关于java:深度掌握-Java-Stream-流操作让你的代码高出一个逼格

概念

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 的操作符大体上分为两种：两头操作符和终止操作符

两头操作符

对于数据流来说，两头操作符在执行制订处理程序后，数据流仍然能够传递给下一级的操作符。

两头操作符蕴含8种(排除了parallel,sequential，这两个操作并不波及到对数据流的加工操作)：

map(mapToInt,mapToLong,mapToDouble) 转换操作符，把比方A->B，这里默认提供了转int，long，double的操作符。
flatmap(flatmapToInt,flatmapToLong,flatmapToDouble) 拍平操作比方把 int[]{2,3,4} 拍平变成 2，3，4 也就是从原来的一个数据变成了3个数据，这里默认提供了拍平成int,long,double的操作符。
limit 限流操作，比方数据流中有10个我只有出前3个就能够应用。
distint 去重操作，对反复元素去重，底层应用了equals办法。
filter 过滤操作，把不想要的数据过滤。
peek 挑出操作，如果想对数据进行某些操作，如：读取、编辑批改等。
skip 跳过操作，跳过某些元素。
sorted(unordered) 排序操作，对元素排序，前提是实现Comparable接口，当然也能够自定义比拟器。

终止操作符

数据通过两头加工操作，就轮到终止操作符上场了；

终止操作符就是用来对数据进行收集或者生产的，数据到了终止操作这里就不会向下流动了，终止操作符只能应用一次。

collect 收集操作，将所有数据收集起来，这个操作十分重要，官网的提供的Collectors 提供了十分多收集器，能够说Stream 的外围在于Collectors。
count 统计操作，统计最终的数据个数。
findFirst、findAny 查找操作，查找第一个、查找任何一个返回的类型为Optional。
noneMatch、allMatch、anyMatch 匹配操作，数据流中是否存在符合条件的元素返回值为bool 值。
min、max 最值操作，须要自定义比拟器，返回数据流中最大最小的值。
reduce 规约操作，将整个数据流的值规约为一个值，count、min、max底层就是应用reduce。
forEach、forEachOrdered 遍历操作，这里就是对最终的数据进行生产了。
toArray 数组操作，将数据流的元素转换成数组。

Stream的创立

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); // 0 3 6 9Stream<Double> stream3 = Stream.generate(Math::random).limit(3);stream3.forEach(System.out::println);

输入后果：

3690.81066234426861140.115546437273884580.1404645961428974Process finished with exit code 0

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；
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：

Stream应用

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。

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);            }}

输入后果：

798匹配第一个值：7匹配任意一个值：8是否存在大于6的值：trueProcess finished with exit code 0

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。

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);    }}

输入后果：

89Process finished with exit code 0

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：weoujgsdProcess finished with exit code 0

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：11Process finished with exit code 0

案例三：计算Integer汇合中大于6的元素的个数。

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：4Process finished with exit code 0

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());        System.out.println("每个元素大写：" + strList);        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+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]Process finished with exit code 0

案例二：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, 1,3,5,7]解决后的汇合：[m, k, l, a, 1, 3, 5, 7]Process finished with exit code 0

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(Integer::sum);        // 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：29,29,29list求积：2112list求和：11,11Process finished with exit code 0

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 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;    }    public String getName() {        return name;    }    public void setName(String name) {        this.name = name;    }    public int getSalary() {        return salary;    }    public void setSalary(int salary) {        this.salary = salary;    }    public int getAge() {        return age;    }    public void setAge(int age) {        this.age = age;    }    public String getSex() {        return sex;    }    public void setSex(String sex) {        this.sex = sex;    }    public String getArea() {        return area;    }    public void setArea(String area) {        this.area = area;    }    @Override    public String toString() {        return "Person{" +                "name='" + name + '\'' +                ", salary=" + salary +                ", age=" + age +                ", sex='" + sex + '\'' +                ", area='" + area + '\'' +                '}';    }}

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);    }}

输入后果：

toList:[6, 4, 6, 6, 20]toSet:[4, 20, 6]toMap:{Tom=Person{name='Tom', salary=8900, age=23, sex='male', area='New York'}, Anni=Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}}Process finished with exit code 0

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.size();        // 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).max(Integer::compare);        // 求工资之和        int sum = personList.stream().mapToInt(Person::getSalary).sum();        // 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("员工最高工资：" + max.get());        System.out.println("员工工资总和：" + sum);        System.out.println("员工工资所有统计：" + collect);    }}

输入后果：

员工总数：3员工平均工资：7900.0员工最高工资：8900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}Process finished with exit code 0

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, 23, "male", "Washington"));        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));        personList.add(new Person("Lily", 7800, 21, "female", "New York"));        personList.add(new Person("Anni", 8200, 24, "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=[Person{name='Jack', salary=7000, age=25, sex='male', area='Washington'}, Person{name='Lily', salary=7800, age=21, sex='female', area='New York'}], true=[Person{name='Tom', salary=8900, age=23, sex='male', area='Washington'}, Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}]}员工按性别分组状况：{female=[Person{name='Lily', salary=7800, age=21, sex='female', area='New York'}, Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}], male=[Person{name='Tom', salary=8900, age=23, sex='male', area='Washington'}, Person{name='Jack', salary=7000, age=25, sex='male', area='Washington'}]}员工按性别、地区：{female={New York=[Person{name='Lily', salary=7800, age=21, sex='female', area='New York'}, Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}]}, male={Washington=[Person{name='Tom', salary=8900, age=23, sex='male', area='Washington'}, Person{name='Jack', salary=7000, age=25, sex='male', area='Washington'}]}}Process finished with exit code 0

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(Person::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);    }}

输入后果：

所有员工的姓名：Tom,Jack,Lily拼接后的字符串：A-B-CProcess finished with exit code 0

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);    }}

输入后果：

按工资升序排序：[Lily, Tom, Sherry, Jack, Alisa]按工资降序排序：[Sherry, Jack, Alisa, Tom, Lily]先按工资再按年龄升序排序：[Lily, Tom, Sherry, Jack, Alisa]先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]Process finished with exit code 0

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);    }}

输入后果：

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]Process finished with exit code 0

分页操作

stream api 的弱小之处还不仅仅是对汇合进行各种组合操作，还反对分页操作。

例如，将如下的数组从小到大进行排序，排序实现之后，从第1行开始，查问10条数据进去，操作如下：

//须要查问的数据List<Integer> numbers = Arrays.asList(3, 2, 2, 3, 7, 3, 5, 10, 6, 20, 30, 40, 50, 60, 100);List<Integer> dataList = numbers.stream().sorted(Integer::compareTo).skip(0).limit(10).collect(Collectors.toList());System.out.println(dataList.toString());

输入后果：

[2, 2, 3, 3, 3, 5, 6, 7, 10, 20]Process finished with exit code 0

并行操作

所谓并行，指的是多个工作在同一时间点产生，并由不同的cpu进行解决，不相互抢占资源；而并发，指的是多个工作在同一时间点内同时产生了，但由同一个cpu进行解决，相互抢占资源。

stream api 的并行操作和串行操作，只有一个办法区别，其余都一样，例如上面咱们应用parallelStream来输入空字符串的数量：

List<String> strings = Arrays.asList("abc", "", "bc", "efg", "abcd", "", "jkl");// 采纳并行计算办法，获取空字符串的数量long count = strings.parallelStream().filter(String::isEmpty).count();System.out.println(count);

在理论应用的时候，并行操作不肯定比串行操作快！对于简略操作，数量十分大，同时服务器是多核的话，倡议应用Stream并行！反之，采纳串行操作更牢靠！

汇合转Map操作

在理论的开发过程中，还有一个应用最频繁的操作就是，将汇合元素中某个主键字段作为key，元素作为value，来实现汇合转map的需要，这种需要在数据组装方面应用的十分多。

public static void main(String[] args) {    List<Person> personList = new ArrayList<>();    personList.add(new Person("Tom",7000,25,"male","安徽"));    personList.add(new Person("Jack",8000,30,"female","北京"));    personList.add(new Person("Lucy",9000,40,"male","上海"));    personList.add(new Person("Airs",10000,40,"female","深圳"));    Map<Integer, Person> collect = personList.stream().collect(Collectors.toMap(Person::getAge, v -> v, (k1, k2) -> k1));    System.out.println(collect);}

输入后果：

{40=Person{name='Lucy', salary=9000, age=40, sex='male', area='上海'}, 25=Person{name='Tom', salary=7000, age=25, sex='male', area='安徽'}, 30=Person{name='Jack', salary=8000, age=30, sex='female', area='北京'}}Process finished with exit code 0

关上Collectors.toMap办法源码，一起来看看。

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) {    return toMap(keyMapper, valueMapper, mergeFunction, HashMap::new);}

从参数表能够看出：

第一个参数：示意 key
第二个参数：示意 value
第三个参数：示意某种规定

上文中的Collectors.toMap(Person::getAge, v -> v, (k1,k2) -> k1)，表白的意思就是将age的内容作为key，v -> v是示意将元素person作为value，其中(k1,k2) -> k1示意如果存在雷同的key，将第一个匹配的元素作为内容，第二个舍弃！

结尾

本文次要，围绕 jdk stream api 操作，结合实际的日常开发需要，做了简略总结和分享。心愿你也能跟着一起敲一遍加深印象，置信都能把握这些操作符的初步用法；后续文章我会带大家一步步深刻Stream。看完了，心愿你能点个赞，哈哈。