Java 8中Stream API集合操作的小技巧！

共计 8886 个字符，预计需要花费 23 分钟才能阅读完成。

Stream 简介

Java 8 引入了全新的 Stream API。这里的 Stream 和 I / O 流不同，它更像具有 Iterable 的集合类，但行为和集合类又有所不同。
stream 是对集合对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作，或者大批量数据操作。
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。

为什么要使用 Stream

函数式编程带来的好处尤为明显。这种代码更多地表达了业务逻辑的意图，而不是它的实现机制。易读的代码也易于维护、更可靠、更不容易出错。
高端

实例数据源
public class Data {
private static List<PersonModel> list = null;

static {
PersonModel wu = new PersonModel(“wu qi”, 18, “ 男 ”);
PersonModel zhang = new PersonModel(“zhang san”, 19, “ 男 ”);
PersonModel wang = new PersonModel(“wang si”, 20, “ 女 ”);
PersonModel zhao = new PersonModel(“zhao wu”, 20, “ 男 ”);
PersonModel chen = new PersonModel(“chen liu”, 21, “ 男 ”);
list = Arrays.asList(wu, zhang, wang, zhao, chen);
}

public static List<PersonModel> getData() {
return list;
}
}
Filter

遍历数据并检查其中的元素时使用。
filter 接受一个函数作为参数，该函数用 Lambda 表达式表示。

/**
* 过滤所有的男性
*/
public static void fiterSex(){
List<PersonModel> data = Data.getData();

//old
List<PersonModel> temp=new ArrayList<>();
for (PersonModel person:data) {
if (“ 男 ”.equals(person.getSex())){
temp.add(person);
}
}
System.out.println(temp);
//new
List<PersonModel> collect = data
.stream()
.filter(person -> “ 男 ”.equals(person.getSex()))
.collect(toList());
System.out.println(collect);
}

/**
* 过滤所有的男性 并且小于 20 岁
*/
public static void fiterSexAndAge(){
List<PersonModel> data = Data.getData();

//old
List<PersonModel> temp=new ArrayList<>();
for (PersonModel person:data) {
if (“ 男 ”.equals(person.getSex())&&person.getAge()<20){
temp.add(person);
}
}

//new 1
List<PersonModel> collect = data
.stream()
.filter(person -> {
if (“ 男 ”.equals(person.getSex())&&person.getAge()<20){
return true;
}
return false;
})
.collect(toList());
//new 2
List<PersonModel> collect1 = data
.stream()
.filter(person -> (“ 男 ”.equals(person.getSex())&&person.getAge()<20))
.collect(toList());

}
Map

map 生成的是个一对一映射,for 的作用
比较常用
而且很简单

/**
* 取出所有的用户名字
*/
public static void getUserNameList(){
List<PersonModel> data = Data.getData();

//old
List<String> list=new ArrayList<>();
for (PersonModel persion:data) {
list.add(persion.getName());
}
System.out.println(list);

//new 1
List<String> collect = data.stream().map(person -> person.getName()).collect(toList());
System.out.println(collect);

//new 2
List<String> collect1 = data.stream().map(PersonModel::getName).collect(toList());
System.out.println(collect1);

//new 3
List<String> collect2 = data.stream().map(person -> {
System.out.println(person.getName());
return person.getName();
}).collect(toList());
}
FlatMap

顾名思义，跟 map 差不多, 更深层次的操作
但还是有区别的
map 和 flat 返回值不同
Map 每个输入元素，都按照规则转换成为另外一个元素。

还有一些场景，是一对多映射关系的，这时需要 flatMap。

Map 一对一
Flatmap 一对多

map 和 flatMap 的方法声明是不一样的

<r> Stream<r> map(Function mapper);
<r> Stream<r> flatMap(Function> mapper);
map 和 flatMap 的区别：我个人认为，flatMap 的可以处理更深层次的数据，入参为多个 list，结果可以返回为一个 list，而 map 是一对一的，入参是多个 list，结果返回必须是多个 list。通俗的说，如果入参都是对象，那么 flatMap 可以操作对象里面的对象，而 map 只能操作第一层。

public static void flatMapString() {
List<PersonModel> data = Data.getData();
// 返回类型不一样
List<String> collect = data.stream()
.flatMap(person -> Arrays.stream(person.getName().split(” “))).collect(toList());

List<Stream<String>> collect1 = data.stream()
.map(person -> Arrays.stream(person.getName().split(” “))).collect(toList());

// 用 map 实现
List<String> collect2 = data.stream()
.map(person -> person.getName().split(” “))
.flatMap(Arrays::stream).collect(toList());
// 另一种方式
List<String> collect3 = data.stream()
.map(person -> person.getName().split(” “))
.flatMap(str -> Arrays.asList(str).stream()).collect(toList());
}
Reduce

感觉类似递归
数字 (字符串) 累加
个人没咋用过

public static void reduceTest(){
// 累加，初始化值是 10
Integer reduce = Stream.of(1, 2, 3, 4)
.reduce(10, (count, item) ->{
System.out.println(“count:”+count);
System.out.println(“item:”+item);
return count + item;
} );
System.out.println(reduce);

Integer reduce1 = Stream.of(1, 2, 3, 4)
.reduce(0, (x, y) -> x + y);
System.out.println(reduce1);

String reduce2 = Stream.of(“1”, “2”, “3”)
.reduce(“0”, (x, y) -> (x + “,” + y));
System.out.println(reduce2);
}
Collect

collect 在流中生成列表，map，等常用的数据结构
toList()
toSet()
toMap()
自定义

/**
* toList
*/
public static void toListTest(){
List<PersonModel> data = Data.getData();
List<String> collect = data.stream()
.map(PersonModel::getName)
.collect(Collectors.toList());
}

/**
* toSet
*/
public static void toSetTest(){
List<PersonModel> data = Data.getData();
Set<String> collect = data.stream()
.map(PersonModel::getName)
.collect(Collectors.toSet());
}

/**
* toMap
*/
public static void toMapTest(){
List<PersonModel> data = Data.getData();
Map<String, Integer> collect = data.stream()
.collect(
Collectors.toMap(PersonModel::getName, PersonModel::getAge)
);

data.stream()
.collect(Collectors.toMap(per->per.getName(), value->{
return value+”1″;
}));
}

/**
* 指定类型
*/
public static void toTreeSetTest(){
List<PersonModel> data = Data.getData();
TreeSet<PersonModel> collect = data.stream()
.collect(Collectors.toCollection(TreeSet::new));
System.out.println(collect);
}

/**
* 分组
*/
public static void toGroupTest(){
List<PersonModel> data = Data.getData();
Map<Boolean, List<PersonModel>> collect = data.stream()
.collect(Collectors.groupingBy(per -> “ 男 ”.equals(per.getSex())));
System.out.println(collect);
}

/**
* 分隔
*/
public static void toJoiningTest(){
List<PersonModel> data = Data.getData();
String collect = data.stream()
.map(personModel -> personModel.getName())
.collect(Collectors.joining(“,”, “{“, “}”));
System.out.println(collect);
}

/**
* 自定义
*/
public static void reduce(){
List<String> collect = Stream.of(“1”, “2”, “3”).collect(
Collectors.reducing(new ArrayList<String>(), x -> Arrays.asList(x), (y, z) -> {
y.addAll(z);
return y;
}));
System.out.println(collect);
}
Optional

Optional 是为核心类库新设计的一个数据类型，用来替换 null 值。
人们对原有的 null 值有很多抱怨，甚至连发明这一概念的 Tony Hoare 也是如此，他曾说这是自己的一个“价值连城的错误”
用处很广，不光在 lambda 中，哪都能用
Optional.of(T)，T 为非空，否则初始化报错
Optional.ofNullable(T)，T 为任意，可以为空
isPresent()，相当于！=null
ifPresent(T)，T 可以是一段 lambda 表达式，或者其他代码，非空则执行

public static void main(String[] args) {

PersonModel personModel=new PersonModel();

// 对象为空则打出 –
Optional<Object> o = Optional.of(personModel);
System.out.println(o.isPresent()?o.get():”-“);

// 名称为空则打出 –
Optional<String> name = Optional.ofNullable(personModel.getName());
System.out.println(name.isPresent()?name.get():”-“);

// 如果不为空，则打出 xxx
Optional.ofNullable(“test”).ifPresent(na->{
System.out.println(na+”ifPresent”);
});

// 如果空，则返回指定字符串
System.out.println(Optional.ofNullable(null).orElse(“-“));
System.out.println(Optional.ofNullable(“1”).orElse(“-“));

// 如果空，则返回 指定方法，或者代码
System.out.println(Optional.ofNullable(null).orElseGet(()->{
return “hahah”;
}));
System.out.println(Optional.ofNullable(“1”).orElseGet(()->{
return “hahah”;
}));

// 如果空，则可以抛出异常
System.out.println(Optional.ofNullable(“1”).orElseThrow(()->{
throw new RuntimeException(“ss”);
}));

// Objects.requireNonNull(null,”is null”);

// 利用 Optional 进行多级判断
EarthModel earthModel1 = new EarthModel();
//old
if (earthModel1!=null){
if (earthModel1.getTea()!=null){
//…
}
}
//new
Optional.ofNullable(earthModel1)
.map(EarthModel::getTea)
.map(TeaModel::getType)
.isPresent();

// Optional<EarthModel> earthModel = Optional.ofNullable(new EarthModel());
// Optional<List<PersonModel>> personModels = earthModel.map(EarthModel::getPersonModels);
// Optional<Stream<String>> stringStream = personModels.map(per -> per.stream().map(PersonModel::getName));

// 判断对象中的 list
Optional.ofNullable(new EarthModel())
.map(EarthModel::getPersonModels)
.map(pers->pers
.stream()
.map(PersonModel::getName)
.collect(toList()))
.ifPresent(per-> System.out.println(per));

List<PersonModel> models=Data.getData();
Optional.ofNullable(models)
.map(per -> per
.stream()
.map(PersonModel::getName)
.collect(toList()))
.ifPresent(per-> System.out.println(per));

}
并发

stream 替换成 parallelStream 或 parallel
输入流的大小并不是决定并行化是否会带来速度提升的唯一因素，性能还会受到编写代码的方式和核的数量的影响
影响性能的五要素是: 数据大小、源数据结构、值是否装箱、可用的 CPU 核数量，以及处理每个元素所花的时间

// 根据数字的大小，有不同的结果
private static int size=10000000;
public static void main(String[] args) {
System.out.println(“———–List———–“);
testList();
System.out.println(“———–Set———–“);
testSet();
}

/**
* 测试 list
*/
public static void testList(){
List<Integer> list = new ArrayList<>(size);
for (Integer i = 0; i < size; i++) {
list.add(new Integer(i));
}

List<Integer> temp1 = new ArrayList<>(size);
// 老的
long start=System.currentTimeMillis();
for (Integer i: list) {
temp1.add(i);
}
System.out.println(+System.currentTimeMillis()-start);

// 同步
long start1=System.currentTimeMillis();
list.stream().collect(Collectors.toList());
System.out.println(System.currentTimeMillis()-start1);

// 并发
long start2=System.currentTimeMillis();
list.parallelStream().collect(Collectors.toList());
System.out.println(System.currentTimeMillis()-start2);
}

/**
* 测试 set
*/
public static void testSet(){
List<Integer> list = new ArrayList<>(size);
for (Integer i = 0; i < size; i++) {
list.add(new Integer(i));
}

Set<Integer> temp1 = new HashSet<>(size);
// 老的
long start=System.currentTimeMillis();
for (Integer i: list) {
temp1.add(i);
}
System.out.println(+System.currentTimeMillis()-start);

// 同步
long start1=System.currentTimeMillis();
list.stream().collect(Collectors.toSet());
System.out.println(System.currentTimeMillis()-start1);

// 并发
long start2=System.currentTimeMillis();
list.parallelStream().collect(Collectors.toSet());
System.out.println(System.currentTimeMillis()-start2);
}
调试

list.map.fiter.map.xx 为链式调用，最终调用 collect(xx)返回结果
分惰性求值和及早求值
判断一个操作是惰性求值还是及早求值很简单: 只需看它的返回值。如果返回值是 Stream，那么是惰性求值; 如果返回值是另一个值或为空，那么就是及早求值。使用这些操作的理想方式就是形成一个惰性求值的链，最后用一个及早求值的操作返回想要的结果。
通过 peek 可以查看每个值，同时能继续操作流

private static void peekTest() {
List<PersonModel> data = Data.getData();

//peek 打印出遍历的每个 per
data.stream().map(per->per.getName()).peek(p->{
System.out.println(p);
}).collect(toList());
}