乐趣区

简洁方便的集合处理Java-8-stream流

jiezi

背景

java 8 已经发行好几年了，前段时间 java 12 也已经问世，但平时的工作中，很多项目的环境还停留在 java1.7 中。而且 java8 的很多新特性都是革命性的，比如各种集合的优化、lambda 表达式等，所以我们还是要去了解 java8 的魅力。

今天我们来学习 java8 的 Stream，并不需要理论基础，直接可以上手去用。

我接触 stream 的原因，是我要搞一个用户收入消费的数据分析。起初的统计筛选分组都是打算用 sql 语言直接从 mysql 里得到结果来展现的。但在操作中我们发现这样频繁地访问数据库，性能会受到很大的影响，分析速度会很慢。所以我们希望能通过访问一次数据库就拿到所有数据，然后放到内存中去进行数据分析统计过滤。

接着，我看了 stream 的 API，发现这就是我想要的。

一、Stream 理解

在 java 中我们称 Stream 为『流 』，我们经常会用流去对集合进行一些流水线的操作。stream 就像工厂一样，只需要把集合、命令还有一些参数灌输到 流水线 中去，就可以加工成得出想要的结果。这样的流水线能大大简洁代码，减少操作。

二、Stream 流程

原集合 —> 流  —> 各种操作(过滤、分组、统计) —> 终端操作

Stream 流的操作流程一般都是这样的，先将集合转为流，然后经过各种操作，比如过滤、筛选、分组、计算。最后的终端操作，就是转化成我们想要的数据，这个数据的形式一般还是集合，有时也会按照需求输出 count 计数。下文会一一举例。

三、API 功能举例

首先，定义一个用户对象，包含姓名、年龄、性别和籍贯四个成员变量：

import lombok.AllArgsConstructor;
import lombok.Builder;
import lombok.Data;
import lombok.NoArgsConstructor;
import lombok.extern.log4j.Log4j;

@Data
@NoArgsConstructor
@AllArgsConstructor
@Log4j
@Builder
public class User {
    // 姓名
    private String name;
    // 年龄
    private Integer age;
    // 性别
    private Integer sex;
    // 所在省市
    private String address;
}

这里用 lombok 简化了实体类的代码。

然后创建需要的 集合数据，也就是源数据：

//1. 构建我们的 list
List<User> list= Arrays.asList(new User("钢铁侠",40,0,"华盛顿"),
        new User("蜘蛛侠",20,0,"华盛顿"),
        new User("赵丽颖",30,1,"湖北武汉市"),
        new User("詹姆斯",35,0,"洛杉矶"),
        new User("李世民",60,0,"山西省太原市"),
        new User("蔡徐坤",20,1,"陕西西安市"),
        new User("葫芦娃的爷爷",70,0,"山西省太原市")
);

3.1 过滤

1）创建流 stream() / parallelStream()

  • stream() : 串行流
  • parallelStream（）: 并行流

2）filter 过滤(T-> boolean)

比如要过滤年龄在 40 岁以上的用户，就可以这样写：

List<User> filterList = list.stream().filter(user -> user.getAge() >= 40)
        .collect(toList());

filter 里面，-> 箭头后面跟着的是一个 boolean 值，可以写任何的过滤条件，就相当于 sql 中 where 后面的东西，换句话说， 能用 sql 实现的功能这里都可以实现

打印结果：

3）distinct 去重

和 sql 中的 distinct 关键字很相似。为了看到效果，此处在原集合中加入一个重复的人，就选择钢铁侠吧，复联 4 钢铁侠不幸遇害，大家还是比较伤心的。

List<User> list= Arrays.asList(new User("钢铁侠",40,0,"华盛顿"),
        new User("钢铁侠",40,0,"华盛顿"),
        new User("蜘蛛侠",20,0,"华盛顿"),
        new User("赵丽颖",30,1,"湖北武汉市"),
        new User("詹姆斯",35,0,"洛杉矶"),
        new User("李世民",60,0,"山西省太原市"),
        new User("蔡徐坤”,18,1," 陕西西安市 "),
        new User("葫芦娃的爷爷",70,0,"山西省太原市")
);
//distinct 去重
List<User> distinctList = filterList.stream().distinct()
        .collect(toList());

打印结果：

4）sorted 排序

如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法 对元素进行排序，如：

Comparator.comparingInt

反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。

//sorted()
List<User> sortedList = distinctList.stream().sorted(Comparator.comparingInt(User::getAge))
        .collect(toList());

打印结果：

结果按照年龄从小到大进行排序。

5）limit（）返回前 n 个元素

如果想知道这里面年龄最小的是谁，可作如下操作：

//limit 返回前 n 个元素
List<User> limitList = sortedList.stream().limit(1)
        .collect(toList());

6）skip()

与 limit 恰恰相反，skip 的意思是跳过，也就是去除前 n 个元素。

打印结果：

果然，前两个人都被去除了，只剩下最老的葫芦娃爷爷。

3.2 映射

1）map(T->R)

map 是将 T 类型的数据转为 R 类型的数据，比如我们想要设置一个新的 list，存储用户所有的城市信息。

//map(T->R)
List<String> cityList = list.stream().map(User::getAddress).distinct().collect(toList());

打印结果：

2）flatMap(T -> Stream<R>)

将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流。

//flatMap(T -> Stream<R>)
List<String> flatList = new ArrayList<>();
flatList.add("唱, 跳");
flatList.add("rape, 篮球,music");
flatList = flatList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(toList());

打印结果：

这里原集合中的数据由逗号分割，使用 split 进行拆分后，得到的是 Stream<String[]>，字符串数组组成的流，要使用 flatMap 的

Arrays::stream

将 Stream<String[]> 转为 Stream<String>, 然后把流相连接，组成了完整的唱、跳、rap、篮球和 music。

3.3 查找

1）allMatch（T->boolean）

检测是否全部满足参数行为，假如这些用户是网吧上网的用户名单，那就需要检查是不是每个人都年满 18 周岁了。

boolean isAdult = list.stream().allMatch(user -> user.getAge() >= 18);

打印结果：

true

2）anyMatch（T->boolean）

检测是否有任意元素满足给定的条件，比如，想知道同学名单里是否有女生。

//anyMatch(T -> boolean）是否有任意一个元素满足给定的条件
boolean isGirl = list.stream().anyMatch(user -> user.getSex() == 1);

打印结果：

true

说明集合中有女生存在。

3）noneMatch(T -> boolean)

流中是否有元素匹配给定的 T -> boolean 条件。

比如检测有没有来自巴黎的用户。

boolean isLSJ = list.stream().noneMatch(user -> user.getAddress().contains("巴黎"));

打印结果：

true

打印 true 说明没有巴黎的用户。

4）findFirst(): 找到第一个元素

Optional<User> fristUser  = list.stream().findFirst();

打印结果：

User(name= 钢铁侠, age=40, sex=0, address= 华盛顿)

5）findAny(): 找到任意一个元素

Optional<User> anyUser  = list.stream().findAny();

打印结果：

User(name= 钢铁侠, age=40, sex=0, address= 华盛顿)

这里我们发现 findAny 返回的也总是第一个元素，那么为什么还要进行区分呢？因为在并行流 parallelStream() 中找到的确实是任意一个元素。

Optional<User> anyParallelUser  = list.parallelStream().findAny();

打印结果 :

Optional[User(name= 李世民, age=60, sex=0, address= 山西省太原市)]

3.4 归纳计算

1）求用户的总人数

long count = list.stream().collect(Collectors.counting());

我们可以简写为：

long count = list.stream().count();

运行结果：

8

2）得到某一属性的最大最小值

// 求最大年龄
Optional<User> max = list.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge)));

// 求最小年龄
Optional<User> min = list.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge)));

运行结果：

3）求年龄总和是多少

// 求年龄总和
int totalAge = list.stream().collect(Collectors.summingInt(User::getAge));

运行结果：

313

我们经常会用 BigDecimal 来记录金钱，假设想得到 BigDecimal 的总和：

// 获得列表对象金额，使用 reduce 聚合函数, 实现累加器
BigDecimal sum = myList.stream() .map(User::getMoney)
.reduce(BigDecimal.ZERO,BigDecimal::add);

4）求年龄平均值

// 求年龄平均值
double avgAge = list.stream().collect(Collectors.averagingInt(User::getAge));

运行结果:

39.125

5）一次性得到元素的个数、总和、最大值、最小值

IntSummaryStatistics statistics = list.stream().collect(Collectors.summarizingInt(User::getAge));

运行结果：

6）字符串拼接

要将用户的姓名连成一个字符串并用逗号分割。

String names = list.stream().map(User::getName)
.collect(Collectors.joining(","));

运行结果：

钢铁侠, 钢铁侠, 蜘蛛侠, 赵丽颖, 詹姆斯, 李世民, 蔡徐坤, 葫芦娃的爷爷

3.5 分组

在数据库操作中，我们经常通过 GROUP BY 关键字对查询到的数据进行分组，java8 的流式处理也提供了分组的功能。使用 Collectors.groupingBy 来进行分组。

1）可以根据用户所在城市进行分组

Map<String, List<User>> cityMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress));

结果是一个 map，key 为不重复的城市名，value 为属于该城市的用户列表。已经实现了分组。

2）二级分组，先根据城市分组再根据性别分组

Map<String, Map<Integer, List<User>>> group = list.stream().collect(
        Collectors.groupingBy(User::getAddress, // 一级分组，按所在地区
                Collectors.groupingBy(User::getSex))); // 二级分组，按性别

运行结果：

3）如果仅仅想统计各城市的用户个数是多少，并不需要对应的 list

按城市分组并统计人数：

Map<String, Long> cityCountMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));

运行结果：

4）当然，也可以先进行过滤再分组并统计人数

Map<String,Long> map = list.stream().filter(user -> user.getAge() <= 30)
        .collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));

运行结果：

5）partitioningBy 分区

分区与分组的区别在于，分区是按照 true 和 false 来分的，因此 partitioningBy 接受的参数的 lambda 也是 T -> boolean

// 根据年龄是否小于等于 30 来分区
Map<Boolean, List<User>> part = list.stream()
        .collect(partitioningBy(user -> user.getAge() <= 30));

运行结果：

总结

到目前为止，stream 的功能我们已经用了很多了，感觉有点眼花缭乱却无所不能，stream 能做的事情远远不止这些。

我们可以多学习使用 stream，把原来复杂的 sql 查询，一遍又一遍地 for 循环的复杂代码重构，让代码更 简洁易懂，可读性强。

拓展阅读：Redis 专题（1）：构建知识图谱

Redis 专题(2)：Redis 数据结构底层探秘

作者：杨亨

来源：宜信技术学院

退出移动版