Java8-Stream API 详解

刺骨的言语ヽ痛彻心扉 2022-04-22 02:38 220阅读 0赞

# 摘要 #

Stream 作为 Java 8 的一大亮点，它与 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念。它也不同于 StAX 对 XML 解析的 Stream，也不是 Amazon Kinesis 对大数据实时处理的 Stream。Java 8 中的 Stream 是对集合（Collection）对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。Stream API 借助于同样新出现的 Lambda 表达式，极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。通常编写并行代码很难而且容易出错, 但使用 Stream API 无需编写一行多线程的代码，就可以很方便地写出高性能的并发程序。所以说，Java 8 中首次出现的 java.util.stream 是一个函数式语言+多核时代综合影响的产物。

# 简介 #

流（Stream）是数据通道，用于操作数据源（集合，数组等）所生成的元素序列  
“集合讲的的是数据，流讲的是计算”  
注意：  
 ① Stream不会存储元素  
 ② Stream不会改变源对象，相反他们会返回一个持有结果的新的Stream  
 ③ Stream操作是延迟执行的，这意味着他们等到需要结果的时候才会执行（惰性求值）

# Stream操作的三个步骤 #

1.  创建Stream  
    一个数据源（如：集合，数组）获取一个流
2.  中间操作  
    一个中间操作链，对数据源的数据进行处理
3.  终止操作（终端操作）  
    一个终止操作，执行中间操作链，并产生结果  
    ![在这里插入图片描述][20181101154751745.png]

## 一：创建Stream ##

1.  Collection提供了两个方法.stream()与paralleStream()

@org.junit.Test
    public void test4(){ 
        List<Integer> list = new ArrayList<>();
        Stream<Integer> stream = list.stream();//串行流
        Stream<Integer> integerStream = list.parallelStream();//并行流
    }

1.  通过Arrays中的Stream()获取一个数组流。

Integer[] integers ={ };
     Stream<Integer> stream1 = Arrays.stream(integers);

1.  通过Stream类中静态方法of()

Stream<String> stream2 = Stream.of("aaa", "bbb");

1.  创建无限流（无穷的数据）
    
    1.  生成
    
        //通过生成器产生5个10以内的随机数，如果不使用limit就会无限生成10以内随机数
        Stream.generate(() -> Math.random() * 10).limit(5).forEach(System.out::println);
        ----------输出--------
        0.8320556195819129
        6.260534125204207
        7.344094646332503
        0.18490598959698068
        6.392272744710005
    
    1.  迭代
    
        //通过迭代的方式（一元运算）生成5个数
        Stream.iterate(0,x->x+2).limit(5).forEach(System.out::println);
        -------------------输出------------
        0
        2
        4
        6
        8

## 二：中间操作 ##

> 多个中间操作可以连接起来形成一个流水线，除非流水线上触发终止操作，否则中间操作不会执行任何的处理，而在终止操作时一次性全部执行，称为“惰性求值”
> 
>     List<Integer> list = Arrays.asList(1,2,3,523,21,55);
>     Stream<Integer> stream3 = list.stream().filter(x -> { 
>     		 System.out.println("函数执行");
>     		 return x > 10;
>      // stream3.forEach(System.out::println);
> 
> 上面的代码没有终止操作，当你运行时不会打印任何东西

### ①筛选与切片 ###

1.  filter----接收Lambda，从流中排除某些元素

//filter()中需要使用断言型接口（Predicate）
    List<Integer> list = Arrays.asList(1,2,3,523,21,55);
    Stream<Integer> stream3 = list.stream().filter(x -> x > 10);
    stream3.forEach(System.out::println);

1.  limit----截断流，使其元素不超过给定数量

List<Integer> list = Arrays.asList(1,2,3,523,21,55);
    Stream<Integer> stream3 = list.stream().limit(3);
    stream3.forEach(System.out::println);
    --------------------输出---------------------
    1
    2
    3

1.  skip----跳过元素返回一个抛弃了前n个元素的流，若流中元素不满足n个，则返回一个空流，与limit形成互补

List<Integer> list = Arrays.asList(1,2,3,523,21,55);
    Stream<Integer> stream3 = list.stream().skip(3);
    stream3.forEach(System.out::println);
    --------------------输出---------------------
    523
    21
    55

1.  distinct----筛选，通过流所所生成元素的hashCode()和equals()去除重复元素

List<Integer> list = Arrays.asList(1,2,3,3,2,4);
      Stream<Integer> stream3 = list.stream().distinct();
      stream3.forEach(System.out::println);
      --------------------输出---------------------
      1
      2
      3
      4

注意：自定义的实体类使用distinct去重时，一定要先重写hashCode()和equals()

### ②映射 ###

1.  map----接收Lambda，将元素转换为其他形式或提取信息时，接收一个函数作为参数，该函数被应用到每个元素上，并将其映射成一个新的元素
    
        //map()里面使用函数型接口（Function）
        List<String> list = Arrays.asList("aa","bb","cc");
        Stream<String> stream3 = list.stream().map(String::toUpperCase);
        stream3.forEach(System.out::println);
        ----------------------输出-----------------------
        AA
        BB
        CC
        ------------------------------------------------
        集合里的每一个元素都会使用到String.toUpperCase（）方法
        它是以aa作为一个元素,bb作为一个元素
2.  flatMap----接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接一个流
    
        List<String> list = Arrays.asList("aa","bb","cc");
               Stream<String> stream3 = list.stream().flatMap(l -> { 
                   String[] strings = l.split("");
                   return Arrays.stream(strings);
               });
        stream3.forEach(System.out::println);
        -------------------输出-----------
        a
        a
        b
        b
        c
        c
        -----------------------------------------------
        flatMap将原来的流转换为一个新的流并且，是以每一个值为单位的
    
    > ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1lDSl94aXlhbmc_size_16_color_FFFFFF_t_70]

### ③排序 ###

1.  sorted() 自然排序 按照Comparable的方式
    
        List<String> list = Arrays.asList("aa","cc","bb");
        Stream<String> stream3 = list.stream().sorted();
        stream3.forEach(System.out::println);
        ---------------输出-----------
        aa
        bb
        cc
2.  sorted( Comparator com)定制排序
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
         Stream<Integer> stream3 = list.stream().sorted(Integer::compare);
         stream3.forEach(System.out::println);
         --------------输出--------------
         1
         2
         3
         3
         6
         8
         9

## 终止操作 ##

### ①查找与匹配 ###

1.  allMatch----检查是否匹配所有元素
    
        //allMatch()里面的时断言型接口(Predicate)
         List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
         boolean b = list.stream().allMatch(x -> x > 3);
         System.out.println(b);
         ------------------输出--------------------
         false
         //因为不是所有的数都大于3
2.  anyMatch----检查是否有匹配至少一个元素
    
        //anyMatch()里面的时断言型接口(Predicate)
         List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
         boolean b = list.stream().anyMatch(x -> x > 3);
         System.out.println(b);
          ------------------输出--------------------
         true
         //只要有大于3的数就返回true
3.  noneMatch----检查是否没有匹配的元素
    
        //noneMatch()里面的时断言型接口(Predicate)
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
        boolean b = list.stream().noneMatch(x -> x > 3);
        System.out.println(b);
         ------------------输出--------------------
         false
         //双重否定，返回false就是有匹配的元素
4.  findFirst----返回第一个元素
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
        Optional<Integer> first = list.stream().findFirst();
        System.out.println(first.get());
        -----------------输出----------------
        1
5.  findAny----返回当前流中的任意一元素
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
        Optional<Integer> first = list.stream().findAny();
        System.out.println(first.get());
        -----------------输出----------------
        1
6.  count-----返回流中元素的总数
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
        long count = list.stream().count();
        System.out.println(count);
        -----------------输出----------------
        7
7.  max----返回流中最大值
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
         Optional<Integer> max = list.stream().max(Integer::compareTo);
         System.out.println(max.get());
         -----------------输出----------------
        9
8.  min----返回流中的最小值
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
        Optional<Integer> min = list.stream().min(Integer::compareTo);
        System.out.println(min.get());
         -----------------输出----------------
        1
9.  forEach----遍历流中的元素
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
         list.stream().forEach(System.out::println);
         -----------------输出----------------
        1
        3
        2
        6
        8
        3
        9
        //注意：forEach的迭代操作是由Stream API完成的称为内部迭代
        //借助于iterator的方式为外部迭代

### ②归约 ###

1.  reduce(T identity,BinaryOperator)—可以将流中元素反复结合起来得到一个值，返回T
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
         Integer reduce = list.stream().reduce(0, (x, y) -> x + y);
         System.out.println(reduce);
         -----------------输出----------------
         32
         //根据2元运算将所有的数加起来
         //首先以0为x，1为y，结果为1，然后1为x，取3为y，结果为4，以4为x...以此类推
2.  reduce(BinaryOpreator)----可以将流中元素反复结合起来，返回Optional< T >
    
        List<Integer> list = Arrays.asList(1,3,2,6,8,3,9);
         Optional<Integer> reduce = list.stream().reduce((x, y) -> x + y);
         System.out.println(reduce.get());
          -----------------输出----------------
         32
         //原理同上，只是这里没有初始值，直接取1为x
         //所以ist就有可能为空，当返回的值可能为空时，结果存储在Optional容器中,避免空指针异常

### ③收集 ###

collect----将流转换为其他形式，接收一个Collector接口的实现，用于给Stream中元素做汇总的方法

> Colloector 接口中方法的实现决定了如何对流执行手机操作（如收集到List、Set、Map中）但是Collectots实用类提供了很多静态方法，可以方便的创建常见收集器实例

接下来进行详细介绍  
首先创建一个实体类

public class User { 
        private String name;
        private Integer age;
        private double salary;
    
        public User(String name, Integer age, double salary) { 
            this.name = name;
            this.age = age;
            this.salary = salary;
        }
    
        public String getName() { 
            return name;
        }
    
        public void setName(String name) { 
            this.name = name;
        }
    
        public Integer getAge() { 
            return age;
        }
    
        public void setAge(Integer age) { 
            this.age = age;
        }
    
        public double getSalary() { 
            return salary;
        }
    
        public void setSalary(double salary) { 
            this.salary = salary;
        }
    
        @Override
        public String toString() { 
            return "User{" +
                    "name='" + name + '\'' +
                    ", age=" + age +
                    ", salary=" + salary +
                    '}';
        }
    
        @Override
        public boolean equals(Object o) { 
            if (this == o) return true;
            if (o == null || getClass() != o.getClass()) return false;
            User user = (User) o;
            return Double.compare(user.salary, salary) == 0 &&
                    Objects.equals(name, user.name) &&
                    Objects.equals(age, user.age);
        }
    
        @Override
        public int hashCode() { 
            return Objects.hash(name, age, salary);
        }
    }

在测试类中准备好数据

public class StreamTest { 
    	 List<User> user = Arrays.asList(new User("张三",12,1000.00),
                                        new User ("李四",32,4000),
                                        new User ("王五",40,4000),
                                        new User ("王五",40,4000));
    }

1.  根据名称生成一个新的List

List<String> list = user.stream().map(User::getName).collect(Collectors.toList());
     list.forEach(System.out::println);
     -----------------输出--------------
     张三
     李四
     王五
     王五

1.  根据名称生成一个新的Set

Set<String> set = user.stream().map(User::getName).collect(Collectors.toSet());
     set.forEach(System.out::println);
     -----------------输出--------------
     张三
     李四
     王五

1.  根据名称生成一个新的HashSet

HashSet<String> hashSet = user.stream().map(User::getName).collect(Collectors.toCollection(HashSet::new));
     hashSet.forEach(System.out::println);
     -----------------输出--------------
     李四
     张三
     王五

1.  获取流中的元素总数

Long count = user.stream().collect(Collectors.counting());
    System.out.println(count);
    -----------------输出--------------
    4

1.  根据工资获取平均值

Double avg = user.stream().collect(Collectors.averagingDouble(User::getSalary));
    System.out.println(avg);
    -----------------输出--------------
    3250.0

1.  根据工资获取总和

Double sum = user.stream().collect(Collectors.summingDouble(User::getSalary));
    System.out.println(sum);
    -----------------输出--------------
    13000.0

1.  根据工资获取组函数

DoubleSummaryStatistics sum = user.stream().collect(Collectors.summarizingDouble(User::getSalary));
     System.out.println(sum);
     -----------------输出--------------
     DoubleSummaryStatistics{ count=4, sum=13000.000000, min=1000.000000, average=3250.000000, max=4000.000000}

1.  根据工资获取最大值

Optional<User> max = user.stream().collect(Collectors.maxBy(Comparator.comparingDouble(User::getSalary)));
     System.out.println(max.get());
     -----------------输出--------------
     User{ name='李四', age=32, salary=4000.0}

1.  根据工资获取最小值

Optional<User> min = user.stream().collect(Collectors.minBy(Comparator.comparingDouble(User::getSalary)));
     System.out.println(min.get());
     -----------------输出--------------
     User{ name='张三', age=12, salary=1000.0}

1.  分组

Map<Double, List<User>> map = user.stream().collect(Collectors.groupingBy(User::getSalary));
    System.out.println(map);
    -----------------输出--------------
    { 4000.0=[User{ name='李四', age=32, salary=4000.0}, User{ name='王五', age=40, salary=4000.0}, User{ name='王五', age=40, salary=4000.0}], 1000.0=[User{ name='张三', age=12, salary=1000.0}]}

1.  多级分组

Map<Double, Map<String, List<User>>> collect = user.stream().collect(Collectors.groupingBy(User::getSalary, Collectors.groupingBy(
                    u -> { 
                        if ( u.getAge() <= 12) { 
                            return "青年";
                        } else if ( u.getAge() <= 32) { 
                            return "中年";
                        } else { 
                            return "老年";
                        }
                    }
            )));
    System.out.println(collect);    
    -----------------输出--------------    
    { 4000.0={ 老年=[User{ name='王五', age=40, salary=4000.0}, User{ name='王五', age=40, salary=4000.0}], 中年=[User{ name='李四', age=32, salary=4000.0}]}, 1000.0={ 青年=[User{ name='张三', age=12, salary=1000.0}]}}

1.  分区

Map<Boolean, List<User>> collect1 = user.stream().collect(Collectors.partitioningBy(e -> e.getSalary() > 3000));
    System.out.println(collect1);
    -----------------输出--------------   
    { false=[User{ name='张三', age=12, salary=1000.0}], true=[User{ name='李四', age=32, salary=4000.0}, User{ name='王五', age=40, salary=4000.0}, User{ name='王五', age=40, salary=4000.0}]}

1.  连接

String s = user.stream().map(User::getName).collect(Collectors.joining("--"));
    System.out.println(s);
    -----------------输出--------------
    张三--李四--王五--王五

[20181101154751745.png]: /images/20220422/5a502627a1564368ad4d897bf9cbadc9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L1lDSl94aXlhbmc_size_16_color_FFFFFF_t_70]: /images/20220422/5ff613f9982a4e79823bfb63bd4e4fa8.png