Java8 常用的lambda表达式

落日映苍穹つ 2021-09-18 05:38 367阅读 0赞

### Java8 常用的几个lambda函数接口 ###

1.  Supplier
2.  Predicate
3.  Consumer
4.  Function

//使用Lambda表达式提供Supplier接口实现，返回OK字符串
    Supplier<String> stringSupplier = ()->"OK";
    //使用方法引用提供Supplier接口实现，返回空字符串
    Supplier<String> supplier = String::new;
    
    //Predicate接口是输入一个参数，返回布尔值。我们通过and方法组合两个Predicate条件，判断是否值大于0并且是偶数
    Predicate<Integer> positiveNumber = i -> i > 0;
    Predicate<Integer> evenNumber = i -> i % 2 == 0;
    assertTrue(positiveNumber.and(evenNumber).test(2));
    
    //Consumer接口是消费一个数据。我们通过andThen方法组合调用两个Consumer，输出两行abcdefg
    Consumer<String> println = System.out::println;
    println.andThen(println).accept("abcdefg");
    
    //Function接口是输入一个数据，计算后输出一个数据。我们先把字符串转换为大写，然后通过andThen组合另一个Function实现字符串拼接
    Function<String, String> upperCase = String::toUpperCase;
    Function<String, String> duplicate = s -> s.concat(s);
    assertThat(upperCase.andThen(duplicate).apply("test"), is("TESTTEST"));
    
    //Supplier是提供一个数据的接口。这里我们实现获取一个随机数
    Supplier<Integer> random = ()->ThreadLocalRandom.current().nextInt();
    System.out.println(random.get());
    
    //BinaryOperator是输入两个同类型参数，输出一个同类型参数的接口。这里我们通过方法引用获得一个整数加法操作，通过Lambda表达式定义一个减法操作，然后依次调用
    BinaryOperator<Integer> add = Integer::sum;
    BinaryOperator<Integer> subtraction = (a, b) -> a - b;
    assertThat(subtraction.apply(add.apply(1, 2), 3), is(0));

### 使用 Stream 简化集合操作 ###

示例：

private static double calc(List<Integer> ints) {
        //临时中间集合
        List<Point2D> point2DList = new ArrayList<>();
        for (Integer i : ints) {
            point2DList.add(new Point2D.Double((double) i % 3, (double) i / 3));
        }
        //临时变量，纯粹是为了获得最后结果需要的中间变量
        double total = 0;
        int count = 0;
    
        for (Point2D point2D : point2DList) {
            //过滤
            if (point2D.getY() > 1) {
                //算距离
                double distance = point2D.distance(0, 0);
                total += distance;
                count++;
            }
        }
        //注意count可能为0的可能
        return count >0 ? total / count : 0;
    }
    
    
    ================================================================
    stream 方式
    
    List<Integer> ints = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8);
    double average = calc(ints);
    double streamResult = ints.stream()
            .map(i -> new Point2D.Double((double) i % 3, (double) i / 3))
            .filter(point -> point.getY() > 1)
            .mapToDouble(point -> point.distance(0, 0))
            .average()
            .orElse(0);
    //如何用一行代码来实现，比较一下可读性
    assertThat(average, is(streamResult));

### Optional 可空类型 ###

其实，类似 OptionalDouble、OptionalInt、OptionalLong 等，是服务于基本类型的可空对象。此外，Java8 还定义了用于引用类型的 Optional 类。使用 Optional，不仅可以避免使用 Stream 进行级联调用的空指针问题；更重要的是，它提供了一些实用的方法帮我们避免判空逻辑。

@Test(expected = IllegalArgumentException.class)
    public void optional() {
        //通过get方法获取Optional中的实际值
        assertThat(Optional.of(1).get(), is(1));
        //通过ofNullable来初始化一个null，通过orElse方法实现Optional中无数据的时候返回一个默认值
        assertThat(Optional.ofNullable(null).orElse("A"), is("A"));
        //OptionalDouble是基本类型double的Optional对象，isPresent判断有无数据
        assertFalse(OptionalDouble.empty().isPresent());
        //通过map方法可以对Optional对象进行级联转换，不会出现空指针，转换后还是一个Optional
        assertThat(Optional.of(1).map(Math::incrementExact).get(), is(2));
        //通过filter实现Optional中数据的过滤，得到一个Optional，然后级联使用orElse提供默认值
        assertThat(Optional.of(1).filter(integer -> integer % 2 == 0).orElse(null), is(nullValue()));
        //通过orElseThrow实现无数据时抛出异常
        Optional.empty().orElseThrow(IllegalArgumentException::new);
    }

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqYXZhZG9n_size_16_color_FFFFFF_t_70]

### Java 8 类对于函数式 API 的增强 ###

private Map<Long, Product> cache = new ConcurrentHashMap<>();
    
    private Product getProductAndCache(Long id) {
        Product product = null;
        //Key存在，返回Value
        if (cache.containsKey(id)) {
            product = cache.get(id);
        } else {
            //不存在，则获取Value
            //需要遍历数据源查询获得Product
            for (Product p : Product.getData()) {
                if (p.getId().equals(id)) {
                    product = p;
                    break;
                }
            }
            //加入ConcurrentHashMap
            if (product != null)
                cache.put(id, product);
        }
        return product;
    }
    
    @Test
    public void notcoolCache() {
        getProductAndCache(1L);
        getProductAndCache(100L);
    
        System.out.println(cache);
        assertThat(cache.size(), is(1));
        assertTrue(cache.containsKey(1L));
    }

而在 Java 8 中，我们利用 ConcurrentHashMap 的 computeIfAbsent 方法，用一行代码就可以实现这样的繁琐操作：

private Product getProductAndCacheCool(Long id) {
        return cache.computeIfAbsent(id, i -> //当Key不存在的时候提供一个Function来代表根据Key获取Value的过程
                Product.getData().stream()
                        .filter(p -> p.getId().equals(i)) //过滤
                        .findFirst() //找第一个，得到Optional<Product>
                        .orElse(null)); //如果找不到Product，则使用null
    }
    
    @Test
    public void coolCache()
    {
        getProductAndCacheCool(1L);
        getProductAndCacheCool(100L);
    
        System.out.println(cache);
        assertThat(cache.size(), is(1));
        assertTrue(cache.containsKey(1L));
    }

### 并行流 ###

IntStream.rangeClosed(1,100).parallel().forEach(i->{
        System.out.println(LocalDateTime.now() + " : " + i);
        try {
            Thread.sleep(1000);
        } catch (InterruptedException e) { }
    });

五种方式实现多线程：

1.  直接把任务按照线程数均匀分割，分配到不同的线程执行，使用 CountDownLatch 来阻塞主线程，直到所有线程都完成操作。
    
        private int thread(int taskCount, int threadCount) throws InterruptedException {
            //总操作次数计数器
            AtomicInteger atomicInteger = new AtomicInteger();
            //使用CountDownLatch来等待所有线程执行完成
            CountDownLatch countDownLatch = new CountDownLatch(threadCount);
            //使用IntStream把数字直接转为Thread
            IntStream.rangeClosed(1, threadCount).mapToObj(i -> new Thread(() -> {
                //手动把taskCount分成taskCount份，每一份有一个线程执行
                IntStream.rangeClosed(1, taskCount / threadCount).forEach(j -> increment(atomicInteger));
                //每一个线程处理完成自己那部分数据之后，countDown一次
                countDownLatch.countDown();
            })).forEach(Thread::start);
            //等到所有线程执行完成
            countDownLatch.await();
            //查询计数器当前值
            return atomicInteger.get();
        }
2.  Executors.newFixedThreadPool 来获得固定线程数的线程池，使用 execute 提交所有任务到线程池执行，最后关闭线程池等待所有任务执行完成.
    
        private int threadpool(int taskCount, int threadCount) throws InterruptedException {
            //总操作次数计数器
            AtomicInteger atomicInteger = new AtomicInteger();
            //初始化一个线程数量=threadCount的线程池
            ExecutorService executorService = Executors.newFixedThreadPool(threadCount);
            //所有任务直接提交到线程池处理
            IntStream.rangeClosed(1, taskCount).forEach(i -> executorService.execute(() -> increment(atomicInteger)));
            //提交关闭线程池申请，等待之前所有任务执行完成
            executorService.shutdown();
            executorService.awaitTermination(1, TimeUnit.HOURS);
            //查询计数器当前值
            return atomicInteger.get();
        }
3.  使用 ForkJoinPool 而不是普通线程池执行任务。  
    ForkJoinPool 和传统的 ThreadPoolExecutor 区别在于，前者对于 n 并行度有 n 个独立队列，后者是共享队列。如果有大量执行耗时比较短的任务，ThreadPoolExecutor 的单队列就可能会成为瓶颈。这时，使用 ForkJoinPool 性能会更好。  
    因此，ForkJoinPool 更适合大任务分割成许多小任务并行执行的场景，而 ThreadPoolExecutor 适合许多独立任务并发执行的场景。
    
        private int forkjoin(int taskCount, int threadCount) throws InterruptedException {
            //总操作次数计数器
            AtomicInteger atomicInteger = new AtomicInteger();
            //自定义一个并行度=threadCount的ForkJoinPool
            ForkJoinPool forkJoinPool = new ForkJoinPool(threadCount);
            //所有任务直接提交到线程池处理
            forkJoinPool.execute(() -> IntStream.rangeClosed(1, taskCount).parallel().forEach(i -> increment(atomicInteger)));
            //提交关闭线程池申请，等待之前所有任务执行完成
            forkJoinPool.shutdown();
            forkJoinPool.awaitTermination(1, TimeUnit.HOURS);
            //查询计数器当前值
            return atomicInteger.get();
        }
4.  直接使用并行流，并行流使用公共的 ForkJoinPool，也就是 ForkJoinPool.commonPool()。  
    公共的 ForkJoinPool 默认的并行度是 CPU 核心数 -1，原因是对于 CPU 绑定的任务分配超过 CPU 个数的线程没有意义。由于并行流还会使用主线程执行任务，也会占用一个 CPU 核心，所以公共 ForkJoinPool 的并行度即使 -1 也能用满所有 CPU 核心。
    
        private int stream(int taskCount, int threadCount) {
            //设置公共ForkJoinPool的并行度
        System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", String.valueOf(threadCount));
            //总操作次数计数器
            AtomicInteger atomicInteger = new AtomicInteger();
            //由于我们设置了公共ForkJoinPool的并行度，直接使用parallel提交任务即可
            IntStream.rangeClosed(1, taskCount).parallel().forEach(i -> increment(atomicInteger));
            //查询计数器当前值
            return atomicInteger.get();
        }
5.  使用 CompletableFuture 来实现。CompletableFuture.runAsync 方法可以指定一个线程池，一般会在使用 CompletableFuture 的时候用到.
    
        private int completableFuture(int taskCount, int threadCount) throws InterruptedException, ExecutionException {
            //总操作次数计数器
            AtomicInteger atomicInteger = new AtomicInteger();
            //自定义一个并行度=threadCount的ForkJoinPool
            ForkJoinPool forkJoinPool = new ForkJoinPool(threadCount);
            //使用CompletableFuture.runAsync通过指定线程池异步执行任务
            CompletableFuture.runAsync(() -> IntStream.rangeClosed(1, taskCount).parallel().forEach(i -> increment(atomicInteger)), forkJoinPool).get();
            //查询计数器当前值
            return atomicInteger.get();
        }

另外需要注意的是，在上面的例子中我们一定是先运行 stream 方法再运行 forkjoin 方法，对公共 ForkJoinPool 默认并行度的修改才能生效。

ForkJoinPool 类初始化公共线程池是在静态代码块里，加载类时就会进行的，如果 forkjoin 方法中先使用了 ForkJoinPool，即便 stream 方法中设置了系统属性也不会起作用。因此我的建议是，设置 ForkJoinPool 公共线程池默认并行度的操作，应该放在应用启动时设置。

**JAVA 业务开发常见错误100例笔记。**

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dqYXZhZG9n_size_16_color_FFFFFF_t_70]: /images/20210918/52c4ebec535143b4a6b0459afda24240.png