Java_JDK8新特性

拼搏现实的明天。 2021-10-06 02:48 415阅读 0赞

### Java\_JDK8常用新特性 ###

*  接口定义增强
 *  Lamda表达式（函数式接口）
 *  方法引用（函数式接口）
 *  流式编程（Stream）

# 接口定义增强 #

旧：接口中只能定义最终变量和抽象方法  
接口可以定义：1、默认方法 2、静态方法

# Lamda表达式（函数式接口） #

旧：匿名内部类（可以实现多个抽象方法）  
1、(参数) -> 单行语句;  
2、(参数) -> \{多行语句\};  
3、(参数) -> 表达式;  
示例如下：  
interface Pr \{  
public int add(int a,int b);  
\}  
main方法\{  
fun((a,b) -> a + b); //调用  
\}  
public static void fun(Pr pr) \{  
System.out.print(pr.add(1,2)); //3  
\}

# 方法引用（函数式接口） #

使用java8下java.util.function提供的四种通用函数式接口（推荐）  
1）功能Function<T,R> R apply(T t)  
2）消费Consumer void accept(T t)  
3）供给Supplier T get()  
4）断言Predicate boolean test(T t)  
BiFunction<T,U,R> R apply(T t,U u)

可以自定义函数式接口（不推荐）  
定义要求：接口中只能有一个抽象方法；接口名上需要添加@FunctionInfterface注解  
1、类 :: 静态方法  
2、对象 :: 普通方法  
3、类 :: new  
4、特定类 :: 普通方法  
Function<String,String> fun = String :: toUpperCase;  
String result = fun.apply(“abc”); //ABC

# 流式编程（Stream） #

BaseStream  
子类：Stream 、DoubleSteam(下面有个统计方法summaryStatistics())、IntStream、LongStream  
Java8集合  
Collection接口提供了默认方法  
default Stream stream()获取数据流（可以理解加工厂）  
default forEach(Consumer con);

Stream接口提供了很多处理集合数据的方法：  
Stream map(Function fun); 逐个处理集合内数据  
Stream filter(Predicate pre); 过滤  
Stream skip(long n); 设置跳过的数据行数  
Stream limit(long maxSize); 设置取出的数据个数  
boolean allMatch(Predicate pre); 全匹配  
boolean anyMatch(Predicate pre); 匹配任意一个  
Option reduce(BiFunction bf)

Predicate函数式接口提供了默认方法：可以实现多个条件匹配  
default Predicate or(Predicate pre);  
default Predicate and(Predicate pre);

List list = new ArrayList();  
list.add(“Java”);  
list.add(“Java”);  
list.add(“Android”);  
List newList = list.stream().distinct.map((x) -> x.toLowerCase()).filter((x) -> x.contains(“a”)).collect(Collectors.toList());  
newList.forEach(System.out::println);

数据统计示例：  
方式一：简单MapReduce处理分析数据示例：  
double s = all.stream().map((x) -> x.getAmount() \* x.getPrice()).reduce((sum,s) -> sum + s).get();  
方式二：使用DoubleStream流  
DoubleSummaryStatistics dss = all.stream.mapToDouble((x) -> x.getAmount() \* x.getPrice()).summaryStatistics();  
dss.getAverage()  
dss.getCount();  
dss.getMax();  
dss.getSum();