Java Stream 流高级使用全解

客官°小女子只卖身不卖艺 2022-12-30 15:52 547阅读 0赞

### Java Stream 流高级使用全解 ###

*   *  一 基本汇总
     *   *  1. 创建流
         *  2. 中间操作
         *  3. 终止操作
     *  二 经验累积
     *   *  1. 统计
         *   *  1.1 取最大值
             *  1.2 取最小值
             *  1.3 取总和值
             *  1.4 取平均值
         *  2. 过滤
         *   *  2.1 获取最近时间
         *  3. 排序
         *  3.1 根据字段排序
         *  4. 分组
         *   *  4.1 获取字段出现次数
             *  4.2 过滤并获取指定字段列表

![image-20201218222951165][]

Java 强大的 stream 流处理，必会！

> 无状态：指元素的处理不受之前元素的影响；
> 
> 有状态：指该操作只有拿到所有元素之后才能继续下去。
> 
> 非短路操作：指必须处理所有元素才能得到最终结果；
> 
> 短路操作：指遇到某些符合条件的元素就可以得到最终结果，如 A || B，只要A为true，则无需判断B的结果。

## 一 基本汇总 ##

### 1. 创建流 ###

**1.1 使用Collection下的 stream() 和 parallelStream() 方法**

List<String> list = new ArrayList<>();
    Stream<String> stream = list.stream(); //获取一个顺序流
    Stream<String> parallelStream = list.parallelStream(); //获取一个并行流

**1.2 使用Arrays 中的 stream() 方法，将数组转成流**

Integer[] nums = new Integer[10];
    Stream<Integer> stream = Arrays.stream(nums);

**1.3 使用Stream中的静态方法：of()、iterate()、generate()**

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

**1.4 使用 BufferedReader.lines() 方法，将每行内容转成流**

BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));
    Stream<String> lineStream = reader.lines();
    lineStream.forEach(System.out::println);

**1.5 使用 Pattern.splitAsStream() 方法，将字符串分隔成流**

Pattern pattern = Pattern.compile(",");
    Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
    stringStream.forEach(System.out::println);

### 2. 中间操作 ###

**2.1 筛选与切片**  
　　filter：过滤流中的某些元素  
　　limit(n)：获取n个元素  
　　skip(n)：跳过n元素，配合limit(n)可实现分页  
　　distinct：通过流中元素的 hashCode() 和 equals() 去除重复元素

Stream<Integer> stream = Stream.of(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14);
    Stream<Integer> newStream = stream.filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
        .distinct() //6 7 9 8 10 12 14
        .skip(2) //9 8 10 12 14
        .limit(2); //9 8
    newStream.forEach(System.out::println);

**2.2 映射**  
　　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。

List<String> list = Arrays.asList("a,b,c", "1,2,3");
    //将每个元素转成一个新的且不带逗号的元素
    Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
    s1.forEach(System.out::println); // abc 123
    Stream<String> s3 = 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;
    });
    s3.forEach(System.out::println); // a b c 1 2 3

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

List<String> list = Arrays.asList("aa", "ff", "dd");
    //String 类自身已实现Compareable接口
    list.stream().sorted().forEach(System.out::println);// aa dd ff
    Student s1 = new Student("aa", 10);
    Student s2 = new Student("bb", 20);
    Student s3 = new Student("aa", 30);
    Student s4 = new Student("dd", 40);
    List<Student> studentList = Arrays.asList(s1, s2, s3, s4);
    //自定义排序：先按姓名升序，姓名相同则按年龄升序
    studentList.stream().sorted(
        (o1, o2) -> { 
            if (o1.getName().equals(o2.getName())) { 
            	return o1.getAge() - o2.getAge();
            } else { 
            	return o1.getName().compareTo(o2.getName());
            }
        }
    ).forEach(System.out::println);

**2.4 消费**  
　　peek：如同于map，能得到流中的每一个元素。但map接收的是一个Function表达式，有返回值；而peek接收的是Consumer表达式，没有返回值。

Student s1 = new Student("aa", 10);
    Student s2 = new Student("bb", 20);
    List<Student> studentList = Arrays.asList(s1, s2);
    studentList.stream()
        .peek(o -> o.setAge(100))
        .forEach(System.out::println);
    //结果：
    Student{ name='aa', age=100}
    Student{ name='bb', age=100}

### 3. 终止操作 ###

**3.1 匹配、聚合操作**  
　　allMatch：接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回false  
　　noneMatch：接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回false  
　　anyMatch：接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回false  
　　findFirst：返回流中第一个元素  
　　findAny：返回流中的任意元素  
　　count：返回流中元素的总个数  
　　max：返回流中元素最大值  
　　min：返回流中元素最小值

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    boolean allMatch = list.stream().allMatch(e -> e > 10); //false
    boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true
    boolean anyMatch = list.stream().anyMatch(e -> e > 4); //true
    Integer findFirst = list.stream().findFirst().get(); //1
    Integer findAny = list.stream().findAny().get(); //1
    long count = list.stream().count(); //5
    Integer max = list.stream().max(Integer::compareTo).get(); //5
    Integer min = list.stream().min(Integer::compareTo).get(); //1

**3.2 规约操作**  
　　Optional reduce(BinaryOperator accumulator)：第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。  
　　T reduce(T identity, BinaryOperator accumulator)：流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。  
　　U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator combiner)：在串行流(stream)中，该方法跟第二个方法一样，即第三个参数combiner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样，而第三个参数combiner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。

//经过测试，当元素个数小于24时，并行时线程数等于元素个数，当大于等于24时，并行时线程数为16
    List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24);
    Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
    System.out.println(v); // 300
    Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
    System.out.println(v1); //310
    Integer v2 = list.stream().reduce(0,
        (x1, x2) -> { 
            System.out.println("stream accumulator: x1:" + x1 + " x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> { 
            System.out.println("stream combiner: x1:" + x1 + " x2:" + x2);
            return x1 * x2;
    });
    System.out.println(v2); // -300
    Integer v3 = list.parallelStream().reduce(0,
        (x1, x2) -> { 
            System.out.println("parallelStream accumulator: x1:" + x1 + " x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> { 
            System.out.println("parallelStream combiner: x1:" + x1 + " x2:" + x2);
            return x1 * x2;
    });
    System.out.println(v3); //197474048

**3.3 收集操作**

collect：接收一个Collector实例，将流中元素收集成另外一个数据结构。  
　　Collector<T, A, R> 是一个接口，有以下5个抽象方法：  
　　Supplier<A> supplier()：创建一个结果容器A  
　　BiConsumer<A, T> accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。  
　　BinaryOperator<A> combiner()：函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各 个子进程的运行结果(accumulator函数操作后的容器A)进行合并。  
　　Function<A, R> finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。  
　　Set<Characteristics> characteristics()：返回一个不可变的Set集合，用来表明该Collector的特征。有以下三个特征：  
　　CONCURRENT：表示此收集器支持并发。（官方文档还有其他描述，暂时没去探索，故不作过多翻译）  
　　UNORDERED：表示该收集操作不会保留流中元素原有的顺序。  
　　IDENTITY\_FINISH：表示finisher参数只是标识而已，可忽略。

**3.3.1 Collector 工具库：Collectors**

Student s1 = new Student("aa", 10, 1);
    Student s2 = new Student("bb", 20, 2);
    Student s3 = new Student("cc", 10, 3);
    List<Student> list = Arrays.asList(s1, s2, s3);
    //转成list
    List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10]
    //转成set
    Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10]
    //转成map,注:key不能相同，否则报错
    Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10}
    //字符串分隔符连接
    String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc)
    //【聚合操作】
    //1.学生总数
    Long count = list.stream().collect(Collectors.counting()); // 3
    //2.最大年龄 (最小的minBy同理)
    Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
    //3.所有人的年龄
    Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40
    //4.平均年龄
    Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334
    // 带上以上所有方法
    DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
    System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage());
    //分组
    Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
    //多重分组,先根据类型分再根据年龄分
    Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));
    //分区
    //分成两部分，一部分大于10岁，一部分小于等于10岁
    Map<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));
    //规约
    Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40

**3.3.2 Collectors.toList() 解析**

//toList 源码
    public static <T> Collector<T, ?, List<T>> toList() { 
        return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
                (left, right) -> { 
                    left.addAll(right);
                    return left;
                }, CH_ID);
    }
    
    //为了更好地理解，我们转化一下源码中的lambda表达式
    public <T> Collector<T, ?, List<T>> toList() { 
        Supplier<List<T>> supplier = () -> new ArrayList();
        BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
        BinaryOperator<List<T>> combiner = (list1, list2) -> { 
            list1.addAll(list2);
            return list1;
        };
        Function<List<T>, List<T>> finisher = (list) -> list;
        Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
    
        return new Collector<T, List<T>, List<T>>() { 
            @Override
            public Supplier supplier() { 
                return supplier;
            }
    
            @Override
            public BiConsumer accumulator() { 
                return accumulator;
            }
    
            @Override
            public BinaryOperator combiner() { 
                return combiner;
            }
    
            @Override
            public Function finisher() { 
                return finisher;
            }
    
            @Override
            public Set<Characteristics> characteristics() { 
                return characteristics;
            }
        };
    }

## 二 经验累积 ##

### 1. 统计 ###

#### 1.1 取最大值 ####

// List<Map>
    int max = list.stream().mapToInt(
    	m -> m.get("number") != null ? Integer.parseInt(m.get("number").toString()) : 0
    ).max().getAsInt();

#### 1.2 取最小值 ####

// List<Map>
    int min = list.stream().mapToInt(
        m -> m.get("number") != null ? Integer.parseInt(m.get("number").toString()) : 0
    ).min().getAsInt();

#### 1.3 取总和值 ####

// List<对象>
    (int)list.stream().mapToInt(n -> n.getClickNum()).summaryStatistics().getSum();
    (int)list.stream().mapToInt(n -> n.getReplyNum()).summaryStatistics().getSum();
    
    // List<Map>
    int sum = list.stream().mapToInt(
    	m -> m.get("number") != null ? Integer.parseInt(m.get("number").toString()) : 0
    ).sum();

#### 1.4 取平均值 ####

// List<Map>
    double avg = list.stream().mapToInt(
        m -> m.get("number") != null ? Integer.parseInt(m.get("number").toString()) : 0
    ).average().getAsDouble();

### 2. 过滤 ###

#### 2.1 获取最近时间 ####

long date = list.stream().filter(x -> x!=null).filter(y -> y.getNewReplyTime()!=null).mapToLong(n -> n.getNewReplyTime().getTime()).summaryStatistics().getMax();
    if(date>0) forumPlateVo.setNewReplyTime(new Date(date));

### 3. 排序 ###

### 3.1 根据字段排序 ###

// Comparator.comparing(排序字段) reversed() 倒序
    List list = list.stream().sorted(Comparator.comparing(ForumPlateVo::clickNum).reversed()).collect(Collectors.toList());
    
    //将 List<Map> 按照热力值进行倒序：Comparator.comparing(取元素值m) -> 转为整数 进而排序
    List<Map> list = (List<Map>) topList.stream().sorted(Comparator.comparing((Map<String, Object> m) -> (Integer.parseInt(m.get("heatvalue").toString()))).reversed()).collect(Collectors.toList());

### 4. 分组 ###

#### 4.1 获取字段出现次数 ####

// List<对象>
    int count = list.stream().collect(Collectors.groupingBy(ActivityLottery::getOpenId)).size();
    
    // List<Map>
    // 两列：去重的用户团标识和团中用户数量
    Map<Object, Long> ucMaps = list.stream().collect(Collectors.groupingBy(e -> e.get("usercliqueId"), Collectors.counting()));

#### 4.2 过滤并获取指定字段列表 ####

// List<Map>
    // 所有的用户团中的用户：.filter()过滤id相同的团、.map()取出映射的值、去重、组成List集合
    List<String> userIds = list.stream().filter(m -> ucId.toString().equals(m.get("usercliqueId").toString()))
        .map(m -> m.get("userId").toString()).distinct().collect(Collectors.toList());

[image-20201218222951165]: /images/20221120/c4732b01b48b426e85c48784b8a771cd.png