代码技巧(2)之Java8 Stream，玩转集合的筛选、归约、分组、聚合

以你之姓@ 2022-12-20 12:55 91阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70][]

# 1 Stream概述 #

Java 8 是一个非常成功的版本，这个版本新增的`Stream`，配合同版本出现的 `Lambda` ，给我们操作集合（Collection）提供了极大的便利。

那么什么是`Stream`？

`Stream`将要处理的元素集合看作一种流，在流的过程中，借助`Stream API`对流中的元素进行操作，比如：筛选、排序、聚合等。

`Stream`可以由数组或集合创建，对流的操作分为两种：

1.  中间操作，每次返回一个新的流，可以有多个。
2.  终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。

另外，`Stream`有几个特性：

1.  stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。
2.  stream不会改变数据源，通常情况下会产生一个新的集合或一个值。
3.  stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。

# 2 Stream的创建 #

`Stream`可以通过集合数组创建。

1、通过 `java.util.Collection.stream()` 方法用集合创建流

List<String> list = Arrays.asList("a", "b", "c");
    // 创建一个顺序流
    Stream<String> stream = list.stream();
    // 创建一个并行流
    Stream<String> parallelStream = list.parallelStream();

2、使用`java.util.Arrays.stream(T[] array)`方法用数组创建流

int[] array={1,3,5,6,8};
    IntStream stream = Arrays.stream(array);

3、使用`Stream`的静态方法：`of()、iterate()、generate()`

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);
    
    Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
    stream2.forEach(System.out::println); // 0 2 4 6 8 10
    
    Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
    stream3.forEach(System.out::println);

输出结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 1][]

`stream`和`parallelStream`的简单区分： `stream`是顺序流，由主线程按顺序对流执行操作，而`parallelStream`是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数，两者的处理不同之处：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 2][]

如果流中的数据量足够大，并行流可以加快处速度。

除了直接创建并行流，还可以通过`parallel()`把顺序流转换成并行流：

Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();

# 3 Stream的使用 #

在使用stream之前，先理解一个概念：`Optional` 。

Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true，调用get()方法会返回该对象。
    更详细说明请见：https://www.runoob.com/java/java8-optional-class.html

接下来，大批代码向你袭来！我将用20个案例将Stream的使用整得明明白白，只要跟着敲一遍代码，就能很好地掌握。

这是后面案例中使用的员工类：

List<Person> personList = new ArrayList<Person>();
    personList.add(new Person("Tom", 8900, "male", "New York"));
    personList.add(new Person("Jack", 7000, "male", "Washington"));
    personList.add(new Person("Lily", 7800, "female", "Washington"));
    personList.add(new Person("Anni", 8200, "female", "New York"));
    personList.add(new Person("Owen", 9500, "male", "New York"));
    personList.add(new Person("Alisa", 7900, "female", "New York"));
    
    class Person {
     private String name;  // 姓名
     private int salary; // 薪资
     private int age; // 年龄
     private String sex; //性别
     private String area;  // 地区
    
     // 构造方法
     public Person(String name, int salary, int age,String sex,String area) {
      this.name = name;
      this.salary = salary;
      this.age = age;
      this.sex = sex;
      this.area = area;
     }
     // 省略了get和set，请自行添加
    
    }

## 3.1 遍历/匹配（foreach/find/match） ##

`Stream`也是支持类似集合的遍历和匹配元素的，只是`Stream`中的元素是以`Optional`类型存在的。`Stream`的遍历、匹配非常简单。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 3][]

// import已省略，请自行添加，后面代码亦是
    
    public class StreamTest {
     public static void main(String[] args) {
            List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
    
            // 遍历输出符合条件的元素
            list.stream().filter(x -> x > 6).forEach(System.out::println);
            // 匹配第一个
            Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
            // 匹配任意（适用于并行流）
            Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
            // 是否包含符合特定条件的元素
            boolean anyMatch = list.stream().anyMatch(x -> x < 6);
            System.out.println("匹配第一个值：" + findFirst.get());
            System.out.println("匹配任意一个值：" + findAny.get());
            System.out.println("是否存在大于6的值：" + anyMatch);
        }
    }

## 3.2 筛选（filter） ##

筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 4][]

案例一：筛选出`Integer`集合中大于7的元素，并打印出来

public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
      Stream<Integer> stream = list.stream();
      stream.filter(x -> x > 7).forEach(System.out::println);
     }
    }

预期结果：

![20201112181045286.png][]

案例二：筛选员工中工资高于8000的人，并形成新的集合。 形成新集合依赖`collect`（收集），后文有详细介绍。

运行结果：

![2020111218111641.png][]

## 3.3 聚合（max/min/count) ##

`max`、`min`、`count`这些字眼你一定不陌生，没错，在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 5][]

案例一：获取`String`集合中最长的元素。

public class StreamTest {
     public static void main(String[] args) {
      List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
    
      Optional<String> max = list.stream().max(Comparator.comparing(String::length));
      System.out.println("最长的字符串：" + max.get());
     }
    }

输出结果：

![20201112181213560.png][]

案例二：获取`Integer`集合中的最大值。

public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
    
      // 自然排序
      Optional<Integer> max = list.stream().max(Integer::compareTo);
      // 自定义排序
      Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
       @Override
       public int compare(Integer o1, Integer o2) {
        return o1.compareTo(o2);
       }
      });
      System.out.println("自然排序的最大值：" + max.get());
      System.out.println("自定义排序的最大值：" + max2.get());
     }
    }

输出结果：

![20201112181243141.png][]

案例三：获取员工工资最高的人。

输出结果：

![20201112181310995.png][]

案例四：计算`Integer`集合中大于6的元素的个数。

import java.util.Arrays;
    import java.util.List;
    
    public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
    
      long count = list.stream().filter(x -> x > 6).count();
      System.out.println("list中大于6的元素个数：" + count);
     }
    }

输出结果：

![20201112181348772.png][]

## 3.4 映射(map/flatMap) ##

映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为`map`和`flatMap`：

*  `map`：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
 *  `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，然后把所有流连接成一个流。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 6][]

public class StreamTest {
     public static void main(String[] args) {
      String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
      List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());
    
      List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
      List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
    
      System.out.println("每个元素大写：" + strList);
      System.out.println("每个元素+3：" + intListNew);
     }
    }

输出结果：

![20201112181447612.png][]

案例二：将员工的薪资全部增加1000。

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
      personList.add(new Person("Anni", 8200, 24, "female", "New York"));
      personList.add(new Person("Owen", 9500, 25, "male", "New York"));
      personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
      // 不改变原来员工集合的方式
      List<Person> personListNew = personList.stream().map(person -> {
       Person personNew = new Person(person.getName(), 0, 0, null, null);
       personNew.setSalary(person.getSalary() + 10000);
       return personNew;
      }).collect(Collectors.toList());
      System.out.println("一次改动前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
      System.out.println("一次改动后：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());
    
      // 改变原来员工集合的方式
      List<Person> personListNew2 = personList.stream().map(person -> {
       person.setSalary(person.getSalary() + 10000);
       return person;
      }).collect(Collectors.toList());
      System.out.println("二次改动前：" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary());
      System.out.println("二次改动后：" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary());
     }
    }

输出结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 7][]

案例三：将两个字符数组合并成一个新的字符数组。

public class StreamTest {
     public static void main(String[] args) {
      List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
      List<String> listNew = list.stream().flatMap(s -> {
       // 将每个元素转换成一个stream
       String[] split = s.split(",");
       Stream<String> s2 = Arrays.stream(split);
       return s2;
      }).collect(Collectors.toList());
    
      System.out.println("处理前的集合：" + list);
      System.out.println("处理后的集合：" + listNew);
     }
    }

输出结果：

![20201112181555826.png][]

## 3.5 归约(reduce) ##

归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

![20201112181617595.png][]

案例一：求`Integer`集合的元素之和、乘积和最大值。

public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
      // 求和方式1
      Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
      // 求和方式2
      Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
      // 求和方式3
      Integer sum3 = list.stream().reduce(0, Integer::sum);
      
      // 求乘积
      Optional<Integer> product = list.stream().reduce((x, y) -> x * y);
    
      // 求最大值方式1
      Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
      // 求最大值写法2
      Integer max2 = list.stream().reduce(1, Integer::max);
    
      System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
      System.out.println("list求积：" + product.get());
      System.out.println("list求和：" + max.get() + "," + max2);
     }
    }

输出结果：

![20201112181647980.png][]

案例二：求所有员工的工资之和和最高工资。

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
      personList.add(new Person("Anni", 8200, 24, "female", "New York"));
      personList.add(new Person("Owen", 9500, 25, "male", "New York"));
      personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
      // 求工资之和方式1：
      Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
      // 求工资之和方式2：
      Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
        (sum1, sum2) -> sum1 + sum2);
      // 求工资之和方式3：
      Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
    
      // 求最高工资方式1：
      Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
        Integer::max);
      // 求最高工资方式2：
      Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
        (max1, max2) -> max1 > max2 ? max1 : max2);
    
      System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
      System.out.println("最高工资：" + maxSalary + "," + maxSalary2);
     }
    }

输出结果：

![20201112181711151.png][]

## 3.6 收集(collect) ##

`collect`，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。`collect`主要依赖`java.util.stream.Collectors`类内置的静态方法。

### 3.6.1 归集(toList/toSet/toMap) ###

因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。`toList`、`toSet`和`toMap`比较常用，另外还有`toCollection`、`toConcurrentMap`等复杂一些的用法。

下面用一个案例演示`toList`、`toSet`和`toMap`：

public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
      List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
      Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());
    
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
      personList.add(new Person("Anni", 8200, 24, "female", "New York"));
      
      Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
        .collect(Collectors.toMap(Person::getName, p -> p));
      System.out.println("toList:" + listNew);
      System.out.println("toSet:" + set);
      System.out.println("toMap:" + map);
     }
    }

运行结果：

![20201112181814821.png][]

### 3.6.2 统计(count/averaging) ###

`Collectors`提供了一系列用于数据统计的静态方法：

*  计数：`count`
 *  平均值：`averagingInt`、`averagingLong`、`averagingDouble`
 *  最值：`maxBy`、`minBy`
 *  求和：`summingInt`、`summingLong`、`summingDouble`
 *  统计以上所有：`summarizingInt`、`summarizingLong`、`summarizingDouble`

案例：统计员工人数、平均工资、工资总额、最高工资。

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    
      // 求总数
      Long count = personList.stream().collect(Collectors.counting());
      // 求平均工资
      Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
      // 求最高工资
      Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
      // 求工资之和
      Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
      // 一次性统计所有信息
      DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
    
      System.out.println("员工总数：" + count);
      System.out.println("员工平均工资：" + average);
      System.out.println("员工工资总和：" + sum);
      System.out.println("员工工资所有统计：" + collect);
     }
    }

运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 8][]

### 3.6.3 分组(partitioningBy/groupingBy) ###

*  分区：将`stream`按条件分为两个`Map`，比如员工按薪资是否高于8000分为两部分。
 *  分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 9][]

案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, "male", "New York"));
      personList.add(new Person("Jack", 7000, "male", "Washington"));
      personList.add(new Person("Lily", 7800, "female", "Washington"));
      personList.add(new Person("Anni", 8200, "female", "New York"));
      personList.add(new Person("Owen", 9500, "male", "New York"));
      personList.add(new Person("Alisa", 7900, "female", "New York"));
    
      // 将员工按薪资是否高于8000分组
            Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
            // 将员工按性别分组
            Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
            // 将员工先按性别分组，再按地区分组
            Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
            System.out.println("员工按薪资是否大于8000分组情况：" + part);
            System.out.println("员工按性别分组情况：" + group);
            System.out.println("员工按性别、地区：" + group2);
     }
    }

输出结果：

员工按薪资是否大于8000分组情况：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
    员工按性别分组情况：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
    员工按性别、地区：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}

### 3.6.4 接合(joining) ###

`joining`可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

运行结果：

![20201112182046427.png][]

### 3.6.5 归约(reducing) ###

`Collectors`类提供的`reducing`方法，相比于`stream`本身的`reduce`方法，增加了对自定义归约的支持。

运行结果：

![2020111218214760.png][]

## 3.7 排序(sorted) ##

sorted，中间操作。有两种排序：

*  sorted()：自然排序，流中元素需实现Comparable接口
 *  sorted(Comparator com)：Comparator排序器自定义排序

案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
    
      personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
      personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
      personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 8800, 26, "male", "New York"));
      personList.add(new Person("Alisa", 9000, 26, "female", "New York"));
    
      // 按工资增序排序
      List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
        .collect(Collectors.toList());
      // 按工资倒序排序
      List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
        .map(Person::getName).collect(Collectors.toList());
      // 先按工资再按年龄自然排序（从小到大）
      List<String> newList3 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
        .map(Person::getName).collect(Collectors.toList());
      // 先按工资再按年龄自定义排序（从大到小）
      List<String> newList4 = personList.stream().sorted((p1, p2) -> {
       if (p1.getSalary() == p2.getSalary()) {
        return p2.getAge() - p1.getAge();
       } else {
        return p2.getSalary() - p1.getSalary();
       }
      }).map(Person::getName).collect(Collectors.toList());
    
      System.out.println("按工资自然排序：" + newList);
      System.out.println("按工资降序排序：" + newList2);
      System.out.println("先按工资再按年龄自然排序：" + newList3);
      System.out.println("先按工资再按年龄自定义降序排序：" + newList4);
     }
    }

## 3.8 提取/组合 ##

流也可以进行合并、去重、限制、跳过等操作。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 10][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 11][]

public class StreamTest {
     public static void main(String[] args) {
      String[] arr1 = { "a", "b", "c", "d" };
      String[] arr2 = { "d", "e", "f", "g" };
    
      Stream<String> stream1 = Stream.of(arr1);
      Stream<String> stream2 = Stream.of(arr2);
      // concat:合并两个流 distinct：去重
      List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
      // limit：限制从流中获得前n个数据
      List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
      // skip：跳过前n个数据
      List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
    
      System.out.println("流合并：" + newList);
      System.out.println("limit：" + collect);
      System.out.println("skip：" + collect2);
     }
    }

运行结果：

![20201112185630544.png][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70]: /images/20221120/fc19e73ba45741e1918fd2162a5cc9b5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 1]: /images/20221120/0f2114c532e54215b0f87d43456bd8ed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 2]: /images/20221120/75d34d3143f24082943d026460ffe6e1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 3]: /images/20221120/0b44b604e8d343a0b6b865b043f60a1f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 4]: /images/20221120/3209a6d450af44faabc7ecd7b81e2eea.png
[20201112181045286.png]: /images/20221120/fce39ce8c33743dfb6be13dd36d44279.png
[2020111218111641.png]: /images/20221120/f2e3da7049214d2c8914883f633dbe2c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 5]: /images/20221120/b8a60d76a5094b9dbd7f5ee6b923ba31.png
[20201112181213560.png]: /images/20221120/585c59d40a324a77905fa98abcf85921.png
[20201112181243141.png]: /images/20221120/9dbc16a6a13a4a098241b8e76a137fc0.png
[20201112181310995.png]: /images/20221120/12a7db0d79834f4dab8a2eed5537cfaf.png
[20201112181348772.png]: /images/20221120/afea70115e624c3b814df0cecedf2926.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 6]: /images/20221120/cb59c2e39626450a9e87fde99aa0b4b2.png
[20201112181447612.png]: /images/20221120/d9b40a72e9874c4f8e1c219f2afc44ab.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 7]: /images/20221120/9dfbd595a0ed4282bdce3a1865240759.png
[20201112181555826.png]: /images/20221120/bd480a44e0334625b5f82bea6e778ac2.png
[20201112181617595.png]: /images/20221120/460b6276c908421e85f8cd6eab17a51a.png
[20201112181647980.png]: /images/20221120/25f81a1a24914b01b4160e8a2d420630.png
[20201112181711151.png]: /images/20221120/7a3ba74219f2440b95ee0d65700bbee7.png
[20201112181814821.png]: /images/20221120/1816651d2738437888336885a8265b23.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 8]: /images/20221120/70e81e40fb304f1187417234aea3a426.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/2020111218192746.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM=,size_16,color_FFFFFF,t_70
[20201112182046427.png]: https://img-blog.csdnimg.cn/20201112182046427.png
[2020111218214760.png]: https://img-blog.csdnimg.cn/2020111218214760.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20201112182336581.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM=,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20201112182350398.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pva2VNcWM=,size_16,color_FFFFFF,t_70
[20201112185630544.png]: https://img-blog.csdnimg.cn/20201112185630544.png