一、概述
Stream 是 Java8 中處理集合的關鍵抽象概念，它可以指定你希望對集合進行的操作，可以執行非常復雜的查找、過濾和映射數據等操作。使用Stream API 對集合數據進行操作，就類似於使用 SQL 執行的數據庫查詢。也可以使用 Stream API 來並行執行操作。簡而言之，Stream API 提供了一種高效且易於使用的處理數據的方式。
特點：
-
不是數據結構，不會保存數據。
-
不會修改原來的數據源，它會將操作后的數據保存到另外一個對象中。（保留意見：畢竟peek方法可以修改流中元素）
-
惰性求值，流在中間處理過程中，只是對操作進行了記錄，並不會立即執行，需要等到執行終止操作的時候才會進行實際的計算。
二、分類
無狀態：指元素的處理不受之前元素的影響；
有狀態：指該操作只有拿到所有元素之后才能繼續下去。
非短路操作：指必須處理所有元素才能得到最終結果；
短路操作：指遇到某些符合條件的元素就可以得到最終結果，如 A || B，只要A為true，則無需判斷B的結果。
三、具體用法
1. 流的常用創建方法
1.1 使用Collection下的 stream() 和 parallelStream() 方法
|
1
2
3
|
List<String> list =
new
ArrayList<>();
Stream<String> stream = list.stream();
//獲取一個順序流
Stream<String> parallelStream = list.parallelStream();
//獲取一個並行流
|
1.2 使用Arrays 中的 stream() 方法，將數組轉成流
|
1
2
|
Integer[] nums =
new
Integer[
10
];
Stream<Integer> stream = Arrays.stream(nums);
|
1.3 使用Stream中的靜態方法：of()、iterate()、generate()
|
1
2
3
4
5
6
7
|
Stream<Integer> stream = Stream.of(
1
,
2
,
3
,
4
,
5
,
6
);
Stream<Integer> stream2 = Stream.iterate(
0
, (x) -> x +
2
).limit(
6
);
stream2.forEach(System.out::println);
// 0 2 4 6 8 10
Stream<Double> stream3 = Stream.generate(Math::random).limit(
2
);
stream3.forEach(System.out::println);
|
|
1
2
3
|
BufferedReader reader =
new
BufferedReader(
new
FileReader(
"F:\\test_stream.txt"
));
Stream<String> lineStream = reader.lines();
lineStream.forEach(System.out::println);
|
1.5 使用 Pattern.splitAsStream() 方法，將字符串分隔成流
|
1
2
3
|
Pattern pattern = Pattern.compile(
","
);
Stream<String> stringStream = pattern.splitAsStream(
"a,b,c,d"
);
stringStream.forEach(System.out::println);
|
2. 流的中間操作
2.1 篩選與切片
filter：過濾流中的某些元素
limit(n)：獲取n個元素
skip(n)：跳過n元素，配合limit(n)可實現分頁
distinct：通過流中元素的 hashCode() 和 equals() 去除重復元素
|
1
2
3
4
5
6
7
|
Stream<Integer> stream = Stream.of(
6
,
4
,
6
,
7
,
3
,
9
,
8
,
10
,
12
,
14
,
14
);
Stream<Integer> newStream = stream.filter(s -> s >
5
)
//6 6 7 9 8 10 12 14 14
.distinct()
//6 7 9 8 10 12 14
.skip(
2
)
//9 8 10 12 14
.limit(
2
);
//9 8
newStream.forEach(System.out::println);
|
2.2 映射
map：接收一個函數作為參數，該函數會被應用到每個元素上，並將其映射成一個新的元素。
flatMap：接收一個函數作為參數，將流中的每個值都換成另一個流，然后把所有流連接成一個流。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
List<String> list = Arrays.asList(
"a,b,c"
,
"1,2,3"
);
//將每個元素轉成一個新的且不帶逗號的元素
Stream<String> s1 = list.stream().map(s -> s.replaceAll(
","
,
""
));
s1.forEach(System.out::println);
// abc 123
Stream<String> s3 = list.stream().flatMap(s -> {
//將每個元素轉換成一個stream
String[] split = s.split(
","
);
Stream<String> s2 = Arrays.stream(split);
return
s2;
});
s3.forEach(System.out::println);
// a b c 1 2 3
|
2.3 排序
sorted()：自然排序，流中元素需實現Comparable接口
sorted(Comparator com)：定制排序，自定義Comparator排序器
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
List<String> list = Arrays.asList(
"aa"
,
"ff"
,
"dd"
);
//String 類自身已實現Compareable接口
list.stream().sorted().forEach(System.out::println);
// aa dd ff
Student s1 =
new
Student(
"aa"
,
10
);
Student s2 =
new
Student(
"bb"
,
20
);
Student s3 =
new
Student(
"aa"
,
30
);
Student s4 =
new
Student(
"dd"
,
40
);
List<Student> studentList = Arrays.asList(s1, s2, s3, s4);
//自定義排序：先按姓名升序，姓名相同則按年齡升序
studentList.stream().sorted(
(o1, o2) -> {
if
(o1.getName().equals(o2.getName())) {
return
o1.getAge() - o2.getAge();
}
else
{
return
o1.getName().compareTo(o2.getName());
}
}
).forEach(System.out::println);
|
2.4 消費
peek：如同於map，能得到流中的每一個元素。但map接收的是一個Function表達式，有返回值；而peek接收的是Consumer表達式，沒有返回值。
|
1
2
3
4
5
6
7
8
9
10
11
|
Student s1 =
new
Student(
"aa"
,
10
);
Student s2 =
new
Student(
"bb"
,
20
);
List<Student> studentList = Arrays.asList(s1, s2);
studentList.stream()
.peek(o -> o.setAge(
100
))
.forEach(System.out::println);
//結果：
Student{name=
'aa'
, age=
100
}
Student{name=
'bb'
, age=
100
}
|
3. 流的終止操作
3.1 匹配、聚合操作
allMatch：接收一個 Predicate 函數，當流中每個元素都符合該斷言時才返回true，否則返回false
noneMatch：接收一個 Predicate 函數，當流中每個元素都不符合該斷言時才返回true，否則返回false
anyMatch：接收一個 Predicate 函數，只要流中有一個元素滿足該斷言則返回true，否則返回false
findFirst：返回流中第一個元素
findAny：返回流中的任意元素
count：返回流中元素的總個數
max：返回流中元素最大值
min：返回流中元素最小值
|
1
2
3
4
5
6
7
8
9
10
11
12
|
List<Integer> list = Arrays.asList(
1
,
2
,
3
,
4
,
5
);
boolean
allMatch = list.stream().allMatch(e -> e >
10
);
//false
boolean
noneMatch = list.stream().noneMatch(e -> e >
10
);
//true
boolean
anyMatch = list.stream().anyMatch(e -> e >
4
);
//true
Integer findFirst = list.stream().findFirst().get();
//1
Integer findAny = list.stream().findAny().get();
//1
long
count = list.stream().count();
//5
Integer max = list.stream().max(Integer::compareTo).get();
//5
Integer min = list.stream().min(Integer::compareTo).get();
//1
|
3.2 規約操作
Optional reduce(BinaryOperator accumulator)：第一次執行時，accumulator函數的第一個參數為流中的第一個元素，第二個參數為流中元素的第二個元素；第二次執行時，第一個參數為第一次函數執行的結果，第二個參數為流中的第三個元素；依次類推。
T reduce(T identity, BinaryOperator accumulator)：流程跟上面一樣，只是第一次執行時，accumulator函數的第一個參數為identity，而第二個參數為流中的第一個元素。
U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator combiner)：在串行流(stream)中，該方法跟第二個方法一樣，即第三個參數combiner不會起作用。在並行流(parallelStream)中,我們知道流被fork join出多個線程進行執行，此時每個線程的執行流程就跟第二個方法reduce(identity,accumulator)一樣，而第三個參數combiner函數，則是將每個線程的執行結果當成一個新的流，然后使用第一個方法reduce(accumulator)流程進行規約。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
//經過測試，當元素個數小於24時，並行時線程數等於元素個數，當大於等於24時，並行時線程數為16
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
);
Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(v);
// 300
Integer v1 = list.stream().reduce(
10
, (x1, x2) -> x1 + x2);
System.out.println(v1);
//310
Integer v2 = list.stream().reduce(
0
,
(x1, x2) -> {
System.out.println(
"stream accumulator: x1:"
+ x1 +
" x2:"
+ x2);
return
x1 - x2;
},
(x1, x2) -> {
System.out.println(
"stream combiner: x1:"
+ x1 +
" x2:"
+ x2);
return
x1 * x2;
});
System.out.println(v2);
// -300
Integer v3 = list.parallelStream().reduce(
0
,
(x1, x2) -> {
System.out.println(
"parallelStream accumulator: x1:"
+ x1 +
" x2:"
+ x2);
return
x1 - x2;
},
(x1, x2) -> {
System.out.println(
"parallelStream combiner: x1:"
+ x1 +
" x2:"
+ x2);
return
x1 * x2;
});
System.out.println(v3);
//197474048
|
3.3 收集操作
collect：接收一個Collector實例，將流中元素收集成另外一個數據結構。
Collector<T, A, R> 是一個接口，有以下5個抽象方法：
Supplier<A> supplier()：創建一個結果容器A
BiConsumer<A, T> accumulator()：消費型接口，第一個參數為容器A，第二個參數為流中元素T。
BinaryOperator<A> combiner()：函數接口，該參數的作用跟上一個方法(reduce)中的combiner參數一樣，將並行流中各 個子進程的運行結果(accumulator函數操作后的容器A)進行合並。
Function<A, R> finisher()：函數式接口，參數為：容器A，返回類型為：collect方法最終想要的結果R。
Set<Characteristics> characteristics()：返回一個不可變的Set集合，用來表明該Collector的特征。有以下三個特征：
CONCURRENT：表示此收集器支持並發。（官方文檔還有其他描述，暫時沒去探索，故不作過多翻譯）
UNORDERED：表示該收集操作不會保留流中元素原有的順序。
IDENTITY_FINISH：表示finisher參數只是標識而已，可忽略。
3.3.1 Collector 工具庫：Collectors
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
Student s1 =
new
Student(
"aa"
,
10
,
1
);
Student s2 =
new
Student(
"bb"
,
20
,
2
);
Student s3 =
new
Student(
"cc"
,
10
,
3
);
List<Student> list = Arrays.asList(s1, s2, s3);
//裝成list
List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList());
// [10, 20, 10]
//轉成set
Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet());
// [20, 10]
//轉成map,注:key不能相同，否則報錯
Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge));
// {cc=10, bb=20, aa=10}
//字符串分隔符連接
String joinName = list.stream().map(Student::getName).collect(Collectors.joining(
","
,
"("
,
")"
));
// (aa,bb,cc)
//聚合操作
//1.學生總數
Long count = list.stream().collect(Collectors.counting());
// 3
//2.最大年齡 (最小的minBy同理)
Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get();
// 20
//3.所有人的年齡
Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge));
// 40
//4.平均年齡
Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge));
// 13.333333333333334
// 帶上以上所有方法
DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
System.out.println(
"count:"
+ statistics.getCount() +
",max:"
+ statistics.getMax() +
",sum:"
+ statistics.getSum() +
",average:"
+ statistics.getAverage());
//分組
Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
//多重分組,先根據類型分再根據年齡分
Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));
//分區
//分成兩部分，一部分大於10歲，一部分小於等於10歲
Map<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() >
10
));
//規約
Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get();
//40
|
3.3.2 Collectors.toList() 解析
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
|
//toList 源碼
public
static
<T> Collector<T, ?, List<T>> toList() {
return
new
CollectorImpl<>((Supplier<List<T>>) ArrayList::
new
, List::add,
(left, right) -> {
left.addAll(right);
return
left;
}, CH_ID);
}
//為了更好地理解，我們轉化一下源碼中的lambda表達式
public
<T> Collector<T, ?, List<T>> toList() {
Supplier<List<T>> supplier = () ->
new
ArrayList();
BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
BinaryOperator<List<T>> combiner = (list1, list2) -> {
list1.addAll(list2);
return
list1;
};
Function<List<T>, List<T>> finisher = (list) -> list;
Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
return
new
Collector<T, List<T>, List<T>>() {
@Override
public
Supplier supplier() {
return
supplier;
}
@Override
public
BiConsumer accumulator() {
return
accumulator;
}
@Override
public
BinaryOperator combiner() {
return
combiner;
}
@Override
public
Function finisher() {
return
finisher;
}
@Override
public
Set<Characteristics> characteristics() {
return
characteristics;
}
};
}
|