java8新特性专题之七、强大的Stream API
相关源码地址：https://github.com/liudongdong0909/java8/tree/master/java8-Lambda/src/com/donggua
Java8中有两大最为重要的改变。第一个是 Lambda 表达式 ;另外一 个则是 Stream API(java.util.stream.*)。
Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对 集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。
使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数 据库查询。也可以使用 Stream API 来并行执行操作。简而言之， Stream API 供了一种高效且易于使用的处理数据的方式。
一、什么是 Stream
流(Stream) 到底是什么呢?
是数据渠道，用于操作数据源(集合、数组等)所生成的元素序列。
集合讲的是数据，流讲的是计算!
注意:
1. Stream自己不会存储元素。
2. Stream不会改变原对象。相反，他们会返回一个持有结果的新Stream。
3. Stream操作是延迟执行。这意味着他们会等到需要结果的时候才执行。
二、Stream操作的三个步骤
2.1 第一步：创建stream
一个数据源（如：集合或数组），获取一个流
2.2 第二步：中间操作
一个中间操作链，对数据源的数据进行处理。
2.3 第三步：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。
三、创建Stream的四种方式
3.1 第一种方式：通过 Collection 系列集合提供的方法 stream() 或者 parallelStream()
Java8 中的 Collection 接口被扩展， 供了两个获取流的方法:
1. default Stream< E> stream() : 返回一个顺序流
2. default Stream< E> parallelStream() : 返回一个并行流
案例：
List<Employee> list = new ArrayList<>(); Stream<Employee> stream = list.stream(); Stream<Employee> parallelStream = list.parallelStream();
3.2 第二种方式：由数组创建流
通过 Arrays中的静态方法 stream() 创建数据源 。
static < T> Stream< T> stream(T[] array): 返回一个流
重载形式，能够处理对应基本类型的数组:
1. public static IntStream stream(int[] array)
2. public static LongStream stream(long[] array)
3. public static DoubleStream stream(double[] array)
案例：
Integer[] num = new Integer[23]; Stream<Integer> stream1 = Arrays.stream(num);
3.3 第三种方式：由值创建流
可以使用静态方法 Stream.of(), 通过显示值 创建一个流。它可以接收任意数量的参数。
public static< T> Stream< T> of(T… values) : 返回一个流
案例：
Stream<Integer> stream2 = Stream.of(1, 5, 7);
3.4 第四种方式：由函数创建流，创建无限流。
可以使用静态方法 Stream.iterate() 和 Stream.generate(), 创建无限流。
1. 迭代：public static< T> Stream< T> iterate(final T seed, final UnaryOperator< T> f)
2. 生成：public static< T> Stream< T> generate(Supplier< T> s)
案例：
// 迭代 Stream<Integer> stream3 = Stream.iterate(0, (x) -> x + 2).limit(2); stream3.forEach(System.out::println); System.out.println("-------------"); // 生成 Stream<Double> stream4 = Stream.generate(Math::random).limit(4); stream4.forEach(System.out::println);
执行结果：
0 2 ------------- 0.8009341328264229 0.3393727316726045 0.16402941830797657 0.18983964153830712
四、Stream的中间操作
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处理，称为“惰性求值”。
4.1 筛选与切片
| 方法 | 描述 |
|---|---|
| filter(Predicate p) | 接收 Lambda ， 从流中排除某些元素。 |
| distinct() | 筛选，通过流所生成元素的 hashCode() 和 equals() 去 除重复元素 |
| limit(long maxSize) | 截断流，使其元素不超过给定数量 |
| skip(long n) | 跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素 不足 n 个，则返回一个空流。与 limit(n) 互补 |
案例：
定义一个集合： Employee 重写 hashcode ， equals — 去重时使用
List<Employee> emps = Arrays.asList( new Employee(101, "林青霞", 28, 9889.99), new Employee(102, "东方不败", 29, 4329.85), new Employee(103, "周星驰", 40, 1233.88), new Employee(104, "大圣", 500, 5000.44), new Employee(105, "张无忌", 15, 3000.09), new Employee(102, "东方不败", 29, 4329.85) );
执行操作：
1.内部迭代 - 迭代操作由Stream API 完成操作
@Test public void test2() { // 中间操作不会做任何处理 Stream<Employee> stream = emps.stream() .filter((e) -> { System.out.println("惰性求值"); return e.getAge() < 30; }); System.out.println("--------------------"); // 终止操作，一次性执行全部功能， 称为 "惰性求值" stream.forEach(System.out::println); }
执行结果：
-------------------- 惰性求值 Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null} 惰性求值 Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null} 惰性求值 惰性求值 惰性求值 Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null} 惰性求值 Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
2.外部迭代
@Test public void test3() { Iterator<Employee> iterator = emps.iterator(); while (iterator.hasNext()) { System.out.println(iterator.next()); } }
执行结果：
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}
Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}
Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
3.中间操作 - 截断流
@Test public void test4() { emps.stream() .filter(employee -> employee.getAge() < 30) // 过滤年龄小于30的人 .limit(1) // 截取一个 .forEach(System.out::println); }
执行结果：
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
4.中间操作 - 跳过
@Test public void test5() { emps.stream() .filter(employee -> employee.getAge() < 30) .skip(2) .forEach(System.out::println); }
执行结果：
Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
5.中间操作 - 筛选去重
@Test public void test6() { emps.stream() .distinct() .forEach(System.out::println); }
执行结果：
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}
Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}
Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}
4.2 映射
| 方法 | 描述 |
|---|---|
| map(Function f) | 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。 |
| mapToDouble(ToDoubleFunction f) | 接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 DoubleStream。 |
| mapToInt(ToIntFunction f) | 接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 IntStream。 |
| mapToLong(ToLongFunction f) | 接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 LongStream。 |
| flatMap(Function f) | 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 |
案例：
1.map操作
@Test public void test7() { List<String> list = Arrays.asList("aaa", "java", "ccc", "java8", "hello world"); list.stream() .map((x) -> x.toUpperCase()) .forEach(System.out::println); System.out.println("-------------"); emps.stream() .map(Employee::getAge) .forEach(System.out::println); }
执行结果：
AAA
JAVA
CCC
JAVA8
HELLO WORLD
-------------
28
29
40
500
15
29
2.flatMap操作
先定义一个 filterCharacter(String str) 方法：
private static Stream<Character> filterCharacter(String str) { List<Character> characters = new ArrayList<>(); for (Character character : str.toCharArray()) { characters.add(character); } return characters.stream(); }
执行测试代码：
@Test public void test8() { List<String> list = Arrays.asList("aaa", "hello world"); Stream<Stream<Character>> streamStream = list.stream() .map(LambdaStramAPI::filterCharacter); streamStream.forEach((s) -> { s.forEach((c) -> System.out.println(c + "")); System.out.println(); }); System.out.println("----------------------"); list.stream() .flatMap(LambdaStramAPI::filterCharacter) .forEach(System.out::println); }
执行结果：
a a a h e l l o w o r l d ---------------------- a a a h e l l o w o r l d
4.3 排序
| 方法 | 描述 |
|---|---|
| sorted() | 产生一个新流，其中按自然顺序排序 |
| sorted(Comparator comp) | 产生一个新流，其中按比较器顺序排序 |
案例：
@Test public void test9() { emps.stream() .map(Employee::getSalary) .sorted() .forEach(System.out::println); System.out.println("-----------------"); emps.stream() .map(Employee::getAge) .sorted(Integer::compare) .forEach(System.out::println); }
执行结果：
1233.88 3000.09 4329.85 4329.85 5000.44 9889.99 ----------------- 15 28 29 29 40 500
五、 Stream的终止操作
终止操作会从流的流水线生成结果。其结果可以是任何不是流的值，例如:List、Integer，甚至是 void 。
5.1 查找与匹配
| 方法 | 描述 |
|---|---|
| allMatch(Predicate p) | 检查是否匹配所有元素 |
| anyMatch(Predicate p) | 检查是否至少匹配一个元素 |
| noneMatch(Predicate p) | 检查是否没有匹配所有元素 |
| findFirst() | 返回第一个元素 |
| findAny() | 返回当前流中的任意元素 |
| count() | 返回流中元素总数 |
| max(Comparator c) | 返回流中最大值 |
| min(Comparator c) | 返回流中最小值 |
| forEach(Consumer c) | 内部迭代(使用 Collection 接口需要用户去做迭 代，称为外部迭代。相反，Stream API 使用内部 迭代——它帮你把迭代做了) |
案例：
1.匹配
@Test public void test10() { boolean allMatch = emps.stream() .allMatch((employee -> employee.getName().equals("林青霞"))); System.out.println(allMatch); System.out.println("-----------------"); boolean anyMatch = emps.stream() .anyMatch(employee -> employee.getName().equals("林青霞")); System.out.println(anyMatch); System.out.println("-----------------"); boolean noneMatch = emps.stream() .noneMatch(employee -> employee.getName().equals("林青霞")); System.out.println(noneMatch); }
执行结果：
false ----------------- true ----------------- false
2.第一个元素 、 任意一个元素
@Test public void test12() { Optional<String> first = emps.stream() .map(Employee::getName) .sorted() .findFirst(); // 获取第一个元素 System.out.println(first.get()); System.out.println("-----------------"); Optional<Employee> findAny = emps.parallelStream() .filter(employee -> employee.getName().equals("林青霞")) .findAny(); //任意一个元素 System.out.println(findAny.get()); }
执行结果：
东方不败 ----------------- Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
3.统计总个数、 最大、 最小值
// 注意： 流一旦执行终止操作后， 就不能在重复使用 @Test public void test13() { Stream<Employee> stream = emps.stream(); long count = stream.count(); System.out.println(count); System.out.println("-----------------"); Optional<Double> doubleOptional = emps.stream() .map(Employee::getSalary) .max(Double::compare); //最大值 System.out.println(doubleOptional.get()); System.out.println("-----------------"); Optional<Employee> employeeOptional = emps.stream() .min((x, y) -> Double.compare(x.getSalary(), y.getSalary())); // 最小值 System.out.println(employeeOptional.get()); }
执行结果：
6 ----------------- 9889.99 ----------------- Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}
5.2 归约
备注:map 和 reduce 的连接通常称为 map-reduce 模式，因 Google 用它 来进行网络搜索而出名。
| 方法 | 描述 |
|---|---|
| reduce(T iden, BinaryOperator b) | 可以将流中元素反复结合起来，得到一个值。 返回 T |
| reduce(BinaryOperator b) | 可以将流中元素反复结合起来，得到一个值。 返回 Optional< T> |
案例：
1.求和
@Test public void test14() { List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10); Integer sum = list.stream() .reduce(0, (x, y) -> x + y); System.out.println(sum); }
执行结果：
55
2.计算次数
@Test public void test15() { Optional<Double> doubleOptional = emps.stream() .map(Employee::getSalary) .reduce(Double::max); System.out.println(doubleOptional); System.out.println("-----------------"); //查看 东方不败 出现的次数 -- 【此处还有点毛病】 Optional<Integer> sumOptional = emps.stream() .map(Employee::getName) .flatMap(LambdaStramAPI::filterCharacter) .map((c) -> { if (c.equals("东")) return 1; else return 0; }).reduce(Integer::sum); System.out.println(sumOptional.get()); }
执行结果：
Optional[9889.99]
-----------------
0
5.3 收集
| 方法 | 描述 |
|---|---|
| collect(Collector c) | 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 |
案例：
1.收集
@Test public void test16(){ List<String> collect = emps.stream() .map(Employee::getName) .collect(Collectors.toList()); collect.forEach(System.out::println); System.out.println("-------------------"); Set<String> set = emps.stream() .map(Employee::getName) .collect(Collectors.toSet()); set.forEach(System.out::println); System.out.println("-------------------"); HashSet<String> hashSet = emps.stream() .map(Employee::getName) .collect(Collectors.toCollection(HashSet::new)); hashSet.forEach(System.out::println); }
执行结果：
林青霞 东方不败 周星驰 大圣 张无忌 东方不败 ------------------- 周星驰 林青霞 大圣 东方不败 张无忌 ------------------- 周星驰 林青霞 大圣 东方不败 张无忌
2.收集统计
// 收集统计 @Test public void test17(){ // 统计总个数 Long count = emps.stream() .collect(Collectors.counting()); System.out.println(count); System.out.println("-------------------"); // 求平均值 Double avg = emps.stream() .collect(Collectors.averagingDouble(Employee::getSalary)); System.out.println(avg); System.out.println("-------------------"); // 求和 Double sum = emps.stream() .collect(Collectors.summingDouble(Employee::getSalary)); System.out.println(sum); System.out.println("-------------------"); //求最大值 Optional<Employee> max = emps.stream() .collect(Collectors.maxBy((x, y) -> Double.compare(x.getSalary(), y.getSalary()))); System.out.println(max.get()); System.out.println("-------------------"); //求最小值 Optional<Double> min = emps.stream() .map(Employee::getSalary) .collect(Collectors.minBy(Double::compare)); System.out.println(min.get()); System.out.println("-------------------"); //统计分析 DoubleSummaryStatistics doubleSummaryStatistics = emps.stream() .collect(Collectors.summarizingDouble(Employee::getSalary)); System.out.println(doubleSummaryStatistics.getAverage()); System.out.println("-------------------"); //拼接 String join = emps.stream() .map(Employee::getName) .collect(Collectors.joining(",", "--", "--")); System.out.println(join); }
执行结果：
6 ------------------- 4630.683333333333 ------------------- 27784.1 ------------------- Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null} ------------------- 1233.88 ------------------- 4630.683333333333 ------------------- --林青霞,东方不败,周星驰,大圣,张无忌,东方不败--
3.收集-分组
// 分组 @Test public void test18(){ Map<String, List<Employee>> group = emps.stream() .collect(Collectors.groupingBy(Employee::getName)); System.out.println(group); }
执行结果：
{ 周星驰=[Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}], 林青霞=[Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}], 大圣=[Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}], 东方不败=[ Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}, Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null} ], 张无忌=[Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}]}
4.收集-多级分组
// 多级分组 @Test public void test19(){ Map<String, Map<String, List<Employee>>> group = emps.stream() .collect(Collectors.groupingBy(Employee::getName, Collectors.groupingBy((e) -> { if (e.getAge() < 30) return "青年"; else if (e.getAge() < 50) return "中年"; else return "老年"; }))); System.out.println(group); }
执行结果：
{周星驰={中年=[Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}]},
林青霞={青年=[Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}]},
大圣={老年=[Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}]},
东方不败={青年=[
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null},
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
]},
张无忌={青年=[Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}]}}
Collector 接口中方法的实现决定了如何对流执行收集操作(如收 集到 List、Set、Map)。但是 Collectors 实用类 供了很多静态 方法，可以方便地创建常见收集器实例，具体方法与实例如下表:
| 方法 | 返回类型 | 作用 |
|---|---|---|
| toList | List<T> | 把流中元素收集到List |
| List<Employee> emps= list.stream().collect(Collectors.toList()); | ||
| toSet | Set<T> | 把流中元素收集到Set |
| Set<Employee> emps= list.stream().collect(Collectors.toSet()); | ||
| toCollection | Collection<T> | 把流中元素收集到创建的集合 |
| Collection<Employee>emps=list.stream().collect(Collectors.toCollection(ArrayList::new)); | ||
| counting | Long | 计算流中元素的个数 |
| long count = list.stream().collect(Collectors.counting()); | ||
| summingInt | Integer | 对流中元素的整数属性求和 |
| inttotal=list.stream().collect(Collectors.summingInt(Employee::getSalary)); | ||
| averagingInt | Double | 计算流中元素Integer属性的平均 值 |
| doubleavg= list.stream().collect(Collectors.averagingInt(Employee::getSalary)); | ||
| summarizingInt | IntSummaryStatistics | 收集流中Integer属性的统计值。 如:平均值 |
| IntSummaryStatisticsiss= list.stream().collect(Collectors.summarizingInt(Employee::getSalary)); | ||
| joining | String | 连接流中每个字符串 |
| String str= list.stream().map(Employee::getName).collect(Collectors.joining()); | ||
| maxBy | Optional<T> | 根据比较器选择最大值 |
| Optional<Emp>max= list.stream().collect(Collectors.maxBy(comparingInt(Employee::getSalary))); | ||
| minBy | Optional<T> | 根据比较器选择最小值 |
| Optional<Emp> min = list.stream().collect(Collectors.minBy(comparingInt(Employee::getSalary))); | ||
| reducing | 归约产生的类型 | 从一个作为累加器的初始值 开始，利用BinaryOperator与 流中元素逐个结合，从而归 约成单个值 |
| inttotal=list.stream().collect(Collectors.reducing(0, Employee::getSalar, Integer::sum)); | ||
| collectingAndThen | 转换函数返回的类型 | 包裹另一个收集器，对其结 果转换函数 |
| inthow= list.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size)); | ||
| groupingBy | Map<K, List<T>> | 根据某属性值对流分组，属 性为K，结果为V |
| Map<Emp.Status, List<Emp>> map= list.stream() .collect(Collectors.groupingBy(Employee::getStatus)); | ||
| partitioningBy | Map<Boolean, List<T>> | 根据true或false进行分区 |
| Map<Boolean,List<Emp>>vd= list.stream().collect(Collectors.partitioningBy(Employee::getManage)); | ||
相关源码地址：https://github.com/liudongdong0909/java8/tree/master/java8-Lambda/src/com/donggua
来源：https://blog.csdn.net/liudongdong0909/article/details/77429875
