java8里如何使用流？《Java8 实战》读书笔记第 5 章使用流

心已赠人 2024-03-22 20:19 64阅读 0赞

#### 目录 ####

*  第 5 章 使用流
 *   *  5.1 筛选和切片
     *   *  5.1.1 用谓词筛选（filter）
         *  5.1.2　筛选各异的元素（distinct）
         *  5.1.3　截短流（limit）
         *  5.1.4　跳过元素（skip）
     *  5.2　映射（map，flatMap）
     *   *  5.2.1　对流中每一个元素应用函数（map）
         *  5.2.2　流的扁平化（flatMap）
     *  5.3　查找和匹配
     *   *  5.3.1　检查谓词是否至少匹配一个元素（anyMatch）
         *  5.3.2　检查谓词是否匹配所有元素（allMatch、noneMatch）
         *  5.3.3　查找元素（findAny）
         *  5.3.4　查找第一个元素（findFirst）
     *  5.4　归约
     *   *  5.4.1　元素求和（reduce）
         *  5.4.2　最大值和最小值（reduce）
         *  5.4.3 统计个数（reduce、count）
     *  5.5　付诸实践
     *   *  代码清单5-1　找出2011年的所有交易并按交易额排序（从低到高）
         *  代码清单5-2　交易员都在哪些不同的城市工作过
         *  代码清单5-3　查找所有来自于剑桥的交易员，并按姓名排序
         *  代码清单5-4　返回所有交易员的姓名字符串，按字母顺序排序
         *  代码清单5-5　有没有交易员是在米兰工作的
         *  代码清单5-6　打印生活在剑桥的交易员的所有交易额
         *  代码清单5-7　所有交易中，最高的交易额是多少
         *  代码清单5-8　找到交易额最小的交易
     *  5.6　数值流
     *   *  引入背景：
         *  5.6.1　原始类型流特化（mapToInt、mapToDouble、mapToLong）
         *  5.6.2　数值范围（rangeClosed，range）
         *  5.6.3　数值流应用：勾股数
     *  5.7　构建流
     *   *  5.7.1　由值创建流（Stream.of）
         *  5.7.2　由数组创建流（Arrays.stream）
         *  5.7.3　由文件生成流（Files.lines）
         *  5.7.4　由函数生成流：创建无限流（Stream.iterate、Stream.generate）
         *  5.7.5　由集合创建流（list.stream()）

## 第 5 章 使用流 ##

### 5.1 筛选和切片 ###

#### 5.1.1 用谓词筛选（filter） ####

Streams接口支持filter方法。该操作会接受一个谓词作为参数，并返回一个包括所有符合谓词的元素的流。

Stream<T> filter(Predicate<? super T> predicate);

List<Dish> vegetarianMenu = menu.stream()
                                    .filter(Dish::isVegetarian)    ←─方法引用检查菜肴是否适合素食者
                                    .collect(toList());

#### 5.1.2　筛选各异的元素（distinct） ####

流还支持一个叫作distinct的方法，它会返回一个元素各异（根据流所生成元素的hashCode和equals方法实现）的流

List<Integer> numbers = Arrays.asList(1, 2, 1, 3, 3, 2, 4);
    numbers.stream()
           .filter(i -> i % 2 == 0)
           .distinct()
           .forEach(System.out::println);

#### 5.1.3　截短流（limit） ####

流支持limit(n)方法，该方法会返回一个不超过给定长度的流。

Stream<T> limit(long maxSize);

List<Dish> dishes = menu.stream()
                            .filter(d -> d.getCalories() > 300)
                            .limit(3)
                            .collect(toList());

#### 5.1.4　跳过元素（skip） ####

流还支持skip(n)方法，返回一个扔掉了前n个元素的流。如果流中元素不足n个，则返回一个空流。

Stream<T> skip(long n);

List<Dish> dishes = menu.stream()
                            .filter(d -> d.getCalories() > 300)
                            .skip(2)
                            .collect(toList());

### 5.2　映射（map，flatMap） ###

一个非常常见的数据处理套路就是从某些对象中选择信息。比如在SQL里，你可以从表中选择一列。Stream API也通过map和flatMap方法提供了类似的工具。

#### 5.2.1　对流中每一个元素应用函数（map） ####

流支持map方法，它会接受一个函数作为参数。这个函数会被应用到每个元素上，并将其映射成一个新的元素（使用映射一词，是因为它和转换类似，但其中的细微差别在于它是“创建一个新版本”而不是去“修改”）。

<R> Stream<R> map(Function<? super T, ? extends R> mapper);

List<Integer> dishNameLengths = menu.stream()
                                        .map(Dish::getName)
                                        .map(String::length)
                                        .collect(toList());

#### 5.2.2　流的扁平化（flatMap） ####

<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);

给定单词列表["Hello","World"]，你想要返回列表["H","e","l", "o","W","r","d"]。
    List<String> uniqueCharacters =
        words.stream()
             .map(w -> w.split(""))      ←─将每个单词转换为由其字母构成的数组
             .flatMap(Arrays::stream)    ←─将各个生成流扁平化为单个流
             .distinct()
             .collect(Collectors.toList());

一言以蔽之，flatmap方法把一个流中的每个值都换成另一个流，然后把所有的流连接起来成为一个流。

为巩固对于map和flatMap的理解，如下测试：

给定[1, 2, 3, 4, 5]，应该返回[1, 4, 9, 16, 25]。
    
    List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
    List<Integer> squares =
        numbers.stream()
               .map(n -> n * n)
               .collect(toList());

例如，给定列表[1, 2, 3]和列表[3, 4]，应该返回[(1, 3), (1, 4), (2, 3), (2, 4), (3, 3), (3, 4)]。
    
    List<Integer> numbers1 = Arrays.asList(1, 2, 3);
    List<Integer> numbers2 = Arrays.asList(3, 4);
    List<int[]> pairs =
        numbers1.stream()
                .flatMap(i -> numbers2.stream().map(j -> new int[]{
        i, j}))
                .collect(toList());

如何扩展前一个例子，只返回总和能被3整除的数对呢？例如(2, 4)和(3, 3)是可以的。
    
    List<Integer> numbers1 = Arrays.asList(1, 2, 3);
    List<Integer> numbers2 = Arrays.asList(3, 4);
    List<int[]> pairs =
        numbers1.stream()
                .flatMap(i ->numbers2.stream()
                                   .filter(j -> (i + j) % 3 == 0)
                                   .map(j -> new int[]{
        i, j}))
                .collect(toList());

### 5.3　查找和匹配 ###

#### 5.3.1　检查谓词是否至少匹配一个元素（anyMatch） ####

anyMatch方法可以回答“流中是否有一个元素能**匹配**给定的谓词”。比如，你可以用它来看看菜单里面是否有素食可选择：

boolean anyMatch(Predicate<? super T> predicate);

if(menu.stream().anyMatch(Dish::isVegetarian)){
        
        System.out.println("The menu is (somewhat) vegetarian friendly!!");
    }

#### 5.3.2　检查谓词是否匹配所有元素（allMatch、noneMatch） ####

allMatch方法的工作原理和anyMatch类似，但它会看看流中的元素是否都能匹配给定的谓词。

boolean allMatch(Predicate<? super T> predicate);

boolean isHealthy = menu.stream().allMatch(d -> d.getCalories() < 1000);

和allMatch相对的是noneMatch。它可以确保流中没有任何元素与给定的谓词匹配。

boolean noneMatch(Predicate<? super T> predicate);

boolean isHealthy = menu.stream().noneMatch(d -> d.getCalories() >= 1000);

anyMatch、allMatch和noneMatch这三个操作都用到了我们所谓的短路，这就是大家熟悉的Java中`&&`和`||`运算符短路在流中的版本。

**短路操作：**  
allMatch、anyMatch、noneMatch、findFirst、findAny、limit

#### 5.3.3　查找元素（findAny） ####

findAny方法将返回当前流中的任意元素。

Optional<T> findAny();

Optional<Dish> dish =
        menu.stream()
            .filter(Dish::isVegetarian)
            .findAny();

#### 5.3.4　查找第一个元素（findFirst） ####

Optional<T> findFirst();

List<Integer> someNumbers = Arrays.asList(1, 2, 3, 4, 5);
    Optional<Integer> firstSquareDivisibleByThree =
        someNumbers.stream()
                   .map(x -> x * x)
                   .filter(x -> x % 3 == 0)
                   .findFirst(); // 9

**为什么会同时有findFirst和findAny呢？**  
答案是并行。找到第一个元素在并行上限制更多。如果你不关心返回的元素是哪个，请使用findAny，因为它在使用并行流时限制较少。

### 5.4　归约 ###

“计算菜单中的总卡路里”或“菜单中卡路里最高的菜是哪一个”。此类查询需要将流中所有元素反复结合起来，得到一个值，比如一个Integer。这样的查询可以被归类为**归约操作**（将流归约成一个值）。用函数式编程语言的术语来说，这称为**折叠（fold）**，因为你可以将这个操作看成把一张长长的纸（你的流）反复折叠成一个小方块，而这就是折叠操作的结果。

#### 5.4.1　元素求和（reduce） ####

**有初始值**

T reduce(T identity, BinaryOperator<T> accumulator);

int sum = numbers.stream().reduce(0, (a, b) -> a + b);
    int sum = numbers.stream().reduce(0, Integer::sum);    ←─可以使用方法引用让这段代码更简洁

> reduce操作对这种重复应用的模式做了抽象。  
> reduce接受两个参数：  
> 一个初始值，这里是0；  
> 一个BinaryOperator来将两个元素结合起来产生一个新值，这里我们用的是lambda (a, b) -> a +b，Lambda反复结合每个元素，直到流被归约成一个值。

**无初始值**（reduce）

Optional<T> reduce(BinaryOperator<T> accumulator);

Optional<Integer> sum = numbers.stream().reduce((a, b) -> (a + b));

为什么它返回一个Optional呢？  
考虑流中没有任何元素的情况。reduce操作无法返回其和，因为它没有初始值。这就是为什么结果被包裹在一个Optional对象里，以表明和可能不存在。

#### 5.4.2　最大值和最小值（reduce） ####

用归约计算最大值和最小值：

Optional<Integer> max = numbers.stream().reduce(Integer::max);

Optional<Integer> min = numbers.stream().reduce(Integer::min);
    Optional<Integer> min = numbers.stream().reduce((x, y) -> x < y ? x : y);

#### 5.4.3 统计个数（reduce、count） ####

int count = menu.stream().map(d -> 1).reduce(0, (a, b) -> a + b);

long count = menu.stream().count();

**归约方法的优势与并行化**  
reduce的好处在于，这里的迭代被内部迭代抽象掉了，这让内部实现得以选择并行执行reduce操作。而外部迭代式求和例子要更新共享变量sum，这不是那么容易并行化的。如果你加入了同步，很可能会发现线程竞争抵消了并行本应带来的性能提升！这种计算的并行化需要另一种办法：**将输入分块，分块求和，最后再合并起来**

**可变的累加器模式对于并行化来说是死路一条 ！！！**

**流操作：无状态和有状态**  
诸如map或filter等操作会从输入流中获取每一个元素，并在输出流中得到0或1个结果。这些操作一般都是**无状态**的：它们没有内部状态。

但诸如reduce、sum、max等操作需要内部状态来累积结果。在上面的情况下，内部状态很小。在我们的例子里就是一个int或double。不管流中有多少元素要处理，内部状态都是**有界的**。相反，诸如sort或distinct等操作一开始都和filter和map差不多——都是接受一个流，再生成一个流（中间操作），但有一个关键的区别。从流中排序和删除重复项时都需要知道先前的历史。例如，排序要求所有元素都放入缓冲区后才能给输出流加入一个项目，这一操作的存储要求是**无界的**。要是流比较大或是无限的，就可能会有问题（把质数流倒序会做什么呢？它应当返回最大的质数，但数学告诉我们它不存在）。我们把这些操作叫作**有状态**操作。

### 5.5　付诸实践 ###

#### 代码清单5-1　找出2011年的所有交易并按交易额排序（从低到高） ####

代码清单5-1　找出2011年的所有交易并按交易额排序（从低到高）
    　List<Transaction> tr2011 =
        transactions.stream()
                    .filter(transaction -> transaction.getYear() == 2011)    ←─给filter传递一个谓词来选择2011年的交易
                    .sorted(comparing(Transaction::getValue))    ←─按照交易额进行排序
                    .collect(toList());    ←─将生成的Stream中的所有元素收集到一个List中

#### 代码清单5-2　交易员都在哪些不同的城市工作过 ####

代码清单5-2　交易员都在哪些不同的城市工作过
    　List<String> cities =
        transactions.stream()
                    .map(transaction -> transaction.getTrader().getCity())    ←─提取与交易相关的每位交易员的所在城市
                    .distinct()    ←─只选择互不相同的城市
                    .collect(toList());
    
    Set<String> cities =
        transactions.stream()
                    .map(transaction -> transaction.getTrader().getCity())
                    .collect(toSet());

#### 代码清单5-3　查找所有来自于剑桥的交易员，并按姓名排序 ####

代码清单5-3　查找所有来自于剑桥的交易员，并按姓名排序
    　List<Trader> traders =
        transactions.stream()
                    .map(Transaction::getTrader)    ←─从交易中提取所有交易员
                    .filter(trader -> trader.getCity().equals("Cambridge"))    ←─仅选择位于剑桥的交易员
                    .distinct()    ←─确保没有任何重复
                    .sorted(comparing(Trader::getName))    ←─对生成的交易员流按照姓名进行排序
                    .collect(toList());

#### 代码清单5-4　返回所有交易员的姓名字符串，按字母顺序排序 ####

代码清单5-4　返回所有交易员的姓名字符串，按字母顺序排序
    String traderStr =
        transactions.stream()
                    .map(transaction -> transaction.getTrader().getName())    ←─提取所有交易员姓名，生成一个Strings构成的Stream
                    .distinct()    ←─只选择不相同的姓名
                    .sorted()    ←─对姓名按字母顺序排序
                    .reduce("", (n1, n2) -> n1 + n2);    ←─逐个拼接每个名字，得到一个将所有名字连接起来的String
    
    以上解决方案效率不高（所有字符串都被反复连接，每次迭代的时候都要建立一个新的String对象）。
    
    String traderStr =
        transactions.stream()
                    .map(transaction -> transaction.getTrader().getName())
                    .distinct()
                    .sorted()
                    .collect(joining()); ←─使用joining（其内部会用到StringBuilder）

#### 代码清单5-5　有没有交易员是在米兰工作的 ####

代码清单5-5　有没有交易员是在米兰工作的
    boolean milanBased =
        transactions.stream()
                    .anyMatch(transaction -> transaction.getTrader().getCity().equals("Milan"));    ←─把一个谓词传递给anyMatch，检查是否有交易员在米兰工作

#### 代码清单5-6　打印生活在剑桥的交易员的所有交易额 ####

代码清单5-6　打印生活在剑桥的交易员的所有交易额
    transactions.stream()
                .filter(t -> "Cambridge".equals(t.getTrader().getCity()))    ←─选择住在剑桥的交易员所进行的交易
                .map(Transaction::getValue)     ←─提取这些交易的交易额
                .forEach(System.out::println);    ←─打印每个值

#### 代码清单5-7　所有交易中，最高的交易额是多少 ####

代码清单5-7　所有交易中，最高的交易额是多少
    Optional<Integer> highestValue =
        transactions.stream()
                    .map(Transaction::getValue)    ←─提取每项交易的交易额
                    .reduce(Integer::max);    ←─计算生成的流中的最大值

#### 代码清单5-8　找到交易额最小的交易 ####

代码清单5-8　找到交易额最小的交易
    Optional<Transaction> smallestTransaction =
        transactions.stream()
                    .reduce((t1, t2) -> t1.getValue() < t2.getValue() ? t1 : t2);    ←─通过反复比较每个交易的交易额，找出最小的交易
    
    Optional<Transaction> smallestTransaction =
        transactions.stream()
                    .min(comparing(Transaction::getValue));

### 5.6　数值流 ###

#### 引入背景： ####

nt calories = menu.stream()
                       .map(Dish::getCalories)
                       .reduce(0, Integer::sum);

这段代码的问题是，它有一个暗含的**装箱成本**。每个Integer都必须拆箱成一个原始类型，再进行求和

#### 5.6.1　原始类型流特化（mapToInt、mapToDouble、mapToLong） ####

Java 8引入了三个原始类型特化流接口来解决这个问题：IntStream、DoubleStream和LongStream，分别将流中的元素特化为int、long和double，从而避免了暗含的装箱成本。这些特化的原因并不在于流的复杂性，而是装箱造成的复杂性——即类似int和Integer之间的效率差异。  
**1. 映射到数值流**  
将流转换为特化版本的常用方法是mapToInt、mapToDouble和mapToLong。

int calories = menu.stream()    ←─返回一个Stream<Dish>
                       .mapToInt(Dish::getCalories)    ←─返回一个IntStream
                       .sum();
                       
    请注意，如果流是空的，sum默认返回0。IntStream还支持其他的方便方法，如max、min、average等。

**2. 转换回对象流**  
一旦有了数值流，你可能会想把它转换回非特化流

IntStream intStream = menu.stream().mapToInt(Dish::getCalories);    ←─将Stream 转换为数值流
    Stream<Integer> stream = intStream.boxed();    ←─将数值流转换为Stream

**3. 默认值OptionalInt**  
对于三种原始流特化，也分别有一个Optional原始类型特化版本：OptionalInt、OptionalDouble和OptionalLong。

OptionalInt maxCalories = menu.stream()
                                  .mapToInt(Dish::getCalories)
                                  .max();
    
    nt max = maxCalories.orElse(1);    ←─如果没有最大值的话，显式提供一个默认最大值

#### 5.6.2　数值范围（rangeClosed，range） ####

IntStream evenNumbers = IntStream.rangeClosed(1, 100)    ←─表示范围[1, 100]
                                     .filter(n -> n % 2 == 0);    ←─一个从1到100的偶数流
                                     
    System.out.println(evenNumbers.count());    ←─从1 到100 有50个偶数
    
    
    IntStream evenNumbers = IntStream.range(1, 100)       ←─表示范围[1, 100)
                                     .filter(n -> n % 2 == 0); 
                                     
    System.out.println(evenNumbers.count());    ←─从1 到99 有49个偶数

#### 5.6.3　数值流应用：勾股数 ####

Stream<int[]> pythagoreanTriples =
        IntStream.rangeClosed(1, 100).boxed()
                 .flatMap(a -> IntStream.rangeClosed(a, 100)
                              .filter(b -> Math.sqrt(a*a + b*b) % 1 == 0)
                              .mapToObj(b ->new int[]{
        a, b, (int)Math.sqrt(a * a + b * b)}));
                         
    Stream<double[]> pythagoreanTriples2 =
        IntStream.rangeClosed(1, 100).boxed()
                 .flatMap(a -> IntStream.rangeClosed(a, 100)
                              .mapToObj(b -> new double[]{
        a, b, Math.sqrt(a*a + b*b)})    ←─产生三元数
                              .filter(t -> t[2] % 1 == 0));    ←─元组中的第三个元素必须是整数
    
    pythagoreanTriples.limit(5).forEach(t ->System.out.println(t[0] + ", " + t[1] + ", " + t[2]));

### 5.7　构建流 ###

#### 5.7.1　由值创建流（Stream.of） ####

Stream<String> stream = Stream.of("Java 8 ", "Lambdas ", "In ", "Action");
    stream.map(String::toUpperCase).forEach(System.out::println);

Stream<String> emptyStream = Stream.empty();  ←─使用empty得到一个空流

#### 5.7.2　由数组创建流（Arrays.stream） ####

int[] numbers = {
        2, 3, 5, 7, 11, 13};
    int sum = Arrays.stream(numbers).sum();    ←─总和是4

#### 5.7.3　由文件生成流（Files.lines） ####

long uniqueWords = 0;
    try (Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())) {
            ←─流会自动关闭
        uniqueWords = lines.flatMap(line -> Arrays.stream(line.split(" ")))    ←─生成单词流
                .distinct()    ←─删除重复项
                .count();      ←─数一数有多少各不相同的单词
    } catch (IOException e) {
        
                               ←─如果打开文件时出现异常则加以处理
    }

#### 5.7.4　由函数生成流：创建无限流（Stream.iterate、Stream.generate） ####

**1. 迭代**

iterate方法生成了一个所有正偶数的流
    Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(10);
    stream.forEach(System.out::println);

斐波纳契元组序列
    Stream<int[]> stream = Stream.iterate(new int[]{
        0, 1}, t -> new int[]{
        t[1], t[0] + t[1]}).limit(20);
    stream.forEach(t -> System.out.println("(" + t[0] + "," + t[1] + ")"));

**2. 生成**

生成一个流，其中有五个0到1之间的随机双精度数
    Stream<Double> stream = Stream.generate(Math::random).limit(5);
    stream.forEach(System.out::println);

生成一个全是1的无限流
    IntStream ones = IntStream.generate(() -> 1);

#### 5.7.5　由集合创建流（list.stream()） ####

list.stream()

\-----------------------------------------------------------------------------读书笔记摘自 书名：Java 8实战 作者：\[英\] Raoul-Gabriel Urma \[意\] Mario Fusco \[英\] Alan M