为何须要引入流
在咱们平时的开发中简直每天都会有到List、Map等汇合API，若是问Java什么API应用最多，我想也应该是汇合了。举例：如果我有个汇合List，外面元素有1,7,3,8,2,4,9，须要找出外面大于5的元素，具体实现代码：
public List<Integer> getGt5Data() { List<Integer> data = Arrays.asList(1, 7, 3, 8, 2, 4, 9); List<Integer> result = new ArrayList<>(); for (Integer num : data) { if (num > 5) { result.add(num); } } return result;}这个实现让咱们感觉到了汇合的操作不是太完满，如果是数据库的话，咱们只须要简略的在where前面加一个条件大于5就能够失去咱们想要的后果，为什么Java的汇合就没有这种API呢？
其次，如果咱们遇到有大汇合须要解决，为了进步性能，咱们可能须要应用到多线程来解决，然而写并行程序的复杂度有进步了不少。
基于以上的问题，所有Java8推出了Stream
Stream简介
Stream有哪些特点：
- 元素的序列：与汇合一样能够拜访外面的元素，汇合讲的是数据，而流讲的是操作，比方：filter、map
- 源: 流也须要又一个提供数据的源，程序和生成时的程序统一
- 数据的操作：流反对相似于数据库的操作，反对程序或者并行处理数据；下面的例子用流来实现会更加的简洁
public List<Integer> getGt5Data() { return Stream.of(1, 7, 3, 8, 2, 4, 9) .filter(num -> num > 5) .collect(toList());}- 流水线操作：很多流的办法自身也会返回一个流，这样能够把多个操作连接起来，造成流水线操作
- 外部迭代：与以往的迭代不同，流应用的外部迭代，用户只须要专一于数据处理
- 只能遍历一次： 遍历实现之后咱们的流就曾经生产完了，再次遍历的话会抛出异样
应用Stream
Java8中的Stream定义了很多办法，根本能够把他们分为两类：两头操作、终端操作；要应用一个流个别都须要三个操作：
- 定义一个数据源
- 定义两头操作造成流水线
- 定义终端操作，执行流水线，生成计算结果
构建流
- 应用
Stream.of办法构建一个流
Stream.of("silently","9527","silently9527.cn") .forEach(System.out::println);- 应用数组构建一个流
int[] nums = {3, 5, 2, 7, 8, 9};Arrays.stream(nums).sorted().forEach(System.out::println);- 通过文件构建一个流
应用java.nio.file.Files.lines办法能够轻松构建一个流对象
Files.lines(Paths.get("/Users/huaan9527/Desktop/data.txt")) .forEach(System.out::println);两头操作
两头操作会返回另外一个流，这样能够让多个操作连接起来造成一个流水线的操作，只有不触发终端操作，那么这个两头操作都不会理论执行。
filter
该操作承受一个返回boolean的函数，当返回false的元素将会被排除掉
举例：如果咱们100个客户，须要筛选出年龄大于20岁的客户
List<Customer> matchCustomers = allCustomers.stream() .filter(customer -> customer.getAge()>20) .collect(toList());distinct
该操作将会排除掉反复的元素
List<Integer> data = Stream.of(1, 7, 3, 8, 2, 4, 9, 7, 9) .filter(num -> num > 5) .distinct() .collect(toList());limit
该办法限度流只返回指定个数的元素
List<Integer> data = Stream.of(1, 7, 3, 8, 2, 4, 9, 7, 9) .filter(num -> num > 5) .limit(2) .collect(toList());skip
扔掉前指定个数的元素；配合limit应用能够达到翻页的成果
List<Integer> data = Stream.of(1, 7, 3, 8, 2, 4, 9, 7, 9) .filter(num -> num > 5) .skip(1) .limit(2) .collect(toList());map
该办法提供一个函数，流中的每个元素都会利用到这个函数上，返回的后果将造成新类型的流持续后续操作。
举例：如果咱们100个客户，须要筛选出年龄大于20岁的客户，打印出他们的名字
allCustomers.stream() .filter(customer -> customer.getAge() > 20) .map(Customer::getName) .forEach(System.out::println);在调用map之前流的类型是Stream<Customer>，执行完map之后的类型是Stream<String>
flatMap
如果咱们须要把客户的名字中的每个字符打印进去，代码如下：
List<Customer> allCustomers = Arrays.asList(new Customer("silently9527", 30));allCustomers.stream() .filter(customer -> customer.getAge() > 20) .map(customer -> customer.getName().split("")) .forEach(System.out::println);执行本次后果，你会发现没有达到冀望的后果，打印的后果
[Ljava.lang.String;@38cccef这是因为调用map之后返回的流类型是Stream<String[]>，所有forEach的输出就是String[]；这时候咱们须要应用flatMap把String[]中的每个元素都转换成一个流，而后在把所有的流连接成一个流，批改后的代码如下
List<Customer> allCustomers = Arrays.asList(new Customer("silently9527", 30));allCustomers.stream() .filter(customer -> customer.getAge() > 20) .map(customer -> customer.getName().split("")) .flatMap(Arrays::stream) .forEach(System.out::println);执行后果：
sorted
对所有的元素进行排序
List<Integer> numbers = Arrays.asList(1, 7, 3, 8, 2, 4, 9);numbers.stream().sorted(Integer::compareTo).forEach(System.out::println);终端操作
终端操作会执行所有的两头操作生成执行的后果，执行的后果不在是一个流。
anyMatch
如果流中有一个元素满足条件将返回true
if (allCustomers.stream().anyMatch(customer -> "silently9527".equals(customer.getName()))) { System.out.println("存在用户silently9527");}allMatch
确保流中所有的元素都能满足
if (allCustomers.stream().allMatch(customer -> customer.getAge() > 20)) { System.out.println("所有用户年龄都大于20");}noneMatch
与allMatch操作相同，确保流中所有的元素都不满足
if (allCustomers.stream().noneMatch(customer -> customer.getAge() < 20)) { System.out.println("所有用户年龄都大于20");}findAny
返回流中的任意一个元素，比方返回大于20岁的任意一个客户
Optional<Customer> optional = allCustomers.stream() .filter(customer -> customer.getAge() > 20) .findAny();findFirst
返回流中的第一个元素
Optional<Customer> optional = allCustomers.stream() .filter(customer -> customer.getAge() > 20) .findFirst();reduce
承受两个参数：一个初始值，一个BinaryOperator<T> accumulator将两个元素合并成一个新的值
比方咱们对一个数字list累加
List<Integer> numbers = Arrays.asList(1, 7, 3, 8, 2, 4, 9);Integer sum = numbers.stream().reduce(0, (a, b) -> a + b);下面的代码，咱们能够简写
Integer reduce = numbers.stream().reduce(0, Integer::sum);找出流中的最大值、最小值 min、max
numbers.stream().reduce(Integer::max)numbers.stream().reduce(Integer::min)count
统计流中元素的个数
numbers.stream().count()数据收集器collect
在Java8中曾经预约义了很多收集器，咱们能够间接应用，所有的收集器都定义在了Collectors中，基本上能够把这些办法分为三类：
- 将元素归约和汇总成一个值
- 分组
- 分区
归约和汇总
先看下咱们之前求最大值和最小值采纳收集器如何实现
- 找出年龄最大和最小的客户
Optional<Customer> minAgeCustomer = allCustomers.stream().collect(minBy(Comparator.comparing(Customer::getAge)));Optional<Customer> maxAgeCustomer = allCustomers.stream().collect(maxBy(Comparator.comparing(Customer::getAge)));- 求取年龄的平均值
Double avgAge = allCustomers.stream().collect(averagingInt(Customer::getAge));- 进行字符串的连贯
把客户所有人的名字连接成一个字符串用逗号分隔
allCustomers.stream().map(Customer::getName).collect(joining(","));分组
在数据库的操作中，咱们能够轻松的实现通过一个属性或者多个属性进行数据分组，接下来咱们看看Java8如何来实现这个性能。
- 依据客户的年龄进行分组
Map<Integer, List<Customer>> groupByAge = allCustomers.stream().collect(groupingBy(Customer::getAge));Map的key就是分组的值年龄，List<Customer>就是雷同年龄的用户
- 咱们须要先依照用户的地区分组，在按年龄分组
Map<String, Map<Integer, List<Customer>>> groups = allCustomers.stream() .collect(groupingBy(Customer::getArea, groupingBy(Customer::getAge)));在绝对于一般的分组，这里多传了第二个参数又是一个groupingBy；实践上咱们能够通过这个形式扩大到n层分组
- 分组后再统计数量
Map<String, Long> groupByCounting = allCustomers.stream() .collect(groupingBy(Customer::getArea, counting()));- 以用户所在地辨别组后找出年龄最大的用户
Map<String, Optional<Customer>> optionalMap = allCustomers.stream() .collect(groupingBy(Customer::getArea, maxBy(Comparator.comparing(Customer::getAge))));这时候返回的Map中的value被Optional包裹，如果咱们须要去掉Optional，能够应用collectingAndThen
Map<String, Customer> customerMap = allCustomers.stream() .collect(groupingBy(Customer::getArea, collectingAndThen(maxBy(Comparator.comparing(Customer::getAge)), Optional::get) ));写在最初（看完不点赞，你们想白嫖我吗）
- 首先感激大家能够急躁地读到这里。点关注，不迷路
- 当然，文中或者会存在或多或少的有余、谬误之处，有倡议或者意见也十分欢送大家在评论交换。
- 最初，白嫖不好，创作不易，心愿敌人们能够点赞评论关注三连，因为这些就是我分享的全副能源起源????
原创不易 转载请注明出处：https://silently9527.cn/archives/66
参数材料《Java8实战》