在实际开发中，我们经常需要处理具有多个分类维度的数据。虽然 Guava 的 Table 接口本质上是二维结构（由行键和列键共同定位一个值），但通过结合其他集合类型如 Map 或嵌套 Table，我们可以构建出支持三维甚至更高维度的数据模型。

利用嵌套 Table 模拟三维结构

一种常见做法是将 Table 的值类型设为另一个 Table，从而形成"表中表"的结构。例如，在分析销售数据时，可以将日期作为外层表的行键，区域作为列键，而每个单元格存储的是一个包含各项指标（如销售额、利润）的子表。

import com.google.common.collect.HashBasedTable;
import com.google.common.collect.Table;
import org.junit.jupiter.api.Test;

import java.util.Map;

public class ThreeDimensionalDataTest {

    @Test
    public void simulateThreeDimensionsWithNestedTable() {
        // 外层表：日期 → 区域 → (指标 → 数值) 的映射表
        Table<String, String, Table<String, Integer>> timeSeriesData = HashBasedTable.create();

        // 构造北方区域的数据
        Table<String, Integer> northMetrics = HashBasedTable.create();
        northMetrics.put("Sales", 1000);
        northMetrics.put("Profit", 200);

        // 构造南方区域的数据
        Table<String, Integer> southMetrics = HashBasedTable.create();
        southMetrics.put("Sales", 1200);
        southMetrics.put("Profit", 300);

        // 填充主表
        timeSeriesData.put("2024-12-01", "North", northMetrics);
        timeSeriesData.put("2024-12-01", "South", southMetrics);

        // 查询特定维度组合下的值
        Table<String, Integer> northData = timeSeriesData.get("2024-12-01", "North");
        Integer salesInNorth = northData.get("Sales");
        System.out.println("2024-12-01 北区销售额: " + salesInNorth); // 输出: 1000

        Table<String, Integer> southData = timeSeriesData.get("2024-12-01", "South");
        Integer profitInSouth = southData.get("Profit");
        System.out.println("2024-12-01 南区利润: " + profitInSouth); // 输出: 300
    }
}

遍历多层级数据结构

对于这种嵌套结构，可以通过逐层迭代的方式访问所有元素。这种方式适用于需要批量处理或导出全量数据的场景。

@Test
public void traverseMultiLevelStructure() {
    Table<String, String, Table<String, Integer>> dataCube = HashBasedTable.create();

    Table<String, Integer> eastRegion = HashBasedTable.create();
    eastRegion.put("Sales", 2000);
    eastRegion.put("Profit", 500);

    Table<String, Integer> westRegion = HashBasedTable.create();
    westRegion.put("Sales", 1500);
    westRegion.put("Profit", 450);

    dataCube.put("2024-12-01", "East", eastRegion);
    dataCube.put("2024-12-01", "West", westRegion);

    // 逐层遍历
    for (String date : dataCube.rowKeySet()) {
        System.out.println("日期: " + date);
        for (String region : dataCube.columnKeySet()) {
            System.out.println("  区域: " + region);
            Table<String, Integer> metrics = dataCube.get(date, region);
            for (Map.Entry<String, Integer> metric : metrics.cellSet()) {
                System.out.println("    " + metric.getKey() + " = " + metric.getValue());
            }
        }
    }
}

扩展至四维及以上：Map 与 Table 联合使用

当需要表达四个或更多维度时，可引入 Map 进行外层封装。例如，以年份为最外层键，其对应值是一个二维 Table，再内嵌一层指标表，实现时间（年、月）、地理（区域）、业务指标的四维索引。

@Test
public void fourDimensionalModelUsingMapAndTable() {
    // 四维结构：年份 → (月份 → 区域 → 指标)
    Map<String, Table<String, String, Table<String, Integer>>> fourDimData = new java.util.HashMap<>();

    // 创建具体数据
    Table<String, Integer> monthlyMetrics = HashBasedTable.create();
    monthlyMetrics.put("Sales", 1500);
    monthlyMetrics.put("Profit", 300);

    Table<String, String, Table<String, Integer>> yearData = HashBasedTable.create();
    yearData.put("January", "Central", monthlyMetrics);

    fourDimData.put("2024", yearData);

    // 查询 2024 年 1 月 中部地区的销售额
    Integer janSales = fourDimData.get("2024")
                                  .get("January", "Central")
                                  .get("Sales");
    System.out.println("2024年1月中区销售额: " + janSales); // 输出: 1500
}

总结

尽管 Guava 的 Table 仅原生支持两个键，但借助嵌套容器的设计思想，开发者能够灵活地模拟出三维乃至更高维度的数据结构。这种模式特别适合用于报表生成、数据分析、配置管理等需要多条件联合索引的业务场景。合理运用此类技巧，可以在不牺牲性能的前提下显著提升代码的可读性和维护性。