共计 6499 个字符,预计需要花费 17 分钟才能阅读完成。
1. 是什么
Stream 是 Java8 中解决汇合的要害抽象概念,它能够指定你心愿对
汇合进行的操作,能够执行非常复杂的查找、过滤和映射数据等操作。
应用 Stream API 对汇合数据进行操作,就相似于应用 SQL 执行的数
据库查问。也能够应用 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应用的解决数据的形式。
留神:
- Stream 本人不会存储元素。
- Stream 不会扭转源对象。相同,他们会返回一个持有后果的新 Stream。
- Stream 操作是提早执行的。这意味着他们会等到须要后果的时候才执行。
2. Stream 的应用
三步骤
- 创立 Stream
一个数据源(如:汇合、数组),获取一个流 - 两头操作
一个两头操作链,对数据源的数据进行解决
- 终止操作(终端操作)
一个终止操作,执行两头操作链,并产生后果
2.1 创立 Stream
- Collection 提供了两个办法 stream() 与 parallelStream()
List<String> list = new ArrayList<>();
Stream<String> stream = list.stream(); // 获取一个程序流
Stream<String> parallelStream = list.parallelStream(); // 获取一个并行流
- Java8 中的 Arrays 的静态方法 stream() 能够获取数组流
Integer[] nums = new Integer[10];
Stream<Integer> stream1 = Arrays.stream(nums);
#还有很多重载办法也能够取得流
重载模式,可能解决对应根本类型的数组:public static IntStream stream(int[] array)
public static LongStream stream(long[] array)
public static DoubleStream stream(double[] array)
- 通过 concat 办法让多个流合并
List<Cart> carts = queryCartList();
List<Cart> carts2 = queryCartList();
Stream<Cart> concat = Stream.concat(carts.stream(), carts2.stream());
#而后能够接着操作流。
- 通过 Stream 类中静态方法 of()
Stream<Integer> stream2 = Stream.of(1,2,3,4,5,6);
- 由函数创立流:创立有限流
能够应用静态方法 Stream.iterate() 和 Stream.generate(), 创立有限流。
// 迭代
Stream<Integer> stream3 = Stream.iterate(0, (x) -> x + 2).limit(10);
stream3.forEach(System.out::println);
// 生成
Stream<Double> stream4 = Stream.generate(Math::random).limit(2);
stream4.forEach(System.out::println);
2.2 两头操作
tips:当没应用显式的应用 Iterator
进行遍历时,称为外部迭代,应用 Strea 外部实现。
多个两头操作能够连接起来造成一个流水线,除非流水线上触发终止操作,否则两头操作不会执行任何的解决!而在终止操作时一次性全副解决,称为“惰性求值”.
2.2.1 筛选与切片
- filter(Predicate p) —— 接管 Lambda,从流中排除某些元素。
Stream<Employee> stream = emps.stream()
.filter((e) -> {System.out.println("测试两头操作");
return e.getAge() <= 35;});
- limit—— 截断流,使其元素不超过给定数量。
# 相当于短路,当达到数量后就不再进行其余操作
emps.stream()
.filter((e) -> {System.out.println("短路!"); // && ||
return e.getSalary() >= 5000;}).limit(3)
.forEach(System.out::println);
- skip(n) —— 跳过元素,返回一个扔掉了前 n 个元素的流。若流中元素有余 n 个,则返回一个空流。与 limit(n) 互补
emps.parallelStream()
.filter((e) -> e.getSalary() >= 5000)
.skip(2)
.forEach(System.out::println);
- distinct—— 筛选,通过流所生成元素的 hashCode() 和 equals() 去除反复元素
emps.stream()
.distinct()
.forEach(System.out::println);
2.2.2 映射
- map——接管 Lambda,将元素转换成其余模式或提取信息。接管一个函数作为参数,该函数会被利用到每个元素上,并将其映射成一个新的元素。
List<String> strList = Arrays.asList("aaa", "bbb", "ccc", "ddd");
Stream<String> stream = strList.stream()
.map(String::toUpperCase);
stream.forEach(System.out::println);
- flatMap——接管一个函数作为参数,将流中的每个值都换成另一个流,而后把所有流连接成一个流。
# 这里给出一个案例,需要是把字符串汇合的每个字符离开变成单个字节而后输入。map 实现的是每个字符串生成流,而后返回流的汇合。而 flatMap 是把所有的流中的元素放在一个流中。通过函数的返回值能够清晰的看进去区别。public void test1(){List<String> strList = Arrays.asList("aaa", "bbb", "ccc", "ddd", "eee");
Stream<Stream<Character>> stream2 = strList.stream()
// .map(TestStreamAPI1::filterCharacter);
.map((e) -> filterCharacter(e));
stream2.forEach((sm) -> {sm.forEach(System.out::println);
});
System.out.println("-------------------------------------");
Stream<Character> stream3 = strList.stream()
.flatMap(TestStreamAPI1::filterCharacter);
stream3.forEach(System.out::println);
}
public static Stream<Character> filterCharacter(String str){List<Character> list = new ArrayList<>();
for (Character ch : str.toCharArray()) {list.add(ch);
}
return list.stream();}
- 这两个还有很多子类型:
mapToDouble(ToDoubleFunction f) 接管一个函数作为参数,该函数会被利用到每个元素上,产生一个新的 DoubleStream。
mapToInt(ToIntFunction f)
mapToLong(ToIntFunction f)
flatMap 也有同样的三种办法。这里不再细说。
2.2.3 排序
- sorted()——天然排序
emps.stream()
.map(Employee::getName)
.sorted()
.forEach(System.out::println);
- sorted(Comparator com)——定制排序
emps.stream()
.sorted((x, y) -> {if(x.getAge() == y.getAge()){return x.getName().compareTo(y.getName());
}else{return Integer.compare(x.getAge(), y.getAge());
}
}).forEach(System.out::println);
2.2.4 range 操作
- range 和 rangeClosed
range 不包含范畴中的前面的数,而 rangeClosed 包含前面的数。
public class RangeTest {public static void main(String[] args) {IntStream.range(0,10).forEach(System.out::print);
System.out.println("==============");
IntStream.rangeClosed(0,10).forEach(System.out::print);
}
}
// 输入:0123456789==============
//012345678910
2.3 终止操作
留神:流进行了终止操作后,不能再次应用
** 终止操作会从流的流水线生成后果。其后果能够是任何不是流的
值,例如:List、Integer,甚至是 void。**
2.3.1 查找与匹配
- allMatch——查看是否匹配所有元素
boolean bl = emps.stream()
.allMatch((e) -> e.getStatus().equals(Status.BUSY));
System.out.println(bl);
- anyMatch——查看是否至多匹配一个元素
boolean bl1 = emps.stream()
.anyMatch((e) -> e.getStatus().equals(Status.BUSY));
System.out.println(bl1);
- noneMatch——查看是否没有匹配的元素
boolean bl2 = emps.stream()
.noneMatch((e) -> e.getStatus().equals(Status.BUSY));
System.out.println(bl2);
- findFirst——返回第一个元素
Optional<Employee> op = emps.stream()
.sorted((e1, e2) ->
Double.compare(e1.getSalary(), e2.getSalary()))
.findFirst();
System.out.println(op.get());
- findAny——返回以后流中的任意元素
Optional<Employee> op2 = emps.parallelStream()
.filter((e) -> e.getStatus().equals(Status.FREE))
.findAny();
System.out.println(op2.get());
- count——返回流中元素的总个数
long count = emps.stream()
.filter((e) -> e.getStatus().equals(Status.FREE))
.count();
System.out.println(count);
- max——返回流中最大值
Optional<Double> op = emps.stream()
.map(Employee::getSalary)
.max(Double::compare);
- min——返回流中最小值
Optional<Employee> op2 = emps.stream()
.min((e1, e2) ->
Double.compare(e1.getSalary(), e2.getSalary()));
2.3.2 规约
- reduce(T identity, BinaryOperator) ` 能够将流中元素重复联合起来,失去一个值。
返回 T`
- reduce(BinaryOperator) ` 能够将流中元素重复联合起来,失去一个值。
返回 Optional<T>`
List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8,9,10);
#形式一,会把这个 o 当做初始的 x 而后进行操作。Integer sum = list.stream()
.reduce(0, (x, y) -> x + y);
System.out.println(sum);
# 形式二
Optional<Double> op = emps.stream()
.map(Employee::getSalary)
.reduce(Double::sum);
System.out.println(op.get());
map 和 reduce 的连贯通常称为 map-reduce 模式
2.3.3 收集
- collect(Collector c)
将流转换为其余模式。接管一个 Collector 接口的实现,用于给 Stream 中元素做汇总的办法
其中 toMap 的时候能够指定键抵触时候的策略
Map<Long, CartItemSku> collect = Stream.concat(list.stream(), frontCartItems.stream())
.collect(Collectors
.toMap(CartItemSku::getSkuId, val -> val, (oldValue, newValue) -> {oldValue.setQuantity(oldValue.getQuantity() + newValue.getQuantity());
return oldValue;
}));
Collector 接口中办法的实现决定了如何对流执行收集操作(如收集到 List、Set、Map)。然而 Collectors 类提供了很多静态方法,能够不便地创立常见收集器实例,具体应用如下图:
3. 并行流和串行流
3.1. 简介
并行流就是把一个内容分成多个数据块,并用不同的线程别离解决每个数据块的流。
Java 8 中将并行进行了优化,咱们能够很容易的对数据进行并行操作。Stream API 能够申明性地通过 parallel() 与 sequential() 在并行流与程序流之间进行切换。
3.2. 理解 Fork/Join 框架
Fork/Join 框架:就是在必要的状况下,将一个大工作,进行拆分 (fork) 成若干个小工作(拆到不可再拆时),再将一个个的小工作运算的后果进行 join 汇总.
Fork/Join 框架与传统线程池的区别:
采纳“工作窃取”模式(work-stealing):
当执行新的工作时它能够将其拆分分成更小的工作执行,并将小工作加到线程队列中,而后再从一个随机线程的队列中偷一个并把它放在本人的队列中。绝对于个别的线程池实现,fork/join 框架的劣势体现在对其中蕴含的工作的解决形式上. 在个别的线程池中, 如果一个线程正在执行的工作因为某些起因无奈持续运行, 那么该线程会处于期待状态. 而在 fork/join 框架实现中, 如果某个子问题因为期待另外一个子问题的实现而无奈持续运行. 那么解决该子问题的线程会被动寻找其余尚未运行的子问题来执行. 这种形式缩小了线程的等待时间, 进步了性能。
3.3. 应用
java8 中的并行流底层应用的就是 Fork/Join 模式。
long start = System.currentTimeMillis();
Long sum = LongStream.rangeClosed(0L, 10000000000L)
.parallel()
.sum();
System.out.println(sum);
long end = System.currentTimeMillis();
System.out.println("消耗的工夫为:" + (end - start));
4 总结
Stream API 的性能能够说十分弱小,学会是在练习的根底之上,所以勤分割能力晋升。