Stream

• 流是即时计算的，按需提供，要什么生产什么。集合得先生产好所有的再使用。
  集合里的元素必须是计算出来的，真实存在内存中。流则是在概念上固定的数据结构（你不能添加或删除元素），其元素则是按需计算的，要什么就算什么。
• 流只能遍历一次，遍历完就被消费了，无法第二次使用，只能重新再获取一次。
• 外部迭代是一个一个判断，去遍历，流的内部迭代类似直接下命令：全部进行XXX操作。内部迭代时，项目可以透明地并行处理，或者用更优化的顺 序进行处理
• Stream接口定义了许多操作
  • 中间操作
    • 如filter或sorted等中间操作会返回另一个流，这让多个操作可以连接起来形成一个查询。除非流水线上触发一个终端操作，否则中间操作不会执行任何处理。中间操作一般都可以合并起来，在终端操作时一次性全部处理。
  • 终端操作
    • 终端操作会从流的流水线生成结果。其结果为任何不是流的值，比如List、Integer，甚至void
  • 循环合并
    • 如filter和map是两个独立的操作，但是可以合并到一次遍历中。看起来是这样

filtering pork
mapping pork
filtering beef
mapping beef
filtering chicken
mapping chicken

• 接口
  • filter() 筛选
  • map() 映射、获取值
  • limit() 取前几项
  • sorted() 排序
  • Arrays.stream() 接受数组并把数组转换为类型流（如把String数组转化为String流）
  • distinct() 去除重复元素
• 扁平化
  • 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。
  • map方法
• 查询和匹配
  • allMatch 所有元素都和谓语匹配
  • antMatch 至少一个元素都不和谓语匹配
  • noneMatch 所有元素都不和谓语匹配
• 归约（将流中所有元素反复结合起来，最终得到一个值）
  • reduce
    • (1, (a, b) -> a * b) 所有元素相乘
    • (0, (a, b) -> a + b) 所有元素相加
    • reduce(Integer::max)
    • reduce(Integer::min) 等于(x, y) -> x < y ? x : y
  • count() 统计流中的元素的个数
• 原始类型流特化（避免暗含的装箱）
  • IntStream、DoubleStream和 LongStream，分别将流中的元素特化为int、long和double
  • 将流转换为特化版本的常用方法是mapToInt、mapToDouble和mapToLong。
  • 转回非特化流
    • Stream stream = intStream.boxed();
• 数值范围
  • range(起始数值, 结束数值) 不包括结束数值，（1， 5）只取一到4
  • rangeClosed(起始数值, 结束数值) 包括结束数值，（1， 5）取一到5
• 预定义收集器（如groupingBy）
  • 将元素归约汇总为一个值、元素分组、元素分区
  • 汇总 .collect(summingInt(Dish::getCalories))
  • 平均数 .collect(averagingInt(Dish::getCalories));
• summarizing操作，一次就能收集总数、min、max、平均数
  • .collect(summarizingInt(Dish::getCalories)) 这个收集器会把所有这些信息收集到一个叫作IntSummaryStatistics的类里，它提供了 方便的取值（getter）方法来访问结果。
    菜单练习中打印IntSummaryStatistics的结果

IntSummaryStatistics{count=9, sum=4300, min=120, average=477.777778, max=800} 

• 连接字符串
  • joining工厂方法返回的收集器会把对流中每一个对象应用toString方法得到的所有字符 串连接成一个字符串
  • joining在内部使用了StringBuilder来把生成的字符串逐个追加起来
  • .collect(joining(", ")); 重载方法，使用分隔符增加可读性

menu.stream().map(Dish::getName).collect(joining());          
menu.stream().collect(joining());       // 类中有toString方法就不需要手动提取。
menu.stream().collect(joining(", "));       //加入分隔符

• 自定义收集器（定义自己的Collector接口）

public interface Collector<T, A, R>{ 
    Supplier supplier(); 
    BiConsumer accumulator(); 
    Function finisher(); 
    BinaryOperator combiner(); 
    Set characteristics(); 
} 

	- T是流中要收集的元素的类型
	- A是累加器的类型，累加器是在收集过程中用于累加结果的对象
	- R是收集得到的最终结果的类型
- supplier方法：返回一个空的累加器作为收集过程的容器

public Supplier<List<T>> supplier() { 
    return ArrayList::new; 
}

- accumulator方法 ：将元素添加到结果容器

public BiConsumer<List<T>, T> accumulator() { 
    return (list, item) -> list.add(item); 
}

public BiConsumer, T> accumulator() {
    return List::add;
}

- finisher方法：对收集容器进行最终的转换，成为结果容器

public Function<List<T>> finisher(){
  return Function.identity();
}
// 当累加器对象与结果对象符合时，无需进行转换操作，直接调用identity函数。

- combiner方法:将拆分出来的并行流进行归约操作，最终合并到一起。

public BinaryOperator<List<T>> combiner() {
    return (list1, list2) -> {list1.addAll(list2); return list1;}
}

• characteristics方法
  • characteristics会返回一个不可变的Characteristics集合，它定义 了收集器的行为——尤其是关于流是否可以并行归约，以及可以使用哪些优化的提示。 Characteristics是一个包含三个项目的枚举
    • UNORDERED——归约结果不受流中项目的遍历和累积顺序的影响。
    • CONCURRENT——accumulator函数可以从多个线程同时调用，且该收集器可以并行归 约流。如果收集器没有标为UNORDERED，那它仅在用于无序数据源时才可以并行归约。
    • IDENTITY_FINISH——这表明完成器方法返回的函数是一个恒等函数，可以跳过。这种 情况下，累加器对象将会直接用作归约过程的最终结果。这也意味着，将累加器A不加检 查地转换为结果R是安全的。
• collect方法的重载
  • Stream有一个重载的collect方法可以接受另外三个函数——supplier、 accumulator和combiner，其语义和Collector接口的相应方法返回的函数完全相同。不能传递任何Characteristics，所以它永远都是一个IDENTITY_FINISH和 CONCURRENT但并非UNORDERED的收集器。

例：
List<DIsh> dishes = menuStream.collect(
                        ArrayList::new,
                        List::add,
                        List::addAll);

未完待续...