java8 stream的这些开发技巧，值得好好收藏

我会带着你远行 2024-04-05 04:47 80阅读 0赞

*  **如果有些朋友以前没有使用过java8 stream这种链式编程方式做开发，想学习一下。**
 *  **如果有些朋友只学习了一部分用法，想学习更多。**
 *  **如果有些朋友想看看有没有好的示例适用于实际工作当中。**

**那么恭喜你，这篇文章非常适合你。**

首先，我们一起看看stream的继承关系：

![6ec2092c1a1c45f8a06392a6838277fb.png][]

stream的继承关系

Stream、IntStream、LongStream、DoubleStream的父接口都是BaseStream。BaseStream的四个子接口方法都差不多，只是IntStream、LongStream、DoubleStream直接存储基本类型，可以避免自动装/拆箱，效率会更高一些。但是，我们实际上使用Stream更多一些。

我们再看看stream的工作流程图：

![05d13a2b054e4075bacdeafc937038fd.png][]

stream的工作流程图

## 为什么要学stream的链式编程方式 ##

**业务需求1**：指定一个字符串数组，找出里面相同的元素，并且统计重复的次数。

我们以前大概是这样做的：

public class CountTest {
           @Test      public void testCount1() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        Map<String, Long> countMap = new HashMap<>();        for (String data : list) {
                   Long aLong = countMap.get(data);            if (Objects.isNull(aLong)) {
                       countMap.put(data, 1L);            } else {
                       countMap.put(data, ++aLong);            }        }        countMap.forEach((key, value) -> System.out.println("key:" + key + " value:" + value));    }}

执行结果：

key:a value:3key:ab value:2key:b value:1key:bd value:1key:abc value:2key:abcd value:1

我们再看看如果用java8的stream可以怎么做：

public class CountTest {
           @Test    public void testCount2() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        Map<String, Long> countMap = list.stream().collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));        countMap.forEach((key, value) -> System.out.println("key:" + key + " value:" + value));    }}

执行结果：

key:a value:3key:ab value:2key:b value:1key:bd value:1key:abc value:2key:abcd value:1

我们可以看到testCount1和testCount2执行结果相同，仅仅一行代码：**Map<String, Long> countMap = list.stream().collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));** 就可以实现上面testCount1中多行代码的逻辑。

**业务需求2**：从一个指定的字符串数组中，查找指定的字符串是否存在

我们以前大概是这样做的：

public class FindTest {
           @Test    public void testFind1() {
               String findStr = "bd";        List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        boolean match = false;        for (String data : list) {
                   if (data.equals(findStr)) {
                       match = true;                break;            }        }        //结果：match:true        System.out.println("match:" + match);    }}

我们再看看如果用java8的stream可以怎么做：

public class MatchTest {
           @Test    public void testFind2() {
               String findStr = "bd";        List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        boolean match = list.stream().anyMatch(x -> x.equals(findStr));        //结果：match:true        System.out.println("match:" + match);    }}

我们可以看到调用testFind1和testFind2方法执行结果也是一样的。但是，用java8 stream的语法，又只用一行代码就完成功能了，真棒。

## java8 stream超详细用法指南 ##

**stream**的操作符大体上分为两种：**中间操作符**和**终止操作符**

**中间操作：**

**1.filter(T-> boolean)**

过滤数据，保留 boolean 为 true 的元素，返回一个集合

public class FilterTest {
           @Test    public void testFilter() {
               List<Integer> list = Lists.newArrayList(20, 23, 25, 28, 30, 33, 37, 40);        //从指定数据集合中过滤出大于等于30的数据集合        List<Integer> collect = list.stream().filter(x -> x >= 30).collect(Collectors.toList());        //结果：[33, 37, 40]        System.out.println(collect);    }}

collect(Collectors.toList())可以把流转换为 List 类型，collect实际上是一个终止操作。

**2.map(T -> R)**

转换操作符，可以做数据转换，比如：把字符串转换成int、long、double，或者把一个实体转换成另外一个实体。包含：map，mapToInt、mapToLong、mapToDouble

public class MapTest {
           @Test    public void testMap() {
               List<String> list = Lists.newArrayList("1", "2", "3", "4", "5", "6");        List<Long> collect1 = list.stream().map(x -> Long.parseLong(x)).collect(Collectors.toList());        //结果：[1, 2, 3, 4, 5, 6]        System.out.println(collect1);        //结果：111111        list.stream().mapToInt(x -> x.length()).forEach(System.out::print);        System.out.println("");        //结果：111111        list.stream().mapToLong(x -> x.length()).forEach(System.out::print);        System.out.println("");        //结果：1.01.01.01.01.01.0        list.stream().mapToDouble(x -> x.length()).forEach(System.out::print);    }}

**3.flatMap(T -> Stream)**

将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流

public class FlatMapTest {
           @Test    public void testFlatMap() {
               List<List<String>>  list = new ArrayList<List<String>>(){
       {
                   add(Lists.newArrayList("a","b","c"));            add(Lists.newArrayList("d","e","f"));            add(Lists.newArrayList("j","k","y"));        }};        //结果：[[a, b, c], [d, e, f], [j, k, y]]        System.out.println(list);        List<String> collect = list.stream().flatMap(List::stream).collect(Collectors.toList());        //结果：[a, b, c, d, e, f, j, k, y]        System.out.println(collect);    }}

我们可以看到flatMap可以轻松把字符串的二维数据变成一位数组。

**4.distinct**

去重，类似于msql中的distinct的作用，底层使用了equals方法做比较。

public class DistinctTest {
           @Test    public void testDistinct() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        List<String> collect = list.stream().distinct().collect(Collectors.toList());        //结果：[a, b, ab, abc, abcd, bd]        System.out.println(collect);    }}

其实，去重还有另外一种办法，可以用Collectors.toSet()，后面会讲到。

**5.sorted**

对元素进行排序，前提是实现Comparable接口，当然也可以自定义比较器。

public class SortTest {
           @Test    public void testSort() {
               List<Integer> list = Lists.newArrayList(5, 3, 7, 1, 4, 6);        List<Integer> collect = list.stream().sorted((a, b) -> a.compareTo(b)).collect(Collectors.toList());        //结果：[1, 3, 4, 5, 6, 7]        System.out.println(collect);    }}

**6.limit**

限流操作，有点类似于mysql中的limit功能，比如：有10个元素，只取前面3个元素

public class LimitTest {
           @Test    public void testLimit() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        List<String> collect = list.stream().limit(3).collect(Collectors.toList());        //结果：[a, b, ab]        System.out.println(collect);    }}

**7.skip**

跳过操作，比如：有个10个元素，从第5个元素开始去后面的元素

public class SkipTest {
           @Test    public void testSkip() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        List<String> collect = list.stream().skip(5).collect(Collectors.toList());        //结果：[ab, a, abcd, bd, abc]        System.out.println(collect);    }}

**8.peek**

挑出操作，

public class PeekTest {
           @Test    public void testPeek() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        //结果：abababcaabaabcdbdabc        list.stream().peek(x -> x.toUpperCase()).forEach(System.out::print);    }}

眼尖的朋友会发现，进行x.toUpperCase()转换为大写功能，但是实际上没有生效。把peek改成map方法试试：

public class PeekTest {
           @Test    public void testPeek() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");        //结果：ABABABCAABAABCDBDABC        list.stream().map(x -> x.toUpperCase()).forEach(System.out::print);    }}

我们可以看到，用map操作转换成大写功能生效了，但是用peek操作却没有生效。peek只是对Stream中的元素进行某些操作，但是操作之后的数据并不返回到Stream中，所以Stream中的元素还是原来的元素。

**终止操作：**

**1.**forEach

遍历操作，包含：forEach 和 forEachOrdered

forEach：支持并行处理

forEachOrdered：是按顺序处理的，遍历速度较慢

public class ForEachTest {
           @Test    public void testForEach() {
               List<String> list = Lists.newArrayList("a", "b", "ab");        //结果：a b ab        list.stream().forEach(x-> System.out.print(x+' '));        System.out.println("");        //可以简化        //结果：a b ab        list.forEach(x-> System.out.print(x+' '));        System.out.println("");        //结果：a b ab        list.stream().forEachOrdered(x-> System.out.print(x+' '));    }}

**2.collect**

收集操作，将所有的元素收集起来，Collectors 提供了非常多收集器。包含：toMap、toSet、toList、joining，groupingBy，maxBy，minBy等操作。

toMap：将数据流转换为map，里面包含的元素是用key/value的形式的

toSet：将数据流转换为set，里面包含的元素不可重复

toList：将数据流转出为list，里面包含的元素是有序的

joining：拼接字符串

groupingBy：分组，可以将list转换map

couting：统计元素数量

maxBy：获取最大元素

minBy：获取最小元素

summarizingInt: 汇总int类型的元素，返回IntSummaryStatistics，再调用具体的方法对元素进行统计：getCount（统计数量），getSum（求和），getMin（获取最小值），getMax（获取最大值），getAverage（获取平均值）

summarizingLong：汇总long类型的元素，用法同summarizingInt

summarizingDouble：汇总double类型的元素，用法同summarizingInt

averagingInt：获取int类型的元素的平均值，返回一个double类型的数据

averagingLong：获取long类型的元素的平均值，用法同averagingInt

averagingDouble：获取double类型的元素的平均值，用法同averagingInt

mapping：获取映射，可以将原始元素的一部分内容作为一个新元素返回

public class CollectTest {
           @Data    @AllArgsConstructor    class User {
               private String name;        private Integer age;    }    @Test    public void testCollect() {
               List<String> list0 = Lists.newArrayList("a", "b", "ab");        Map<String, String> collect0 = list0.stream().collect(Collectors.toMap(String::new, Function.identity()));        //结果：{ab=ab, a=a, b=b}        System.out.println(collect0);        List<String> list = Lists.newArrayList("a", "b", "ab", "a", "b", "ab");        List<String> collect1 = list.stream().collect(Collectors.toList());        //结果：[a, b, ab, a, b, ab]        System.out.println(collect1);        //结果：[a, ab, b]        Set<String> collect2 = list.stream().collect(Collectors.toSet());        System.out.println(collect2);        String collect3 = list.stream().collect(Collectors.joining(","));        //结果：a,b,ab,a,b,ab        System.out.println(collect3);        Map<String, List<String>> collect4 = list.stream().collect(Collectors.groupingBy(Function.identity()));        //结果：{ab=[ab, ab], a=[a, a], b=[b, b]}        System.out.println(collect4);        Long collect = list.stream().collect(Collectors.counting());        //结果：6        System.out.println(collect);        String collect5 = list.stream().collect(Collectors.maxBy((a, b) -> a.compareTo(b))).orElse(null);        //结果：b        System.out.println(collect5);        String collect6 = list.stream().collect(Collectors.minBy((a, b) -> a.compareTo(b))).orElse(null);        //结果：a        System.out.println(collect6);        List<String> list2 = Lists.newArrayList("2", "3", "5");        IntSummaryStatistics summaryStatistics = list2.stream().collect(Collectors.summarizingInt(x -> Integer.parseInt(x)));        long sum = summaryStatistics.getSum();        //结果：10        System.out.println(sum);        Double collect7 = list2.stream().collect(Collectors.averagingInt(x -> Integer.parseInt(x)));        //结果：3.3333333333333335        System.out.println(collect7);        List<User> userList = new ArrayList<User>() {
       {
                   add(new User("jack",23));            add(new User("james",30));            add(new User("curry",28));        }};        List<String> collect8 = userList.stream().collect(Collectors.mapping(User::getName, Collectors.toList()));        //[jack, james, curry]        System.out.println(collect8);    }}

**3.find**

查找操作，包含：findFirst、findAny

findFirst：找到第一个，返回的类型为Optional

findAny：使用 stream() 时找到的是第一个元素，使用 parallelStream() 并行时找到的是其中一个元素，返回的类型为Optional

public class FindOpTest {
           @Test    public void testFindOp() {
               List<String> list = Lists.newArrayList("a", "b", "ab", "abc", "bc", "ab");        //查找第一匹配的元素        String data1 = list.stream().findFirst().orElse(null);        //结果: a        System.out.println(data1);        String data2 = list.stream().findAny().orElse(null);        //结果: a        System.out.println(data2);    }}

**4.match**

匹配操作，包含：allMatch、anyMatch、noneMatch

allMatch：所有元素都满足条件，返回boolean类型

anyMatch：任意一个元素满足条件，返回boolean类型

noneMatch：所有元素都不满足条件，返回boolean类型

public class MatchTest {
           @Test    public void testMatch() {
               List<Integer> list = Lists.newArrayList(2, 3, 5, 7);        boolean allMatch = list.stream().allMatch(x -> x > 1);        //结果：true        System.out.println(allMatch);        boolean allMatch2 = list.stream().allMatch(x -> x > 2);        //结果：false        System.out.println(allMatch2);        boolean anyMatch = list.stream().anyMatch(x -> x > 2);        //结果：true        System.out.println(anyMatch);        boolean noneMatch1 = list.stream().noneMatch(x -> x > 5);        //结果：false        System.out.println(noneMatch1);        boolean noneMatch2 = list.stream().noneMatch(x -> x > 7);        //结果：true        System.out.println(noneMatch2);    }}

**5.count**

统计操作，效果跟调用集合的size()方法类似

public class CountOpTest {
           @Test    public void testCountOp() {
               List<String> list = Lists.newArrayList("a", "b", "ab");        long count = list.stream().count();        //结果：3        System.out.println(count);    }}

**6.min、max**

min：获取最小值，返回Optional类型的数据

max：获取最大值，返回Optional类型的数据

public class MaxMinTest {
           @Test    public void testMaxMin() {
               List<Integer> list = Lists.newArrayList(2, 3, 5, 7);        Optional<Integer> max = list.stream().max((a, b) -> a.compareTo(b));        //结果：7        System.out.println(max.get());        Optional<Integer> min = list.stream().min((a, b) -> a.compareTo(b));        //结果：2        System.out.println(min.get());    }}

**7.reduce**

规约操作，将整个数据流的值规约为一个值，count、min、max底层就是使用reduce。

reduce 操作可以实现从Stream中生成一个值，其生成的值不是随意的，而是根据指定的计算模型。

public class ReduceTest {
           @Test    public void testReduce() {
               List<Integer> list = Lists.newArrayList(2, 3, 5, 7);        Integer sum1 = list.stream().reduce(0, Integer::sum);        //结果：17        System.out.println(sum1);        Optional<Integer> reduce = list.stream().reduce((a, b) -> a + b);        //结果：17        System.out.println(reduce.get());        Integer max = list.stream().reduce(0, Integer::max);        //结果：7        System.out.println(max);        Integer min = list.stream().reduce(0, Integer::min);        //结果：0        System.out.println(min);        Optional<Integer> reduce1 = list.stream().reduce((a, b) -> a > b ? b : a);        //2        System.out.println(reduce1.get());    }}

**8.toArray**

数组操作，将数据流的元素转换成数组。

public class ArrayTest {
           @Test    public void testArray() {
               List<String> list = Lists.newArrayList("a", "b", "ab");        String[] strings = list.stream().toArray(String[]::new);        //结果：a b ab        for (int i = 0; i < strings.length; i++) {
                   System.out.print(strings[i]+" ");        }    }}

## stream和parallelStream的区别 ##

stream：是单管道**，**称其为流，其主要用于集合的逻辑处理。

parallelStream：是多管道，提供了流的并行处理，它是Stream的另一重要特性，其底层使用Fork/Join框架实现

public class StreamTest {
           @Test    public void testStream() {
               List<Integer> list = Lists.newArrayList(1,2, 3,4, 5,6, 7);        //结果：1234567        list.stream().forEach(System.out::print);    }}

public class ParallelStreamTest {
           @Test    public void testParallelStream() {
               List<Integer> list = Lists.newArrayList(1,2, 3,4, 5,6, 7);        //结果：5726134        list.parallelStream().forEach(System.out::print);    }}

我们可以看到直接使用parallelStream的forEach遍历数据，是没有顺序的。

如果要让parallelStream遍历时有顺序怎么办呢？

public class ParallelStreamTest {
           @Test    public void testParallelStream() {
               List<Integer> list = Lists.newArrayList(1,2, 3,4, 5,6, 7);        //结果：1234567        list.parallelStream().forEachOrdered(System.out::print);    }}

parallelStream的工作原理：

![a9d73bc093c1479cb4874d5d5ed2677c.png][]

## 实际工作中的案例 ##

**1.从两个集合中找相同的元素。一般用于批量数据导入的场景，先查询出数据，再批量新增或修改。**

public class WorkTest {
           @Test    public void testWork1() {
               List<String> list1 = Lists.newArrayList("a", "b", "ab");        List<String> list2 = Lists.newArrayList("a", "c", "ab");        List<String> collect = list1.stream()                .filter(x -> list2.stream().anyMatch(e -> e.equals(x)))                .collect(Collectors.toList());        //结果：[a, ab]        System.out.println(collect);    }}

**2.有两个集合a和b，过滤出集合a中有，但是集合b中没有的元素。这种情况可以使用在假如指定一个id集合，根据id集合从数据库中查询出数据集合，再根据id集合过滤出数据集合中不存在的id，这些id就是需要新增的。**

@Test    public void testWork2() {
               List<String> list1 = Lists.newArrayList("a", "b", "ab");        List<String> list2 = Lists.newArrayList("a", "c", "ab");        List<String> collect = list1.stream()          .filter(x -> list2.stream().noneMatch(e -> e.equals(x)))          .collect(Collectors.toList());        //结果：[b]        System.out.println(collect);    }

**3.根据条件过滤数据，并且去重做数据转换**

@AllArgsConstructor    @Data    class User {
               private String name;        private Integer age;    }    @Test    public void testWork3() {
               List<User> userList = new ArrayList<User>() {
       {
                   add(new User("jack",23));            add(new User("james",30));            add(new User("curry",28));            add(new User("tom",27));            add(new User("sue",29));        }};        List<String> collect = userList.stream()                .filter(x -> x.getAge() > 27)                .sorted((a, b) -> a.getAge().compareTo(b.getAge()))                .limit(2)                .map(User::getName)                .collect(Collectors.toList());        //结果：[curry, sue]        System.out.println(collect);    }

**4.统计指定集合中，姓名相同的人中年龄最小的年龄**

@Test    public void testWork4() {
               List<User> userList = new ArrayList<User>() {
       {
                   add(new User("tom", 23));            add(new User("james", 30));            add(new User("james", 28));            add(new User("tom", 27));            add(new User("sue", 29));        }};        userList.stream().collect(Collectors.groupingBy(User::getName))                .forEach((name, list) -> {
                           User user = list.stream().sorted((a, b) -> a.getAge().compareTo(b.getAge())).findFirst().orElse(null);                    //结果：name:sue,age:29                    //     name:tom,age:23                    //     name:james,age:28                    System.out.println("name:" + name + ",age:" + user.getAge());                });    }
    大家喜欢这篇文章的话，请关注一下。

[6ec2092c1a1c45f8a06392a6838277fb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/289de2aee460427e87aaac2003ab4519.png
[05d13a2b054e4075bacdeafc937038fd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/1ea0d5dc114043d78a32bad1b6df121c.png
[a9d73bc093c1479cb4874d5d5ed2677c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/f0f68f83d582492ab129c000f6a46527.png