Java 8 stream的详细用法

转载自：https://blog.csdn.net/y_k_y/article/details/84633001

一、概述

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 提供了一种高效且易于使用的处理数据的方式。

特点：

        1 . 不是数据结构，不会保存数据。

        2. 不会修改原来的数据源，它会将操作后的数据保存到另外一个对象中。（保留意见：毕竟peek方法可以修改流中元素）

        3. 惰性求值，流在中间处理过程中，只是对操作进行了记录，并不会立即执行，需要等到执行终止操作的时候才会进行实际的计算。

二、分类

    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。

三、具体用法

1. 流的常用创建方法

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

1.  
   List<String> list = new ArrayList<>();
2.  
   Stream<String> stream = list.stream(); //获取一个顺序流
3.  
   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

1.  
   Integer[] nums = new Integer[10];
2.  
   Stream<Integer> stream = Arrays.stream(nums);

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

1.  
   Stream<Integer> stream = Stream.of(1,2,3,4,5,6);
2.  
    
3.  
   Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
4.  
   stream2.forEach(System.out::println); // 0 2 4 6 8 10
5.  
    
6.  
   Stream<Double> stream3 = Stream.generate(Math::random).limit(2);
7.  
   stream3.forEach(System.out::println);

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

1.  
   BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));
2.  
   Stream<String> lineStream = reader.lines();
3.  
   lineStream.forEach(System.out::println);

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

1.  
   Pattern pattern = Pattern.compile(",");
2.  
   Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
3.  
   stringStream.forEach(System.out::println);

2. 流的中间操作

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

1.  
   Stream<Integer> stream = Stream.of(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14);
2.  
    
3.  
   Stream<Integer> newStream = stream.filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
4.  
   .distinct() //6 7 9 8 10 12 14
5.  
   .skip(2) //9 8 10 12 14
6.  
   .limit(2); //9 8
7.  
   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。

1.  
   List<String> list = Arrays.asList("a,b,c", "1,2,3");
2.  
    
3.  
   //将每个元素转成一个新的且不带逗号的元素
4.  
   Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
5.  
   s1.forEach(System.out::println); // abc 123
6.  
    
7.  
   Stream<String> s3 = list.stream().flatMap(s -> {
8.  
   //将每个元素转换成一个stream
9.  
   String[] split = s.split(",");
10.  
    Stream<String> s2 = Arrays.stream(split);
11.  
    return s2;
12.  
    });
13.  
    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  

1.  
   List<String> list = Arrays.asList("aa", "ff", "dd");
2.  
   //String 类自身已实现Compareable接口
3.  
   list.stream().sorted().forEach(System.out::println);// aa dd ff
4.  
    
5.  
   Student s1 = new Student("aa", 10);
6.  
   Student s2 = new Student("bb", 20);
7.  
   Student s3 = new Student("aa", 30);
8.  
   Student s4 = new Student("dd", 40);
9.  
   List<Student> studentList = Arrays.asList(s1, s2, s3, s4);
10.  
     
11.  
    //自定义排序：先按姓名升序，姓名相同则按年龄升序
12.  
    studentList.stream().sorted(
13.  
    (o1, o2) -> {
14.  
    if (o1.getName().equals(o2.getName())) {
15.  
    return o1.getAge() - o2.getAge();
16.  
    } else {
17.  
    return o1.getName().compareTo(o2.getName());
18.  
    }
19.  
    }
20.  
    ).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。

1.  
   Student s1 = new Student("aa", 10);
2.  
   Student s2 = new Student("bb", 20);
3.  
   List<Student> studentList = Arrays.asList(s1, s2);
4.  
    
5.  
   studentList.stream()
6.  
   .peek(o -> o.setAge(100))
7.  
   .forEach(System.out::println);
8.  
    
9.  
   //结果：
10.  
    Student{name='aa', age=100}
11.  
    Student{name='bb', age=100}

3. 流的终止操作

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

1.  
   List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
2.  
    
3.  
   boolean allMatch = list.stream().allMatch(e -> e > 10); //false
4.  
   boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true
5.  
   boolean anyMatch = list.stream().anyMatch(e -> e > 4); //true
6.  
    
7.  
   Integer findFirst = list.stream().findFirst().get(); //1
8.  
   Integer findAny = list.stream().findAny().get(); //1
9.  
    
10.  
    long count = list.stream().count(); //5
11.  
    Integer max = list.stream().max(Integer::compareTo).get(); //5
12.  
    Integer min = list.stream().min(Integer::compareTo).get(); //1

3.2 规约操作
        Optional<T> reduce(BinaryOperator<T> 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<T> 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> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U> 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。

1.  
   //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
2.  
   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);
3.  
    
4.  
   Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
5.  
   System.out.println(v); // 300
6.  
    
7.  
   Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
8.  
   System.out.println(v1); //310
9.  
    
10.  
    Integer v2 = list.stream().reduce(0,
11.  
    (x1, x2) -> {
12.  
    System.out.println("stream accumulator: x1:" + x1 + " x2:" + x2);
13.  
    return x1 - x2;
14.  
    },
15.  
    (x1, x2) -> {
16.  
    System.out.println("stream combiner: x1:" + x1 + " x2:" + x2);
17.  
    return x1 * x2;
18.  
    });
19.  
    System.out.println(v2); // -300
20.  
     
21.  
    Integer v3 = list.parallelStream().reduce(0,
22.  
    (x1, x2) -> {
23.  
    System.out.println("parallelStream accumulator: x1:" + x1 + " x2:" + x2);
24.  
    return x1 - x2;
25.  
    },
26.  
    (x1, x2) -> {
27.  
    System.out.println("parallelStream combiner: x1:" + x1 + " x2:" + x2);
28.  
    return x1 * x2;
29.  
    });
30.  
    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。
        注：如果对以上函数接口不太理解的话，可参考我另外一篇文章：Java 8 函数式接口

3.3.1 Collector 工具库：Collectors

1.  
   Student s1 = new Student("aa", 10,1);
2.  
   Student s2 = new Student("bb", 20,2);
3.  
   Student s3 = new Student("cc", 10,3);
4.  
   List<Student> list = Arrays.asList(s1, s2, s3);
5.  
    
6.  
   //装成list
7.  
   List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10]
8.  
    
9.  
   //转成set
10.  
    Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10]
11.  
     
12.  
    //转成map,注:key不能相同，否则报错
13.  
    Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10}
14.  
     
15.  
    //字符串分隔符连接
16.  
    String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc)
17.  
     
18.  
    //聚合操作
19.  
    //1.学生总数
20.  
    Long count = list.stream().collect(Collectors.counting()); // 3
21.  
    //2.最大年龄 (最小的minBy同理)
22.  
    Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
23.  
    //3.所有人的年龄
24.  
    Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40
25.  
    //4.平均年龄
26.  
    Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334
27.  
    // 带上以上所有方法
28.  
    DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
29.  
    System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage());
30.  
     
31.  
    //分组
32.  
    Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
33.  
    //多重分组,先根据类型分再根据年龄分
34.  
    Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));
35.  
     
36.  
    //分区
37.  
    //分成两部分，一部分大于10岁，一部分小于等于10岁
38.  
    Map<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));
39.  
     
40.  
    //规约
41.  
    Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40

3.3.2 Collectors.toList() 解析

1.  
   //toList 源码
2.  
   public static <T> Collector<T, ?, List<T>> toList() {
3.  
   return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
4.  
   (left, right) -> {
5.  
   left.addAll(right);
6.  
   return left;
7.  
   }, CH_ID);
8.  
   }
9.  
    
10.  
    //为了更好地理解，我们转化一下源码中的lambda表达式
11.  
    public <T> Collector<T, ?, List<T>> toList() {
12.  
    Supplier<List<T>> supplier = () -> new ArrayList();
13.  
    BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
14.  
    BinaryOperator<List<T>> combiner = (list1, list2) -> {
15.  
    list1.addAll(list2);
16.  
    return list1;
17.  
    };
18.  
    Function<List<T>, List<T>> finisher = (list) -> list;
19.  
    Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
20.  
     
21.  
    return new Collector<T, List<T>, List<T>>() {
22.  
    @Override
23.  
    public Supplier supplier() {
24.  
    return supplier;
25.  
    }
26.  
     
27.  
    @Override
28.  
    public BiConsumer accumulator() {
29.  
    return accumulator;
30.  
    }
31.  
     
32.  
    @Override
33.  
    public BinaryOperator combiner() {
34.  
    return combiner;
35.  
    }
36.  
     
37.  
    @Override
38.  
    public Function finisher() {
39.  
    return finisher;
40.  
    }
41.  
     
42.  
    @Override
43.  
    public Set<Characteristics> characteristics() {
44.  
    return characteristics;
45.  
    }
46.  
    };
47.  
     
48.