关于java:玩转Java8-Stream代码效率飞升

2次阅读

共计 8399 个字符，预计需要花费 21 分钟才能阅读完成。

概述

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。

特点如下：

  • 不是数据结构，不会保留数据。
  • 不会批改原来的数据源，它会将操作后的数据保留到另外一个对象中。（保留意见：毕竟 peek 办法能够批改流中元素）
  • 惰性求值，流在两头处理过程中，只是对操作进行了记录，并不会立刻执行，须要等到执行终止操作的时候才会进行理论的计算。

分类

如上图：

  • 无状态：指元素的解决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能力继续下去
  • 非短路操作：指必须解决所有元素能力失去最终后果
  • 短路操作：指遇到某些符合条件的元素就能够失去最终后果，如 A || B，只有 A 为 true，则无需判断 B 的后果

具体用法

| 流的罕用创立办法
应用 Collection 下的 stream() 和 parallelStream() 办法：

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

应用 Arrays 中的 stream() 办法，将数组转成流：

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

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

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);

应用 BufferedReader.lines() 办法，将每行内容转成流：

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

应用 Pattern.splitAsStream() 办法，将字符串分隔成流：

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

| 流的两头操作

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() 去除反复元素

    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);

    映射：

  • map：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。

  • 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。

    List<String> list = Arrays.asList("a,b,c", "1,2,3");

// 将每个元素转成一个新的且不带逗号的元素
Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
s1.forEach(System.out::println); // abc  123

Stream<String> s3 = list.stream().flatMap(s -> {
  // 将每个元素转换成一个 stream
  String[] split = s.split(",");
  Stream<String> s2 = Arrays.stream(split);
  return s2;
});
s3.forEach(System.out::println); // a b c 1 2 3

    排序：

  • sorted()：天然排序，流中元素需实现 Comparable 接口

  • sorted(Comparator com)：定制排序，自定义 Comparator 排序器

    List<String> list = Arrays.asList("aa", "ff", "dd");
//String 类本身已实现 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);

// 自定义排序：先按姓名升序，姓名雷同则按年龄升序
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);

    生产：

  • peek：如同于 map，能失去流中的每一个元素。但 map 接管的是一个 Function 表达式，有返回值；而 peek 接管的是 Consumer 表达式，没有返回值。

    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);   

// 后果：Student{name='aa', age=100}
Student{name='bb', age=100}

    | 流的终止操作

匹配、聚合操作：

  • allMatch：接管一个 Predicate 函数，当流中每个元素都合乎该断言时才返回 true，否则返回 false
  • noneMatch：接管一个 Predicate 函数，当流中每个元素都不合乎该断言时才返回 true，否则返回 false
  • anyMatch：接管一个 Predicate 函数，只有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

    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

规约操作：

①Optional<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后果，第二个参数为流中的第三个元素；顺次类推。

②T reduce(T identity, BinaryOperator<T> accumulator)：流程跟下面一样，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。

③<U> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U> combiner)：在串行流 (stream) 中，该办法跟第二个办法一样，即第三个参数 combiner 不会起作用。

在并行流 (parallelStream) 中，咱们晓得流被 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办法 reduce(identity,accumulator)一样。

而第三个参数 combiner 函数，则是将每个线程的执行后果当成一个新的流，而后应用第一个办法 reduce(accumulator)流程进行规约。

// 通过测试，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
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

收集操作：

  • collect：接管一个 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 个形象办法：

  • Supplier supplier()：创立一个后果容器 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 combiner()：函数接口，该参数的作用跟上一个办法 (reduce) 中的 combiner 参数一样，将并行流中各个子过程的运行后果 (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 办法最终想要的后果 R。
  • Set<Characteristics> characteristics()：返回一个不可变的 Set 汇合，用来表明该 Collector 的特色。

有以下三个特色：

  • CONCURRENT：示意此收集器反对并发。（官网文档还有其余形容，临时没去摸索，故不作过多翻译）
  • UNORDERED：示意该收集操作不会保留流中元素原有的程序。
  • IDENTITY_FINISH：示意 finisher 参数只是标识而已，可疏忽。

Collector 工具库：Collectors

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);

// 装成 list
List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10]

// 转成 set
Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10]

// 转成 map, 注:key 不能雷同，否则报错
Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10}

// 字符串分隔符连贯
String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc)

// 聚合操作
//1. 学生总数
Long count = list.stream().collect(Collectors.counting()); // 3
//2. 最大年龄 (最小的 minBy 同理)
Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
//3. 所有人的年龄
Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40
//4. 平均年龄
Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334
// 带上以上所有办法
DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage());

// 分组
Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
// 多重分组, 先依据类型分再依据年龄分
Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));

// 分区
// 分成两局部，一部分大于 10 岁，一部分小于等于 10 岁
Map<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));

// 规约
Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40

Collectors.toList() 解析：

//toList 源码
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);
}

// 为了更好地了解，咱们转化一下源码中的 lambda 表达式
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;}
    };

}

起源：http://b.nxw.so/1rlrOw

正文完
java
发表至： java
2022-06-17
 0
java高并发系列-第6天线程的基本操作
关于java:Mybatis手撸二创建简单的映射器代理工厂
为什么强烈禁止开发人员使用isSuccess作为变量名
关于java:Java-8-10-Java-18

站内搜索

-「」