关于java:JAVAStream函数优雅的数据流操作

前言

平时操作汇合数据，咱们个别都是 for 或者 iterator 去遍历，不是很难看。java 提供了 Stream 的概念，它能够让咱们把汇合数据当做一个个元素在解决，并且提供多线程模式

• 流的创立
• 流的各种数据操作
• 流的终止操作
• 流的聚合解决
• 并发流和 CompletableFuture 的配合应用

1 stream 的结构形式

stream 内置的构造方法

public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f)
public static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b)
public static<T> Builder<T> builder()
public static<T> Stream<T> of(T t)
public static<T> Stream<T> empty()
public static<T> Stream<T> generate(Supplier<T> s) 复制代码 

Collection 申明的 stream 函数

default Stream<E> stream() 复制代码 

• Collection 申明了 stream 转化函数，也就是说，任意 Collection 子类都存在官网替咱们实现的由 Collection 转为 Stream 的办法

《2020 最新 Java 根底精讲视频教程和学习路线！》

• 示例，List 转 Stream

public static void main(String[] args){List<String> demo =  Arrays.asList("a","b","c");
    long count = demo.stream().peek(System.out::println).count();
    System.out.println(count);
}
-------result--------
a
b
c
3
复制代码 

2 接口 stream 对元素的操作方法定义

过滤 filter

Stream<T> filter(Predicate<? super T> predicate) 复制代码 

• Predicate 是函数式接口，能够间接用 lambda 代替；如果有简单的过滤逻辑，则用 or、and、negate 办法组合
• 示例

List<String> demo = Arrays.asList("a", "b", "c");
Predicate<String> f1 = item -> item.equals("a");
Predicate<String> f2 = item -> item.equals("b");
demo.stream().filter(f1.or(f2)).forEach(System.out::println);
-------result--------
a
b
复制代码 

映射转化 map

<R> Stream<R> map(Function<? super T, ? extends R> mapper)
IntStream mapToInt(ToIntFunction<? super T> mapper);
LongStream mapToLong(ToLongFunction<? super T> mapper);
DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper);
复制代码 

• 示例

static class User{public User(Integer id){this.id = id;}
    Integer id; public Integer getId() {  return id;}
}
public static void main(String[] args) {List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));
    // User 转为 Integer(id)
    demo.stream().map(User::getId).forEach(System.out::println);
}
-------result--------
1
2
3
复制代码 

数据处理 peek

Stream<T> peek(Consumer<? super T> action);
复制代码 

• 与 map 的区别是其无返回值
• 示例

static class User{public User(Integer id){this.id = id;}
    Integer id;
    public Integer getId() {  return id;}
    public void setId(Integer id) {this.id = id;}
}
public static void main(String[] args) {List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));
    // id 平方，User 转为 Integer(id)
    demo.stream().peek(user -> user.setId(user.id * user.id)).map(User::getId).forEach(System.out::println);
}
-------result--------
1
4
9
复制代码 

映射撵平 flatMap

<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);
IntStream flatMapToInt(Function<? super T, ? extends IntStream> mapper);
LongStream flatMapToLong(Function<? super T, ? extends LongStream> mapper);
DoubleStream flatMapToDouble(Function<? super T, ? extends DoubleStream> mapper);
复制代码 

• flatMap：将元素为 Stream<T> 类型的流撵平成一个元素类型为 T 的 Stream 流
• 示例

public static void main(String[] args) {List<Stream<Integer>> demo = Arrays.asList(Stream.of(5), Stream.of(2), Stream.of(1));
    demo.stream().flatMap(Function.identity()).forEach(System.out::println);
}
-------result--------
5
2
1
复制代码 

去重 distinct

Stream<T> distinct();
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 1, 2);
demo.stream().distinct().forEach(System.out::println);
-------result--------
1
2
复制代码 

排序 sorted

Stream<T> sorted();
Stream<T> sorted(Comparator<? super T> comparator);
复制代码 

• 示例

List<Integer> demo = Arrays.asList(5, 1, 2);
// 默认升序
demo.stream().sorted().forEach(System.out::println);
// 降序
Comparator<Integer> comparator = Comparator.<Integer, Integer>comparing(item -> item).reversed();
demo.stream().sorted(comparator).forEach(System.out::println);
------- 默认升序 result--------
1
2
5
------- 降序 result--------
5
2
1
复制代码 

个数限度 limit 和跳过 skip

// 截取前 maxSize 个元素
Stream<T> limit(long maxSize);
// 跳过前 n 个流
Stream<T> skip(long n);
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6);
// 跳过前两个，而后限度截取两个
demo.stream().skip(2).limit(2).forEach(System.out::println);
-------result--------
3
4
复制代码 

JDK9 提供的新操作

• 和 filter 的区别，takeWhile 是取满足条件的元素，直到不满足为止；dropWhile 是抛弃满足条件的元素，直到不满足为止

default Stream<T> takeWhile(Predicate<? super T> predicate);
default Stream<T> dropWhile(Predicate<? super T> predicate);
复制代码 

3 stream 的终止操作 action

遍历生产

// 遍历生产
void forEach(Consumer<? super T> action);
// 程序遍历生产, 和 forEach 的区别是 forEachOrdered 在多线程 parallelStream 执行，其程序也不会乱
void forEachOrdered(Consumer<? super T> action);
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 3);
demo.parallelStream().forEach(System.out::println);
demo.parallelStream().forEachOrdered(System.out::println);
-------forEach result--------
2
3
1
-------forEachOrdered result--------
1
2
3
复制代码 

获取数组后果

// 流转成 Object 数组
Object[] toArray();
// 流转成A[] 数组，指定类型 A
<A> A[] toArray(IntFunction<A[]> generator)
复制代码 

• 示例

List<String> demo = Arrays.asList("1", "2", "3");
//<A> A[] toArray(IntFunction<A[]> generator)
String[] data = demo.stream().toArray(String[]::new);
复制代码 

最大最小值

// 获取最小值
Optional<T> min(Comparator<? super T> comparator)
// 获取最大值
Optional<T> max(Comparator<? super T> comparator) 复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 3);
Optional<Integer> min = demo.stream().min(Comparator.comparing(item->item));
Optional<Integer> max = demo.stream().max(Comparator.comparing(item->item));
System.out.println(min.get()+"-"+max.get());
-------result--------
1-3
复制代码 

查找匹配

// 任意一个匹配
boolean anyMatch(Predicate<? super T> predicate)
// 全副匹配
boolean allMatch(Predicate<? super T> predicate)
// 不匹配 
boolean noneMatch(Predicate<? super T> predicate)
// 查找第一个
Optional<T> findFirst();
// 任意一个
Optional<T> findAny();
复制代码 

归约合并

// 两两合并
Optional<T> reduce(BinaryOperator<T> accumulator)
// 两两合并，带初始值的
T reduce(T identity, BinaryOperator<T> accumulator)
// 先转化元素类型再两两合并，带初始值的
<U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner) 复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8);
// 数字转化为字符串，而后应用“-”拼接起来
String data = demo.stream().reduce("0", (u, t) -> u + "-" + t, (s1, s2) -> s1 + "-" + s2);
System.out.println(data);
-------result--------
0-1-2-3-4-5-6-7-8
复制代码 

计算元素个数

long count() 复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6);
System.out.println(demo.stream().count());
-------result--------
6
复制代码 

对流的聚合解决

/**
 * supplier: 返回后果类型的生产者
 * accumulator: 元素消费者（解决并退出 R）* combiner: 返回后果 R 怎么组合（多线程执行时，会产生多个返回值 R，须要合并）*/
<R> R collect(Supplier<R> supplier, BiConsumer<R, ? super T> accumulator, BiConsumer<R, R> combiner);
/**
 * collector 个别是由 supplier、accumulator、combiner、finisher、characteristics 组合成的聚合类
 * Collectors 可提供一些内置的聚合类或者办法
 */
<R, A> R collect(Collector<? super T, A, R> collector);
复制代码 

• 示例，看上面

4 Collector(聚合类) 的工具类集 Collectors

接口 Collector 和实现类 CollectorImpl

// 返回值类型的生产者
Supplier<A> supplier();
// 流元素消费者
BiConsumer<A, T> accumulator();
// 返回值合并器（多个线程操作时，会产生多个返回值，须要合并）BinaryOperator<A> combiner();
// 返回值转化器（最初一步解决，理论返回后果，个别原样返回）Function<A, R> finisher();
// 流的个性
Set<Characteristics> characteristics();

public static<T, A, R> Collector<T, A, R> of(Supplier<A> supplier,
    BiConsumer<A, T> accumulator, BinaryOperator<A> combiner,
    Function<A, R> finisher, Characteristics... characteristics) 复制代码 

流聚合转换成 List, Set

// 流转化成 List
public static <T> Collector<T, ?, List<T>> toList()
// 流转化成 Set
public static <T> Collector<T, ?, Set<T>> toSet()
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 3);
List<Integer> col = demo.stream().collect(Collectors.toList());
Set<Integer> set = demo.stream().collect(Collectors.toSet());
复制代码 

流聚合转化成 Map

// 流转化成 Map
public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(
    Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper)
/**
 * mergeFunction: 雷同的 key, 值怎么合并
 */
public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(
    Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper,
    BinaryOperator<U> mergeFunction)
/**
 * mergeFunction: 雷同的 key, 值怎么合并
 * mapSupplier：返回值 Map 的生产者
 */
public static <T, K, U, M extends Map<K, U>> Collector<T, ?, M> toMap(
    Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper,
    BinaryOperator<U> mergeFunction,
    Supplier<M> mapSupplier)
复制代码 

• 如果存在雷同 key 的元素，会报错; 或者应用 groupBy
• 示例

List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));
Map<Integer,User> map = demo.stream().collect(Collectors.toMap(User::getId,item->item));
System.out.println(map);
-------result-------
{1=TestS$User@7b23ec81, 2=TestS$User@6acbcfc0, 3=TestS$User@5f184fc6}
复制代码 

字符串流聚合拼接

// 多个字符串拼接成一个字符串
public static Collector<CharSequence, ?, String> joining();
// 多个字符串拼接成一个字符串（指定分隔符）public static Collector<CharSequence, ?, String> joining(CharSequence delimiter)
复制代码 

• 示例

List<String> demo = Arrays.asList("c", "s", "c","w","潜行前行");
String name = demo.stream().collect(Collectors.joining("-"));
System.out.println(name);
-------result-------
c-s-c-w- 潜行前行
复制代码 

映射解决再聚合流

• 相当于先 map 再 collect

/**
 * mapper: 映射处理器
 * downstream: 映射解决后须要再次聚合解决
 */
public static <T, U, A, R> Collector<T, ?, R> mapping(Function<? super T, ? extends U> mapper, 
        Collector<? super U, A, R> downstream);
复制代码 

• 示例

List<String> demo = Arrays.asList("1", "2", "3");
List<Integer> data = demo.stream().collect(Collectors.mapping(Integer::valueOf, Collectors.toList()));
System.out.println(data);
-------result-------
[1, 2, 3]
复制代码 

聚合后再转换后果

/**
 * downstream: 聚合解决
 * finisher: 后果转换解决
 */
public static<T,A,R,RR> Collector<T,A,RR> collectingAndThen(Collector<T,A,R> downstream,
        Function<R, RR> finisher); 
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6);
// 聚合成 List, 最初提取数组的 size 作为返回值
Integer size = demo.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));
System.out.println(size);
---------result----------
6
复制代码 

流分组（Map 是 HashMap）

/**
 * classifier 指定 T 类型某一属性作为 Key 值分组
 * 分组后，应用 List 作为每个流的容器
 */
public static <T, K> Collector<T, ?, Map<K, List<T>>> groupingBy(Function<? super T, ? extends K> classifier);           
/**
 * classifier: 流分组器
 * downstream: 每组流的聚合处理器
 */
public static <T, K, A, D> Collector<T, ?, Map<K, D>> groupingBy(
        Function<? super T, ? extends K> classifier，Collector<? super T, A, D> downstream)
/**
 * classifier: 流分组器
 * mapFactory: 返回值 map 的工厂（Map 的子类）* downstream: 每组流的聚合处理器
 */
public static <T, K, D, A, M extends Map<K, D>> Collector<T, ?, M> groupingBy(
        Function<? super T, ? extends K> classifier,
        Supplier<M> mapFactory,
        Collector<? super T, A, D> downstream)
复制代码 

• 示例

public static void main(String[] args) throws Exception {List<Integer> demo = Stream.iterate(0, item -> item + 1)
            .limit(15)
            .collect(Collectors.toList());
    // 分成三组，并且每组元素转化为 String 类型 
    Map<Integer, List<String>> map = demo.stream()
            .collect(Collectors.groupingBy(item -> item % 3,
                    HashMap::new,
                    Collectors.mapping(String::valueOf, Collectors.toList())));
    System.out.println(map);
}
---------result----------    
{0=[0, 3, 6, 9, 12], 1=[1, 4, 7, 10, 13], 2=[2, 5, 8, 11, 14]}    
复制代码 

流分组 (分组应用的 Map 是 ConcurrentHashMap)

/**
 * classifier: 分组器；分组后，应用 List 作为每个流的容器
 */
public static <T, K> Collector<T, ?, ConcurrentMap<K, List<T>>> groupingByConcurrent(Function<? super T, ? extends K> classifier);
/**
 * classifier: 分组器
 * downstream: 流的聚合处理器
 */
public static <T, K, A, D> Collector<T, ?, ConcurrentMap<K, D>> groupingByConcurrent(Function<? super T, ? extends K> classifier, Collector<? super T, A, D> downstream)
/**
 * classifier: 分组器
 * mapFactory: 返回值类型 map 的生产工厂（ConcurrentMap 的子类）* downstream: 流的聚合处理器
 */
public static <T, K, A, D, M extends ConcurrentMap<K, D>> Collector<T, ?, M> groupingByConcurrent(
        Function<? super T, ? extends K> classifier, 
        Supplier<M> mapFactory,
        Collector<? super T, A, D> downstream);
复制代码 

• 用法和 groupingBy 一样

拆分流，一变二（相当于非凡的 groupingBy）

public static <T> Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(Predicate<? super T> predicate)
/**
 * predicate: 二分器
 * downstream: 流的聚合处理器
 */
public static <T, D, A> Collector<T, ?, Map<Boolean, D>> partitioningBy(Predicate<? super T> predicate, Collector<? super T, A, D> downstream)
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2,3,4, 5,6);
// 奇数偶数分组
Map<Boolean, List<Integer>> map = demo.stream()
    .collect(Collectors.partitioningBy(item -> item % 2 == 0));
System.out.println(map);
---------result----------
{false=[1, 3, 5], true=[2, 4, 6]}
复制代码 

聚合求平均值

// 返回 Double 类型
public static <T> Collector<T, ?, Double> averagingDouble(ToDoubleFunction<? super T> mapper)
// 返回 Long 类型
public static <T> Collector<T, ?, Double> averagingLong(ToLongFunction<? super T> mapper)
// 返回 Int 类型
public static <T> Collector<T, ?, Double> averagingInt(ToIntFunction<? super T> mapper)
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 5);
Double data = demo.stream().collect(Collectors.averagingInt(Integer::intValue));
System.out.println(data);
---------result----------
2.6666666666666665
复制代码 

流聚合查找最大最小值

// 最小值
public static <T> Collector<T, ?, Optional<T>> minBy(Comparator<? super T> comparator) 
// 最大值
public static <T> Collector<T, ?, Optional<T>> maxBy(Comparator<? super T> comparator)    
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 5);
Optional<Integer> min = demo.stream().collect(Collectors.minBy(Comparator.comparing(item -> item)));
Optional<Integer> max = demo.stream().collect(Collectors.maxBy(Comparator.comparing(item -> item)));
System.out.println(min.get()+"-"+max.get());
---------result----------
1-5
复制代码 

聚合计算统计后果

• 能够取得元素总个数，元素累计总和，最小值，最大值，平均值

// 返回 Int 类型
public static <T> Collector<T, ?, IntSummaryStatistics> summarizingInt(ToIntFunction<? super T> mapper)
// 返回 Double 类型
public static <T> Collector<T, ?, DoubleSummaryStatistics> summarizingDouble(ToDoubleFunction<? super T> mapper)
// 返回 Long 类型
public static <T> Collector<T, ?, LongSummaryStatistics> summarizingLong(ToLongFunction<? super T> mapper)        
复制代码 

• 示例

List<Integer> demo = Arrays.asList(1, 2, 5);
IntSummaryStatistics data = demo.stream().collect(Collectors.summarizingInt(Integer::intValue));
System.out.println(data);
---------result----------
IntSummaryStatistics{count=3, sum=8, min=1, average=2.666667, max=5}
复制代码 

JDK12 提供的新聚合办法

// 流别离通过 downstream1、downstream2 聚合解决，再合并两聚合后果
public static <T, R1, R2, R> Collector<T, ?, R> teeing(
        Collector<? super T, ?, R1> downstream1,
        Collector<? super T, ?, R2> downstream2,
        BiFunction<? super R1, ? super R2, R> merger) 
复制代码 

5 并发 paralleStream 的应用

• 配合 CompletableFuture 和线程池的应用
• 示例

public static void main(String[] args)  throws Exception{List<Integer> demo = Stream.iterate(0, item -> item + 1)
            .limit(5)
            .collect(Collectors.toList());
    // 示例 1
    Stopwatch stopwatch = Stopwatch.createStarted(Ticker.systemTicker());
    demo.stream().forEach(item -> {
        try {Thread.sleep(500);
            System.out.println("示例 1 -"+Thread.currentThread().getName());
        } catch (Exception e) {}});
    System.out.println("示例 1 -"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));

    // 示例 2, 留神须要 ForkJoinPool，parallelStream 才会应用 executor 指定的线程，否则还是用默认的 ForkJoinPool.commonPool()
    ExecutorService executor = new ForkJoinPool(10);
    stopwatch.reset(); stopwatch.start();
    CompletableFuture.runAsync(() -> demo.parallelStream().forEach(item -> {
        try {Thread.sleep(1000);
            System.out.println("示例 2 -" + Thread.currentThread().getName());
        } catch (Exception e) {}}), executor).join();
    System.out.println("示例 2 -"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));
    // 示例3
    stopwatch.reset(); stopwatch.start();
    demo.parallelStream().forEach(item -> {
        try {Thread.sleep(1000);
            System.out.println("示例 3 -"+Thread.currentThread().getName());
        } catch (Exception e) {}});
    System.out.println("示例 3 -"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));
    executor.shutdown();}
复制代码 

• ——————-result————————–

 示例 1 -main
示例 1 -main
示例 1 -main
示例 1 -main
示例 1 -main
示例 1 -2501
示例 2 -ForkJoinPool-1-worker-19
示例 2 -ForkJoinPool-1-worker-9
示例 2 -ForkJoinPool-1-worker-5
示例 2 -ForkJoinPool-1-worker-27
示例 2 -ForkJoinPool-1-worker-23
示例 2 -1004
示例 3 -main
示例 3 -ForkJoinPool.commonPool-worker-5
示例 3 -ForkJoinPool.commonPool-worker-7
示例 3 -ForkJoinPool.commonPool-worker-9
示例 3 -ForkJoinPool.commonPool-worker-3
示例 3 -1001
复制代码 

• parallelStream 的办法的确会应用多线程去运行，并且能够指定线程池，不过自定义线程必须是 ForkJoinPool 类型，否则会默认使 ForkJoinPool.commonPool() 的线程

链接：https://juejin.cn/post/690333…