共计 7157 个字符,预计需要花费 18 分钟才能阅读完成。
Java8 的新特性主要是 Lambda 表达式和流,当流和 Lambda 表达式结合起来一起使用时,因为流申明式处理数据集合的特点,可以让代码变得简洁易读
放大招,流如何简化代码
如果有一个需求,需要对数据库查询到的菜肴进行一个处理:
- 筛选出卡路里小于 400 的菜肴
- 对筛选出的菜肴进行一个排序
- 获取排序后菜肴的名字
菜肴:Dish.java
public class Dish {
private String name;
private boolean vegetarian;
private int calories;
private Type type;
// getter and setter
}
Java8 以前的实现方式
private List<String> beforeJava7(List<Dish> dishList) {List<Dish> lowCaloricDishes = new ArrayList<>();
//1. 筛选出卡路里小于 400 的菜肴
for (Dish dish : dishList) {if (dish.getCalories() < 400) {lowCaloricDishes.add(dish);
}
}
//2. 对筛选出的菜肴进行排序
Collections.sort(lowCaloricDishes, new Comparator<Dish>() {
@Override
public int compare(Dish o1, Dish o2) {return Integer.compare(o1.getCalories(), o2.getCalories());
}
});
//3. 获取排序后菜肴的名字
List<String> lowCaloricDishesName = new ArrayList<>();
for (Dish d : lowCaloricDishes) {lowCaloricDishesName.add(d.getName());
}
return lowCaloricDishesName;
}
Java8 之后的实现方式
private List<String> afterJava8(List<Dish> dishList) {return dishList.stream()
.filter(d -> d.getCalories() < 400) // 筛选出卡路里小于 400 的菜肴
.sorted(comparing(Dish::getCalories)) // 根据卡路里进行排序
.map(Dish::getName) // 提取菜肴名称
.collect(Collectors.toList()); // 转换为 List
}
不拖泥带水,一气呵成,原来需要写 24
代码实现的功能现在只需 5
行就可以完成了
高高兴兴写完需求这时候又有新需求了,新需求如下:
- 对数据库查询到的菜肴根据菜肴种类进行分类,返回一个
Map<Type, List<Dish>>
的结果
这要是放在 jdk8 之前肯定会头皮发麻
Java8 以前的实现方式
private static Map<Type, List<Dish>> beforeJdk8(List<Dish> dishList) {Map<Type, List<Dish>> result = new HashMap<>();
for (Dish dish : dishList) {
// 不存在则初始化
if (result.get(dish.getType())==null) {List<Dish> dishes = new ArrayList<>();
dishes.add(dish);
result.put(dish.getType(), dishes);
} else {
// 存在则追加
result.get(dish.getType()).add(dish);
}
}
return result;
}
还好 jdk8 有 Stream,再也不用担心复杂集合处理需求
Java8 以后的实现方式
private static Map<Type, List<Dish>> afterJdk8(List<Dish> dishList) {return dishList.stream().collect(groupingBy(Dish::getType));
}
又是一行代码解决了需求,忍不住大喊 Stream API
牛批
看到流的强大功能了吧,接下来将详细介绍流
什么是流
流是从支持数据处理操作的源生成的元素序列,源可以是数组、文件、集合、函数。流不是集合元素,它不是数据结构并不保存数据,它的主要目的在于计算
如何生成流
生成流的方式主要有五种
- 通过集合生成,应用中最常用的一种
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream();
通过集合的 stream
方法生成流
- 通过数组生成
int[] intArr = new int[]{1, 2, 3, 4, 5};
IntStream stream = Arrays.stream(intArr);
通过 Arrays.stream
方法生成流,并且该方法生成的流是数值流【即 IntStream
】而不是Stream<Integer>
。补充一点使用数值流可以避免计算过程中拆箱装箱,提高性能。Stream API
提供了 mapToInt
、mapToDouble
、mapToLong
三种方式将对象流【即 Stream<T>
】转换成对应的数值流,同时提供了boxed
方法将数值流转换为对象流
- 通过值生成
Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5);
通过 Stream
的of
方法生成流,通过 Stream
的empty
方法可以生成一个空流
- 通过文件生成
Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())
通过 Files.line
方法得到一个流,并且得到的每个流是给定文件中的一行
- 通过函数生成
提供了 iterate
和generate
两个静态方法从函数中生成流
-
iterator
Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(5);
iterate
方法接受两个参数,第一个为初始化值,第二个为进行的函数操作,因为 iterator
生成的流为无限流,通过 limit
方法对流进行了截断,只生成 5 个偶数
-
generator
Stream<Double> stream = Stream.generate(Math::random).limit(5);
generate
方法接受一个参数,方法参数类型为 Supplier<T>
,由它为流提供值。generate
生成的流也是无限流,因此通过 limit
对流进行了截断
流的操作类型
流的操作类型主要分为两种
- 中间操作
一个流可以后面跟随零个或多个中间操作。其目的主要是打开流,做出某种程度的数据映射 / 过滤,然后返回一个新的流,交给下一个操作使用。这类操作都是惰性化的,仅仅调用到这类方法,并没有真正开始流的遍历,真正的遍历需等到终端操作时,常见的中间操作有下面即将介绍的filter
、map
等 - 终端操作
一个流有且只能有一个终端操作,当这个操作执行后,流就被关闭了,无法再被操作,因此一个流只能被遍历一次,若想在遍历需要通过源数据在生成流。终端操作的执行,才会真正开始流的遍历。如下面即将介绍的 count
、collect
等
流使用
count 计算流中元素个数
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
System.out.println(integerList.stream().count());
通过使用 count
方法计算出流中元素个数
filter 筛选
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
integerList.stream().filter(i -> i > 3).forEach(System.out::println);
通过使用 filter
方法进行条件筛选,filter
的方法参数为一个条件
distinct 去除重复元素
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
integerList.stream().distinct().forEach(System.out::println);
通过 distinct
方法快速去除重复的元素
limit 返回指定流个数
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
integerList.stream().limit(3).forEach(System.out::println);
通过 limit
方法指定返回流的个数,limit
的参数值必须>=0
,否则将会抛出异常
skip 跳过流中的元素
List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
integerList.stream().skip(2).forEach(System.out::println);
通过 skip
方法跳过流中的元素,上述例子跳过前两个元素,所以打印结果为 2,3,4,5
,skip
的参数值必须>=0
,否则将会抛出异常
map 流映射
所谓流映射就是将接受的元素映射成另外一个元素
List<String> stringList = Arrays.asList("Java 8", "Lambdas", "In", "Action");
stringList.stream().map(String::length).forEach(System.out::println);
通过 map
方法可以完成映射,该例子完成中 String -> Integer
的映射,之前上面的例子通过 map
方法完成了 Dish->String
的映射
flatMap 流转换
将一个流中的每个值都转换为另一个流
List<String> stringList = Arrays.asList("Hello", "World");
List<Stream<String>> str = stringList.stream()
.map(world -> world.split(" "))
.flatMap(Arrays::stream)
.distinct()
.collect(Collectors.toList());
map(world -> world.split(" "))
的返回值为 Stream<String[]>
,我们想获得的结果为Stream<String>
,可以通过flatMap
方法完成 Stream<String[]> ->Stream<String>
的转换
元素匹配
提供了三种匹配方式
- allMatch 匹配所有
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
if (integerList.stream().allMatch(i -> i > 3)) {System.out.println("值都大于 3");
}
通过 allMatch
方法实现
- anyMatch 匹配其中一个
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
if (integerList.stream().anyMatch(i -> i > 3)) {System.out.println("存在大于 3 的值");
}
等同于
for (Integer i : integerList) {if (i > 3) {System.out.println("存在大于 3 的值");
break;
}
}
存在大于 3 的值则打印,java8
中通过 anyMatch
方法实现这个功能
- noneMatch 全部不匹配
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
if (integerList.stream().noneMatch(i -> i > 3)) {System.out.println("值都小于 3");
}
通过 noneMatch
方法实现
查找
提供了两种查找方式
- findFirst 查找第一个
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
System.out.println(integerList.stream().filter(i -> i > 3).findFirst());
通过 findFirst
方法查找到第一个大于三的元素并打印
- findAny 随机查找一个
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
System.out.println(integerList.stream().filter(i -> i > 3).findAny());
通过 findAny
方法查找到其中一个大于三的元素并打印,因为内部进行优化的原因,当找到第一个满足大于三的元素时就结束,该方法结果和 findFirst
方法结果一样。提供 findAny
方法是为了更好的利用并行流,findFirst
方法在并行上限制更多【本篇文章将不介绍并行流】
min/max 获取流中最小最大值
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Optional<Integer> min = integerList.stream().min(Integer::compareTo);
Optional<Integer> max = integerList.stream().max(Integer::compareTo);
min
获取流中最小值,max
获取流中最大值,方法参数为Comparator<? super T> comparator
reduce 将流中的元素组合起来
假设我们对一个集合中的值进行求和
- jdk8 之前
int sum = 0;
for (int i : integerList) {sum += i;}
- jdk8 之后通过 reduce 进行处理
int sum = integerList.stream().reduce(0, (a, b) -> (a + b));
一行就可以完成,还可以使用方法引用简写成:
int sum = integerList.stream().reduce(0, Integer::sum);
reduce
接受两个参数,一个初始值这里是 0
,一个BinaryOperator<T> accumulator
来将两个元素结合起来产生一个新值
另外 reduce
方法还有一个没有初始化值的重载方法,通过 reduce
我们还可以进行求最大值和最小值
Optional<Integer> min = integerList.stream().reduce(Integer::min);
Optional<Integer> max = integerList.stream().reduce(Integer::max);
进阶通过 groupingBy 进行分组
Map<Type, List<Dish>> result = dishList.stream().collect(groupingBy(Dish::getType));
在 collect
方法中传入 groupingBy
进行分组,其中 groupingBy
的方法参数为分类函数。还可以通过嵌套使用 groupingBy
进行多级分类
Map<Type, List<Dish>> result = menu.stream().collect(groupingBy(Dish::getType,
groupingBy(dish -> {if (dish.getCalories() <= 400) return CaloricLevel.DIET;
else if (dish.getCalories() <= 700) return CaloricLevel.NORMAL;
else return CaloricLevel.FAT;
})));
进阶通过 partitioningBy 进行分区
分区是特殊的分组,它分类依据是 true 和 false,所以返回的结果最多可以分为两组
Map<Boolean, List<Dish>> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian))
等同于
Map<Boolean, List<Dish>> result = menu.stream().collect(groupingBy(Dish :: isVegetarian))
这个例子可能并不能看出分区和分类的区别,甚至觉得分区根本没有必要,换个明显一点的例子:
List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Map<Boolean, List<Integer>> result = integerList.stream().collect(partitioningBy(i -> i < 3));
返回值的键仍然是布尔类型,但是它的分类是根据范围进行分类的,分区比较适合处理根据范围进行分类
总结
通过使用 Stream API
可以简化代码,同时提高了代码可读性,赶紧在项目里用起来。讲道理在没学 Stream API
之前,谁要是给我在应用里写很多 Lambda
,Stream API
,飞起就想给他一脚。我想,我现在可能爱上他了【嘻嘻】。同时使用的时候注意不要将声明式和命令式编程混合使用,前几天刷segment
刷到一条:imango
老哥说的很对,别用声明式编程的语法干命令式编程的勾