java8中stream最实用总结和调试技巧

文章目录

• 背景
• stream介绍
• 1. 什么是流？
• 2. 流的构成
• 3.流的操作类型
• stream使用
• 1. 流的构造与转换
• 2. 流的操作
• 在idea中如何调试stream
• 总结

背景

       java8推出的集合操作流stream极大的方便了我们的开发，但stream支持的功能十分丰富，我们经常使用到的并不多。在开发中也发现有些人对stream并不熟悉，或者只会使用简单的功能。
       举例来说 在 Java 7 中，如果要发现 type 为 grocery 的所有交易，然后返回以交易值降序排序好的交易 ID 集合，我们需要这样写：

		List<Transaction> groceryTransactions = new Arraylist<>();
		
        for(Transaction t: transactions){
            if(t.getType() == Transaction.GROCERY){
                groceryTransactions.add(t);
            }
        }
        Collections.sort(groceryTransactions, new Comparator(){
            public int compare(Transaction t1, Transaction t2){
                return t2.getValue().compareTo(t1.getValue());
            }
        });
        List<Integer> transactionIds = new ArrayList<>();
        for(Transaction t: groceryTransactions){
            transactionsIds.add(t.getId());
        }

       而在 Java 8 使用 Stream，代码更加简洁易读；而且使用并发模式，程序执行速度更快。

List<Integer> transactionsIds = transactions.parallelStream().
 filter(t -> t.getType() == Transaction.GROCERY).
 sorted(comparing(Transaction::getValue).reversed()).
 map(Transaction::getId).
 collect(toList());

       包括我自己对一些stream的api也不太熟悉，在使用时需要现去查询相关的api资料。所以本文对在开发中经常使用到的集合类操作stream的api进行总结，并介绍利用idea开发工具调试stream时的小技巧。

stream介绍

1. 什么是流？

       Stream 不是集合元素，它不是数据结构并不保存数据，它是有关算法和计算的，它更像一个高级版本的 Iterator。原始版本的 Iterator，用户只能显式地一个一个遍历元素并对其执行某些操作；高级版本的 Stream，用户只要给出需要对其包含的元素执行什么操作，比如 “过滤掉长度大于 10 的字符串”、“获取每个字符串的首字母”等，Stream 会隐式地在内部进行遍历，做出相应的数据转换。

       Stream 就如同一个迭代器（Iterator），单向，不可往复，数据只能遍历一次，遍历过一次后即用尽了，就好比流水从面前流过，一去不复返。

       而和迭代器又不同的是，Stream 可以并行化操作，迭代器只能命令式地、串行化操作。顾名思义，当使用串行方式去遍历时，每个 item 读完后再读下一个 item。而使用并行去遍历时，数据会被分成多个段，其中每一个都在不同的线程中处理，然后将结果一起输出。Stream 的并行操作依赖于 Java7 中引入的 Fork/Join 框架（JSR166y）来拆分任务和加速处理过程。

Stream 的另外一大特点是，数据源本身可以是无限的。

2. 流的构成

        获取一个数据源（source）→ 数据转换→执行操作获取想要的结果。每次转换原有 Stream 对象不改变，返回一个新的 Stream 对象（可以有多次转换），这就允许对其操作可以像链条一样排列，变成一个管道。

有多种方式生成 Stream Source：

• 从 Collection 和数组
  Collection.stream()
  Collection.parallelStream()
  Arrays.stream(T array) or Stream.of()
• 从 BufferedReader
  java.io.BufferedReader.lines()
• 静态工厂
  java.util.stream.IntStream.range()
  java.nio.file.Files.walk()
• 自己构建
  java.util.Spliterator
• 其它
  Random.ints()
  BitSet.stream()
  Pattern.splitAsStream(java.lang.CharSequence)
  JarFile.stream()

3.流的操作类型

• Intermediate：一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。
• Terminal：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。

       在对于一个 Stream 进行多次转换操作 (Intermediate 操作)，每次都对 Stream 的每个元素进行转换，而且是执行多次，这样时间复杂度就是 N（转换次数）个 for 循环里把所有操作都做掉的总和吗？其实不是这样的，转换操作都是 lazy 的，多个转换操作只会在 Terminal 操作的时候融合起来，一次循环完成。我们可以这样简单的理解，Stream 里有个操作函数的集合，每次转换操作就是把转换函数放入这个集合中，在 Terminal 操作的时候循环 Stream 对应的集合，然后对每个元素执行所有的函数。

        还有一种操作被称为 short-circuiting。用以指：
        对于一个 intermediate 操作，如果它接受的是一个无限大（infinite/unbounded）的 Stream，但返回一个有限的新 Stream。
        对于一个 terminal 操作，如果它接受的是一个无限大的 Stream，但能在有限的时间计算出结果。
当操作一个无限大的 Stream，而又希望在有限时间内完成操作，则在管道内拥有一个 short-circuiting 操作是必要的。

stream使用

1. 流的构造与转换

最常使用到的就是集合作为流的source。

Stream stream;
//由单独的值构成
Stream<String> strStream = Stream.of("one", "two", "three", "four");

//由数组构成
String [] strArray = new String[] {"a", "bb", "c"};
stream = Stream.of(strArray);
stream = Arrays.stream(strArray);

//由集合构成，最常用了
List<String> list = Arrays.asList(strArray);
stream = list.stream();

//对于基本数值型，目前有三种对应的包装类型的Stream：IntStream、LongStream、DoubleStream
IntStream.of(new int[]{1, 2, 3}).forEach(System.out::println);
IntStream.range(1, 3).forEach(System.out::println);
IntStream.rangeClosed(1, 3).forEach(System.out::println);

进阶：还可以自己构造流

1. Stream.generate

        Stream.generate通过实现 Supplier 接口，你可以自己来控制流的生成。这种情形通常用于随机数、常量的 Stream，或者需要前后元素间维持着某种状态信息的 Stream。由于它是无限的，在管道中，必须利用 limit 之类的操作限制 Stream 大小。

		//生成100以内的15个随机整数，用来构造测试随机数不失为一种简便的方式
        Stream.generate(() -> new Random().nextInt(100)).limit(15).forEach(System.out::println);

        //Another way
        IntStream.generate(() -> (int) (System.nanoTime() % 100)).
                limit(15).forEach(System.out::println);

        //random其实提供了更方便的ints()方法
        new Random().ints().limit(15).forEach(System.out::println);

        Stream.generate() 还接受自己实现的 Supplier。例如在构造海量测试数据的时候，用某种自动的规则给每一个变量赋值，用来构造测试数据很方便！

 	@Test
    public void testSupplier(){
        Stream.generate(new PersonSupplier()).
                limit(10).
                forEach(p -> System.out.println(p.getName() + ", " + p.getAge() + ", " + p.getHeight()));
    }

    private class PersonSupplier implements Supplier<PersonDto> {
        private int index = 0;
        private Random random = new Random();

        @Override
        public PersonDto get() {
            return new PersonDto( "xiao" + index, index++, random.nextInt(190));
        }
    }

2. Stream.iterate

        iterate 跟 reduce 操作很像，接受一个种子值，和一个 UnaryOperator（例如 f）。然后种子值成为 Stream 的第一个元素，f(seed) 为第二个，f(f(seed)) 第三个，以此类推。在 iterate 时候管道必须有 limit 这样的操作来限制 Stream 大小。

Stream.iterate(0, n -> n + 3).limit(10). forEach(x -> System.out.print(x + " "));.

2. 流的操作

流可以转换为数组、集合等

	Stream<String> stream = Stream.of("one", "two", "three", "four");

      // 1. 转换为数组
      String[] strArray1 = stream.toArray(String[]::new);
      // 2. 转换为集合
      List<String> list1 = stream.collect(Collectors.toList());
      List<String> list2 = stream.collect(Collectors.toCollection(ArrayList::new));
      Set set1 = stream.collect(Collectors.toSet());
      Stack stack1 = stream.collect(Collectors.toCollection(Stack::new));
      // 3. 转为String
      String str = stream.collect(Collectors.joining(",")).toString();

@Data
@Accessors(chain = true)
public class OriginalDto {

    private String id;

    private String regionId;

    private LocalDateTime deviceTime;

    private Double noiseValue;

    private Double noiseStatus;

}

		List<OriginalDto> originalDtoList = new ArrayList<>(10);
	
        //获取originalDtoList中所有id的集合
        List<String> originalDtoIdList = originalDtoList.stream().map(OriginalDto::getId).collect(Collectors.toList());

        //根据originalDtoList的deviceTime进行分组
        Map<LocalDateTime, List<OriginalDto>> dateTimeListMap= originalDtoList.stream().collect(Collectors.groupingBy(OriginalDto::getDeviceTime));

        //求每个deviceTime分组对应的noiseValue的和
        Map<LocalDateTime, Double> doubleMap = originalDtoList.stream().collect(
                Collectors.groupingBy(OriginalDto::getDeviceTime, Collectors.summingDouble(OriginalDto::getNoiseValue)));


        //获取originalDtoList中所有噪音值的平均值,此时mapToDouble转换为Double流，也可以求和，最大值，最小值,去重，排序,计数等
        OptionalDouble avgNoiseOptional = originalDtoList.stream().mapToDouble(OriginalDto::getNoiseValue).average();

        //对originalDtoList中元素按照deviceTime进行排序
        originalDtoList = originalDtoList.stream().sorted(Comparator.comparing(OriginalDto::getDeviceTime)).collect(Collectors.toList());


        //从idList到dayDataDto集合
        List<DayDataDto> dayDataList = originalDtoIdList.stream().map(id -> {
            DayDataDto dayDataDto = new DayDataDto();
            dayDataDto.setId(id);
            dayDataDto.setDate(LocalDate.now());
            return dayDataDto;
        }).collect(Collectors.toList());

        //满足noiseStatus=0的regionId前3个的集合
        List<String> regionId = originalDtoList.stream().filter(originalDto -> originalDto.getNoiseStatus() == 0)
                .map(OriginalDto::getRegionId).limit(3).collect(Collectors.toList());

`

在idea中如何调试stream

        stream方便了我们的开发，但是在调试时却十分不友好，幸好在idea2018之后的版本中，我们也可以查看调试stream各元素的变化。

点击上图中红框所示按钮即可进入stream，查看各元素变化，如下图查看各元素排序情况：

而且idea中还支持调试时在当前上下文中执行表达式，这个调试时炒鸡炒鸡方便，如

总结

1. 本文没有介绍stream的理论知识，只对编码开发中经常使用到的集合操作stream进行了总结介绍，方便进一步提高开发效率；
2. stream存在流内部出现bug调试不便，和后期维护性差的缺点，所以不建议在stream内写太复杂的业务逻辑，要保持代码的逻辑清晰性和添加必要的注释。