先贴上几个案例，程度高超的同学能够挑战一下：
- 从员工汇合中筛选出salary大于8000的员工，并搁置到新的汇合里。
- 统计员工的最高薪资、均匀薪资、薪资之和。
- 将员工按薪资从高到低排序，同样薪资者年龄小者在前。
- 将员工按性别分类，将员工按性别和地区分类，将员工按薪资是否高于8000分为两局部。
用传统的迭代解决也不是很难，但代码就显得冗余了，跟Stream相比高下立判。
一、Stream概述
Java 8 是一个十分胜利的版本，这个版本新增的Stream，配合同版本呈现的 Lambda ，给咱们操作汇合（Collection）提供了极大的便当。
那么什么是Stream？
Stream将要解决的元素汇合看作一种流，在流的过程中，借助Stream API对流中的元素进行操作，比方：筛选、排序、聚合等。
Stream能够由数组或汇合创立，对流的操作分为两种：
- 两头操作，每次返回一个新的流，能够有多个。
- 终端操作，每个流只能进行一次终端操作，终端操作完结后流无奈再次应用。终端操作会产生一个新的汇合或值。
另外，Stream有几个个性：
- stream不存储数据，而是依照特定的规定对数据进行计算，个别会输入后果。
- stream不会扭转数据源，通常状况下会产生一个新的汇合或一个值。
- stream具备提早执行个性，只有调用终端操作时，两头操作才会执行。
二、Stream的创立
Stream能够通过汇合数组创立。
1、通过 java.util.Collection.stream() 办法用汇合创立流
List<String> list = Arrays.asList("a", "b", "c");// 创立一个程序流Stream<String> stream = list.stream();// 创立一个并行流Stream<String> parallelStream = list.parallelStream();2、应用java.util.Arrays.stream(T[] array)办法用数组创立流
int[] array={1,3,5,6,8};IntStream stream = Arrays.stream(array);3、应用Stream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 + 3).limit(4);stream2.forEach(System.out::println);Stream<Double> stream3 = Stream.generate(Math::random).limit(3);stream3.forEach(System.out::println);输入后果：
0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652
stream和parallelStream的简略辨别： stream是程序流，由主线程按程序对流执行操作，而parallelStream是并行流，外部以多线程并行执行的形式对流进行操作，但前提是流中的数据处理没有程序要求。例如筛选汇合中的奇数，两者的解决不同之处：
如果流中的数据量足够大，并行流能够放慢处速度。
除了间接创立并行流，还能够通过parallel()把程序流转换成并行流：
Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();三、Stream的应用
在应用stream之前，先了解一个概念：Optional 。
Optional类是一个能够为null的容器对象。如果值存在则isPresent()办法会返回true，调用get()办法会返回该对象。
更具体阐明请见：菜鸟教程Java 8 Optional类
接下来，少量代码向你袭来！我将用20个案例将Stream的应用整得明明白白，只有跟着敲一遍代码，就能很好地把握。
案例应用的员工类
这是前面案例中应用的员工类：
List<Person> personList = new ArrayList<Person>();personList.add(new Person("Tom", 8900, "male", "New York"));personList.add(new Person("Jack", 7000, "male", "Washington"));personList.add(new Person("Lily", 7800, "female", "Washington"));personList.add(new Person("Anni", 8200, "female", "New York"));personList.add(new Person("Owen", 9500, "male", "New York"));personList.add(new Person("Alisa", 7900, "female", "New York"));class Person { private String name; // 姓名 private int salary; // 薪资 private int age; // 年龄 private String sex; //性别 private String area; // 地区 // 构造方法 public Person(String name, int salary, int age,String sex,String area) { this.name = name; this.salary = salary; this.age = age; this.sex = sex; this.area = area; } // 省略了get和set，请自行添加}3.1 遍历/匹配（foreach/find/match）
Stream也是反对相似汇合的遍历和匹配元素的，只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。
// import已省略，请自行添加，前面代码亦是public class StreamTest { public static void main(String[] args) { List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1); // 遍历输入符合条件的元素 list.stream().filter(x -> x > 6).forEach(System.out::println); // 匹配第一个 Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst(); // 匹配任意（实用于并行流） Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny(); // 是否蕴含合乎特定条件的元素 boolean anyMatch = list.stream().anyMatch(x -> x < 6); System.out.println("匹配第一个值：" + findFirst.get()); System.out.println("匹配任意一个值：" + findAny.get()); System.out.println("是否存在大于6的值：" + anyMatch); }}3.2 筛选（filter）
筛选，是依照肯定的规定校验流中的元素，将符合条件的元素提取到新的流中的操作。
案例一：筛选出Integer汇合中大于7的元素，并打印进去
public class StreamTest { public static void main(String[] args) { List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9); Stream<Integer> stream = list.stream(); stream.filter(x -> x > 7).forEach(System.out::println); }}预期后果：
8 9
案例二： 筛选员工中工资高于8000的人，并造成新的汇合。 造成新汇合依赖collect（收集），后文有具体介绍。
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); personList.add(new Person("Anni", 8200, 24, "female", "New York")); personList.add(new Person("Owen", 9500, 25, "male", "New York")); personList.add(new Person("Alisa", 7900, 26, "female", "New York")); List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName) .collect(Collectors.toList()); System.out.print("高于8000的员工姓名：" + fiterList); }}运行后果：
高于8000的员工姓名：[Tom, Anni, Owen]
3.3 聚合（max/min/count)
max、min、count这些字眼你肯定不生疏，没错，在mysql中咱们罕用它们进行数据统计。Java stream中也引入了这些概念和用法，极大中央便了咱们对汇合、数组的数据统计工作。
案例一：获取String汇合中最长的元素。
public class StreamTest { public static void main(String[] args) { List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd"); Optional<String> max = list.stream().max(Comparator.comparing(String::length)); System.out.println("最长的字符串：" + max.get()); }}输入后果：
最长的字符串：weoujgsd
案例二：获取Integer汇合中的最大值。
public class StreamTest { public static void main(String[] args) { List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6); // 天然排序 Optional<Integer> max = list.stream().max(Integer::compareTo); // 自定义排序 Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() { @Override public int compare(Integer o1, Integer o2) { return o1.compareTo(o2); } }); System.out.println("天然排序的最大值：" + max.get()); System.out.println("自定义排序的最大值：" + max2.get()); }}输入后果：
天然排序的最大值：11
自定义排序的最大值：11
案例三：获取员工工资最高的人。
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); personList.add(new Person("Anni", 8200, 24, "female", "New York")); personList.add(new Person("Owen", 9500, 25, "male", "New York")); personList.add(new Person("Alisa", 7900, 26, "female", "New York")); Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary)); System.out.println("员工工资最大值：" + max.get().getSalary()); }}输入后果：
员工工资最大值：9500
案例四：计算Integer汇合中大于6的元素的个数。
import java.util.Arrays;import java.util.List;public class StreamTest { public static void main(String[] args) { List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9); long count = list.stream().filter(x -> x > 6).count(); System.out.println("list中大于6的元素个数：" + count); }}输入后果：
list中大于6的元素个数：4
3.4 映射(map/flatMap)
映射，能够将一个流的元素依照肯定的映射规定映射到另一个流中。分为map和flatMap：
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。
案例一：英文字符串数组的元素全副改为大写。整数数组每个元素+3。
public class StreamTest { public static void main(String[] args) { String[] strArr = { "abcd", "bcdd", "defde", "fTr" }; List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList()); List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11); List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList()); System.out.println("每个元素大写：" + strList); System.out.println("每个元素+3：" + intListNew); }}输入后果：
每个元素大写：[ABCD, BCDD, DEFDE, FTR]
每个元素+3：[4, 6, 8, 10, 12, 14]
案例二：将员工的薪资全副减少1000。
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); personList.add(new Person("Anni", 8200, 24, "female", "New York")); personList.add(new Person("Owen", 9500, 25, "male", "New York")); personList.add(new Person("Alisa", 7900, 26, "female", "New York")); // 不扭转原来员工汇合的形式 List<Person> personListNew = personList.stream().map(person -> { Person personNew = new Person(person.getName(), 0, 0, null, null); personNew.setSalary(person.getSalary() + 10000); return personNew; }).collect(Collectors.toList()); System.out.println("一次改变前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary()); System.out.println("一次改变后：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary()); // 扭转原来员工汇合的形式 List<Person> personListNew2 = personList.stream().map(person -> { person.setSalary(person.getSalary() + 10000); return person; }).collect(Collectors.toList()); System.out.println("二次改变前：" + personList.get(0).getName() + "-->" + personListNew.get(0).getSalary()); System.out.println("二次改变后：" + personListNew2.get(0).getName() + "-->" + personListNew.get(0).getSalary()); }}输入后果：
一次改变前：Tom–>8900
一次改变后：Tom–>18900
二次改变前：Tom–>18900
二次改变后：Tom–>18900
案例三：将两个字符数组合并成一个新的字符数组。
public class StreamTest { public static void main(String[] args) { List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7"); List<String> listNew = 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; }).collect(Collectors.toList()); System.out.println("解决前的汇合：" + list); System.out.println("解决后的汇合：" + listNew); }}输入后果：
解决前的汇合：[m-k-l-a, 1-3-5]
解决后的汇合：[m, k, l, a, 1, 3, 5]
3.5 归约(reduce)
归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对汇合求和、求乘积和求最值操作。
案例一：求Integer汇合的元素之和、乘积和最大值。
public class StreamTest { public static void main(String[] args) { List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4); // 求和形式1 Optional<Integer> sum = list.stream().reduce((x, y) -> x + y); // 求和形式2 Optional<Integer> sum2 = list.stream().reduce(Integer::sum); // 求和形式3 Integer sum3 = list.stream().reduce(0, Integer::sum); // 求乘积 Optional<Integer> product = list.stream().reduce((x, y) -> x * y); // 求最大值形式1 Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y); // 求最大值写法2 Integer max2 = list.stream().reduce(1, Integer::max); System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3); System.out.println("list求积：" + product.get()); System.out.println("list求和：" + max.get() + "," + max2); }}输入后果：
list求和：29,29,29
list求积：2112
list求和：11,11
案例二：求所有员工的工资之和和最高工资。
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); personList.add(new Person("Anni", 8200, 24, "female", "New York")); personList.add(new Person("Owen", 9500, 25, "male", "New York")); personList.add(new Person("Alisa", 7900, 26, "female", "New York")); // 求工资之和形式1： Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum); // 求工资之和形式2： Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), (sum1, sum2) -> sum1 + sum2); // 求工资之和形式3： Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum); // 求最高工资形式1： Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), Integer::max); // 求最高工资形式2： Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), (max1, max2) -> max1 > max2 ? max1 : max2); System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3); System.out.println("最高工资：" + maxSalary + "," + maxSalary2); }}输入后果：
工资之和：49300,49300,49300
最高工资：9500,9500
3.6 收集(collect)
collect，收集，能够说是内容最繁多、性能最丰盛的局部了。从字面上去了解，就是把一个流收集起来，最终能够是收集成一个值也能够收集成一个新的汇合。
collect次要依赖java.util.stream.Collectors类内置的静态方法。
3.6.1 归集(toList/toSet/toMap)
因为流不存储数据，那么在流中的数据实现解决后，须要将流中的数据从新归集到新的汇合里。toList、toSet和toMap比拟罕用，另外还有toCollection、toConcurrentMap等简单一些的用法。
上面用一个案例演示toList、toSet和toMap：
public class StreamTest { public static void main(String[] args) { List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20); List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList()); Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet()); List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); personList.add(new Person("Anni", 8200, 24, "female", "New York")); Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000) .collect(Collectors.toMap(Person::getName, p -> p)); System.out.println("toList:" + listNew); System.out.println("toSet:" + set); System.out.println("toMap:" + map); }}运行后果：
toList：[6, 4, 6, 6, 20]
toSet：[4, 20, 6]
toMap：{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335}
3.6.2 统计(count/averaging)
Collectors提供了一系列用于数据统计的静态方法：
- 计数：
count - 平均值：
averagingInt、averagingLong、averagingDouble - 最值：
maxBy、minBy - 求和：
summingInt、summingLong、summingDouble - 统计以上所有：
summarizingInt、summarizingLong、summarizingDouble
案例：统计员工人数、平均工资、工资总额、最高工资。
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); // 求总数 Long count = personList.stream().collect(Collectors.counting()); // 求平均工资 Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary)); // 求最高工资 Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare)); // 求工资之和 Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary)); // 一次性统计所有信息 DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary)); System.out.println("员工总数：" + count); System.out.println("员工平均工资：" + average); System.out.println("员工工资总和：" + sum); System.out.println("员工工资所有统计：" + collect); }}运行后果：
员工总数：3
员工平均工资：7900.0
员工工资总和：23700
员工工资所有统计：DoubleSummaryStatistics{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000}
3.6.3 分组(partitioningBy/groupingBy)
- 分区：将
stream按条件分为两个Map，比方员工按薪资是否高于8000分为两局部。 - 分组：将汇合分为多个Map，比方员工按性别分组。有单级分组和多级分组。
案例：将员工按薪资是否高于8000分为两局部；将员工按性别和地区分组
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, "male", "New York")); personList.add(new Person("Jack", 7000, "male", "Washington")); personList.add(new Person("Lily", 7800, "female", "Washington")); personList.add(new Person("Anni", 8200, "female", "New York")); personList.add(new Person("Owen", 9500, "male", "New York")); personList.add(new Person("Alisa", 7900, "female", "New York")); // 将员工按薪资是否高于8000分组 Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000)); // 将员工按性别分组 Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex)); // 将员工先按性别分组，再按地区分组 Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea))); System.out.println("员工按薪资是否大于8000分组状况：" + part); System.out.println("员工按性别分组状况：" + group); System.out.println("员工按性别、地区：" + group2); }}输入后果：
员工按薪资是否大于8000分组状况：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}员工按性别分组状况：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}员工按性别、地区：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}3.6.4 接合(joining)
joining能够将stream中的元素用特定的连接符（没有的话，则间接连贯）连接成一个字符串。
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(",")); System.out.println("所有员工的姓名：" + names); List<String> list = Arrays.asList("A", "B", "C"); String string = list.stream().collect(Collectors.joining("-")); System.out.println("拼接后的字符串：" + string); }}运行后果：
所有员工的姓名：Tom,Jack,Lily
拼接后的字符串：A-B-C
3.6.5 归约(reducing)
Collectors类提供的reducing办法，相比于stream自身的reduce办法，减少了对自定义归约的反对。
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); // 每个员工减去起征点后的薪资之和（这个例子并不谨严，但一时没想到好的例子） Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000))); System.out.println("员工扣税薪资总和：" + sum); // stream的reduce Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum); System.out.println("员工薪资总和：" + sum2.get()); }}运行后果：
员工扣税薪资总和：8700
员工薪资总和：23700
3.7 排序(sorted)
sorted，两头操作。有两种排序：
- sorted()：天然排序，流中元素需实现Comparable接口
- sorted(Comparator com)：Comparator排序器自定义排序
案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序
public class StreamTest { public static void main(String[] args) { List<Person> personList = new ArrayList<Person>(); personList.add(new Person("Sherry", 9000, 24, "female", "New York")); personList.add(new Person("Tom", 8900, 22, "male", "Washington")); personList.add(new Person("Jack", 9000, 25, "male", "Washington")); personList.add(new Person("Lily", 8800, 26, "male", "New York")); personList.add(new Person("Alisa", 9000, 26, "female", "New York")); // 按工资升序排序（天然排序） List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName) .collect(Collectors.toList()); // 按工资倒序排序 List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()) .map(Person::getName).collect(Collectors.toList()); // 先按工资再按年龄升序排序 List<String> newList3 = personList.stream() .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName) .collect(Collectors.toList()); // 先按工资再按年龄自定义排序（降序） List<String> newList4 = personList.stream().sorted((p1, p2) -> { if (p1.getSalary() == p2.getSalary()) { return p2.getAge() - p1.getAge(); } else { return p2.getSalary() - p1.getSalary(); } }).map(Person::getName).collect(Collectors.toList()); System.out.println("按工资升序排序：" + newList); System.out.println("按工资降序排序：" + newList2); System.out.println("先按工资再按年龄升序排序：" + newList3); System.out.println("先按工资再按年龄自定义降序排序：" + newList4); }}运行后果：
按工资天然排序：[Lily, Tom, Sherry, Jack, Alisa]
按工资降序排序：[Sherry, Jack, Alisa,Tom, Lily]
先按工资再按年龄天然排序：[Sherry, Jack, Alisa, Tom, Lily]
先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]
3.8 提取/组合
流也能够进行合并、去重、限度、跳过等操作。
public class StreamTest { public static void main(String[] args) { String[] arr1 = { "a", "b", "c", "d" }; String[] arr2 = { "d", "e", "f", "g" }; Stream<String> stream1 = Stream.of(arr1); Stream<String> stream2 = Stream.of(arr2); // concat:合并两个流 distinct：去重 List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList()); // limit：限度从流中取得前n个数据 List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList()); // skip：跳过前n个数据 List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList()); System.out.println("流合并：" + newList); System.out.println("limit：" + collect); System.out.println("skip：" + collect2); }}运行后果：
流合并：[a, b, c, d, e, f, g]
limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
skip：[3, 5, 7, 9, 11]
四、Stream源码解读
这部分等有工夫缓缓合成吧。
好，以上就是全部内容，能保持看到这里，你肯定很有播种，那么动一动拿offer的小手，点个赞再走吧。
写在最初
欢送大家关注我的公众号【惊涛骇浪如码】，海量Java相干文章，学习材料都会在外面更新，整顿的材料也会放在外面。
感觉写的还不错的就点个赞，加个关注呗！点关注，不迷路，继续更新！！！