Guava 库中的 Table 接口提供了一种直观的二维键值存储方式，适用于以行和列作为联合主键的场景。尽管它原生仅支持两个维度（行键和列键），但通过结合嵌套结构或与 Map 配合使用，我们可以将其扩展为支持三维甚至更高维度的数据模型。

利用嵌套 Table 实现三维结构

一个常见的做法是让 Table 的每个单元格存储另一个 Table 实例，从而形成层级索引。例如，在分析业务指标时，可以将"时间"、"地区"和"指标类型"作为三个独立维度进行组织。

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 buildThreeLevelStructure() {
        // 外层表：日期 → 地区 → (内层表：指标名 → 数值)
        Table<String, String, Table<String, Integer>> timeRegionMetrics = HashBasedTable.create();

        // 为北方区域填充销售与利润数据
        Table<String, Integer> northMetrics = HashBasedTable.create();
        northMetrics.put("Revenue", 9800);
        northMetrics.put("Cost", 6700);

        timeRegionMetrics.put("2024-11-01", "North", northMetrics);

        // 为南方区域填充数据
        Table<String, Integer> southMetrics = HashBasedTable.create();
        southMetrics.put("Revenue", 8500);
        southMetrics.put("Cost", 5400);

        timeRegionMetrics.put("2024-11-01", "South", southMetrics);

        // 查询示例：获取某日某地的收入
        Table<String, Integer> targetData = timeRegionMetrics.get("2024-11-01", "North");
        Integer revenue = targetData.get("Revenue");
        System.out.println("North Region Revenue: " + revenue); // 输出: 9800
    }
}

这种设计允许开发者通过链式调用访问深层数据，逻辑清晰且易于维护。

遍历多级数据集

当需要对整个多维结构执行批量操作或生成汇总报告时，可以通过迭代外层的行键与列键，并逐层深入来完成全量扫描。

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

    // 初始化两组区域数据
    Table<String, Integer> eastQ4 = HashBasedTable.create();
    eastQ4.put("Sales", 3200);
    eastQ4.put("Expenses", 1800);

    Table<String, Integer> westQ4 = HashBasedTable.create();
    westQ4.put("Sales", 2900);
    westQ4.put("Expenses", 1600);

    dataCube.put("2024-10-01", "East", eastQ4);
    dataCube.put("2024-10-01", "West", westQ4);

    // 深度遍历所有维度
    for (String date : dataCube.rowKeySet()) {
        System.out.println("Report Date: " + date);
        for (String region : dataCube.columnKeySet()) {
            System.out.println("  Region: " + region);
            Table<String, Integer> metrics = dataCube.get(date, region);
            for (Map.Entry<String, Integer> metric : metrics.cellSet()) {
                System.out.println("    " + metric.getKey() + " = " + metric.getValue());
            }
        }
    }
}

输出结果会按层级展示完整的数据树，适合用于调试或导出结构化报表。

引入 Map 扩展至四维及以上

若需表达更复杂的结构（如年、月、地区、指标四维），可将 Table 嵌入标准 java.util.Map 中，实现灵活的多层索引体系。

@Test
public void fourDimensionModel() {
    // 四维映射：年份 → (月份 → (地区 → 指标))
    java.util.Map<String, Table<String, String, Table<String, Integer>>> yearMonthData =
        new java.util.HashMap<>();

    // 构造具体数据点
    Table<String, Integer> novEastStats = HashBasedTable.create();
    novEastStats.put("Orders", 450);
    novEastStats.put("Returns", 32);

    Table<String, String, Table<String, Integer>> november = HashBasedTable.create();
    november.put("2024", "November", novEastStats);

    yearMonthData.put("2024", november);

    // 提取特定维度值
    Table<String, Integer> result = yearMonthData.get("2024").get("2024", "November");
    Integer orderCount = result.get("Orders");
    System.out.println("2024 November Orders in East: " + orderCount); // 输出: 450
}

该方法虽牺牲部分类型安全性，但极大增强了表达能力，特别适用于动态维度或稀疏数据场景。

总结

虽然 Guava 的 Table 本质上是二维容器，但借助嵌套组合策略，能够有效模拟高维数据空间。这种模式在处理时间序列、分片统计、多标签监控等复杂业务中表现出色，既保持了代码简洁性，又提升了数据访问效率。