理和消费逻辑，那么你也可以直接使用单一参数的 process() 方法，类似于 peek() 方法
curve.process(d -> {
// TODO ...
d.setVal(d.getVal() * 2);
// TODO ...
});
如果你需要对两条曲线进行叠加处理，并且它们的在曲线集合中的数据一一对应（长度相同、下标对应），那么可以使用 biProcess() 方法，你可以传递不同类型的曲线集合，只需要保证泛型2类型一致（用于计算）。
@Data
public class Data1 {
private Double val;
private Long timestamp;
}
@Data
public class Data2 {
private Double val;
private Long timestamp;
}// 获取数据集
ArrayList<Data1> data1 = getData1List();
ArrayList<Data2> data2 = getData2List();
// 创建曲线
ICurve<Data2, Double> curve2 = new Curve<>(data2);
ICurve<Data1, Double> curve1 = new Curve<>(data1);
curve1
// 叠加计算
.biProcess(curve2, (d1, d2) -> d1.getVal() + d2.getVal(), Data1::setVal)
// 条件叠加计算
.biProcess(curve2,
(d1, d2) -> 1 <= d1.getVal() * d2.getVal(),
(d1, d2) -> d1.getVal() + d2.getVal(),
Data1::setVal)原有 biProcess 在长度不一致时会默认跳过计算（保持兼容）。如需显式策略，可使用带 IndexAlignmentPolicy 的重载：
curve1.biProcess(curve2,
IndexAlignmentPolicy.TRUNCATE,
(d1, d2) -> d1.getVal() + d2.getVal(),
Data1::setVal);可选策略：
SKIP_IF_MISMATCH：默认行为，长度不一致直接跳过THROW：长度不一致直接抛异常TRUNCATE：按最短长度截断计算PAD_NULL：右侧不足时按 null 补齐（多余右侧忽略）
当两条曲线的下标无法严格对齐，但可以通过 timestamp（或其他 key）匹配时，可使用 joinByKeyProcess：
curve1.joinByKeyProcess(curve2,
Data1::getTimestamp,
Data2::getTimestamp,
KeyJoinType.LEFT,
DuplicateKeyPolicy.THROW,
MissingPointPolicy.SKIP,
(d1, d2) -> d1.getVal() + d2.getVal(),
Data1::setVal);如果你希望拿到 join 结果用于进一步处理（而不是原地写回），可使用：
ICurve<KeyJoinRow<Long, Data1, Data2>, Object> joined =
CurveJoins.joinByKey(curve1, curve2, Data1::getTimestamp, Data2::getTimestamp, KeyJoinType.FULL, DuplicateKeyPolicy.THROW);在 ICurve 上提供了一批常用、非冷门的算子，方便更偏“结果导向”的处理：
ICurve<Integer, Object> out = new Curve<Integer, Integer>(Arrays.asList(1,2,3,4))
.filter(x -> x % 2 == 0)
.map(x -> x * 10);
double ma = curve.movingAverage(Data::getVal, 10).get(curve.size() - 1);
ICurve<Double, Double> diff = curve.diff(Data::getVal);如果你需要将数据分为多条曲线（分组/维度），且需要对不同组的曲线进行独立的处理，那么可以使用分组曲线，它可以帮你划分数据集隔离执行相同的 ICurve 操作。
ICurveGroup 接口继承了 Map ，它有三个泛型，第一个为分组 Key 的类型，后两个与 Curve 一致，CurveGroup 为通用实现类，提供了创建分组曲线的方法，需要传入数据集合和进行分组的规则。需要注意的是分组并不是指一个 key 对应了多条曲线，分组是针对的数据，它实际上是 Map<K, ICurve<T, V>> 的形式，在两个 CurveGroup 进行叠加计算时的分组才是多条曲线。
@Data
public class Data {
private Double val;
private Long timestamp;
private String tag;
}ArrayList<Data> data = data1();
// 根据 Data 的 tag 属性进行分组
ICurveGroup<String, Data, Double> curveGroup = CurveGroup.create(data, Data::getTag);ICurveGroup 的处理逻辑和 ICurve 类似，它会在表达式中多提供一个 key 辅助你的处理，如果是两个分组曲线进行计算，会自动匹配相同分组的两条曲线，于是你可以将他当成普通的 ICurve 处理。
@Data
public class Data1 {
private Double val;
private Long timestamp;
private String tag;
}
@Data
public class Data2 {
private Double val;
private Long timestamp;
private String tag;
}curveGroup1
// 分组计算
.process((tag, d) -> d.getVal() + 0.1, Data1::setVal)
// 分组条件计算
.process((tag, d) -> d.getVal() > 0.5, (tag, d) -> d.getVal() + 0.1, Data1::setVal)
// 分组叠加计算
.biProcess(curveGroup2, (tag, d1, d2) -> d1.getVal() + d2.getVal(), Data1::setVal)
// 分组条件叠加计算
.biProcess(curveGroup2,
(tag, d1, d2) -> tag.equals("tagA") || d1.getVal() + d2.getVal() > 0.5,
(tag, d1, d2) -> d1.getVal() * 2,
Data1::setVal)有时候你也许并不想直接对具体数据进行操作，而是想操作不同分组下的曲线，那么你也可以使用 forCurve 方法调出对应分组的曲线来自定义处理过程。
curveGroup1.forCurve((key, curve1) -> {/*TODO*/})
curveGroup1.forCurve(curveGroup2, (tag, curve1, curve2) -> {
curve1.process(d ->{/*TODO*/});
curve2.process(d ->{/*TODO*/});
});分组叠加默认按左侧 key 遍历（保持兼容）。如需 INNER/FULL 或缺失 key 的处理策略，可使用重载：
curveGroup1.biProcess(curveGroup2,
GroupJoinType.INNER,
MissingCurvePolicy.THROW,
(tag, d1, d2) -> d1.getVal() + d2.getVal(),
Data1::setVal);