jdk8的新特性总结（二）：StreamAPI

古城微笑少年丶 2022-05-13 08:40 215阅读 0赞

这篇文章我们一起来学习java8最重要的新特性之一，强大的StreamAPI，在本文中的代码示例中我们会大量使用lambda表达式，如果对lambda表达式还不太熟悉，可以看一下上一篇文章。

java8中Java8中有两大最为重要的改变。第一个是 Lambda 表达式；另外一个则是 Stream API(java.util.stream.\*)。Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。  
使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。也可以使用 Stream API 来并行执行操作。简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

**一、首先我们来思考一个问题，什么是Stream（流）？**

流是一个数据渠道，用于操作数据源（集合，数组等）所生成的元素序列，总之，集合主要是数据，流主要是计算。

**二、Stream操作的三个步骤：**

*  创建Stream

通过一个数据源获取一个流，例如，List中的stream()方法可以直接返回一个Stream对象。

*  中间操作

我们需要对流中的数据进行的操作，比如循环处理（map），过滤（filter）等

*  终止操作

流都是惰性求值的，这个我们在后面会讲到，需要进行一个终止操作，这样才会返回中间操作后的数据。

如下图：

![Stream操作的三个步骤][Stream]

**注意：**

Stream只是一个计算通道，自己不会存储元素；

Stream不会改变源对象，相反，他们会返回一个新的Stream对象。

Stream操作是延时的，只有在执行终止操作时才会执行。

**三、创建Steam的方式：**

1、由Collection子类（List，Set）来创建流：

java8扩展了Collection接口，提供了stream（返回顺序流）和parallelStream（返回并行流）两个方法。并行流我们后面在详细讨论，示例代码：

@Test
    public void test(){
        List<String> list = Arrays.asList("a","b","c");
        Stream stram = list.stream();
        Stream parallelSteam = list.parallelStream();
    }

2、由数据来创建流：

数组可以通过Arrays工具类的stream方法来获得一个Steam对象，示例代码：

public void test2(){
        String[] strArr = new String[]{"a","b","c"};
        Stream stram = Arrays.stream(strArr);
        //还有许多重载形式的方法，可以返回带类型的Stream，例如：
        IntStream stram2 = Arrays.stream(new int []{1,2,3,4,5});
    }

3、通过具体值来创建流：

通过Stream的静态方法Stream.of(T...values)可以创建一个流，它可以接受任意个值，代码示例：

@Test
    public void test3() {
        Stream s = Stream.of("1","2",3,new String[]{"a", "b", "c"});
    }

4、通过函数来创建流（无限流）

通过Stream.iterate()和Stream.generate()方法可以创建无限流，什么是无限流，我们来看一下代码示例就明白了：

@Test
    public void test4() {
        //Stream.iterate方法第一个方法表示开始值得，第二个参数需要提供一个一元操作函数，我们用lambda表达式传递给它
        Stream stream1 = Stream.iterate(0, (x) -> x + 2);
        stream1.forEach(System.out::println); //输出的是0,2,4,6,8,10....将会一直循环下去，永远不停息
        //Stream.generate需要一个供给型函数接口
        Stream stream2 = Stream.generate(() -> 1);
        stream2.forEach(System.out::println); //输出无数个1，将会一直循环下去，永远不停息
    }

备注：实际运用中，我们肯定不会生成一个无限流，除非你想要死循环，我们会结合Stream的终止操作，如limit来获取有指定个数元素的流：

@Test
    public void test5(){
        //我们从0开始获取前50个偶数
        Stream stream1 = Stream.iterate(0, (x) -> x + 2).limit(50);
        stream1.forEach(System.out::println);//输出0，2，4，6，8。。。。98
    }

**四、Stream的中间操作：**

Stream可以进行一系列的流水线式的中间操作，除非流水线上触发终止操作，否则，这些中间操作不会进行任何处理，而在终止操作时一次性处理，这个我们叫做Stream的惰性求值。

记住，中间操作不管做多少次，都不会改变原来的流，只会返回一个新的流；

Stream的中间操作可以分为以下几类：

### 中间操作：筛选与切片 ###

方法 描述 filter(Predicate d) 接受一个断言型函数，对Stream流中的元素进行处理，过滤掉不满足条件的元素 distinct 筛选元素，通过Stream元素中的hasCode和equals方法来去除重复元素 limit(long maxSize) 截断流，使元素不超过manSize指定的数量 skip(Long n) 跳过元素，返回一个扔掉了前n个元素的流，若流中的元素不足n个，则会返回一个空流

### 中间操作：映射 ###

方法 描述 map(Function f) 接受一个函数型接口作为参数，该函数会对流中的每个元素进行处理，返回处理后的流 mapToDouble(ToDoubleFunction  f) 接口一个函数型接口作为参数，该函数会对流中的每个元素进行处理，并返回一个Double值，最终得到一个Stream<Double> mapToInt(ToIntFunction f) 接口一个函数型接口作为参数，该函数会对流中的每个元素进行处理，并返回一个Int值，最终得到一个Stream<Int> mapToLong(ToLongFunction f) 接口一个函数型接口作为参数，该函数会对流中的每个元素进行处理，并返回一个Long值，最终得到一个Stream<Long> flatMap(Function f) 接受一个函数作为参数，将流中的每个值都转换成一个新流，最后再将这些流连接到一起

### 中间操作：排序 ###

方法 描述 sorted 返回一个新流，流中的元素按照自然排序进行排序 sorted(Comparator comp) 返回一个新流，并且Comparator指定的排序方式进行排序

中间操作练习：

/**
     * Stream的中间操作练习
     */
    public class StreamTest2 {
        List<Employee> emps = Arrays.asList(
                new Employee("张三", 18, 6666.66),
                new Employee("李四", 20, 7777.77),
                new Employee("王五", 36, 8888.88),
                new Employee("田七", 55, 11111.11),
                new Employee("赵六", 55, 9999.99),
                new Employee("赵六", 45, 12222.22)
        );
        /**
         * 筛选与切片 filter, distinct limit skip
         */
        @Test
        public void test1() {
            //1.过滤掉年龄小于25的员工
            emps.stream().filter((e) -> e.getAge() > 25).forEach(System.out::println);
            //2.过滤掉姓名重复的员工
            emps.stream().distinct().forEach(System.out::println);
            //3.获取前三名员工
            emps.stream().limit(3).forEach(System.out::println);
            //4.获取第三名以后的员工
            emps.stream().skip(3).forEach(System.out::println);
            //5.先获取前3名员工，再获取其中年龄大于25的员工。（中间操作可以任意次）
            emps.stream().limit(3).filter(e -> e.getAge() > 25);
        }
        /**
         * 映射操作 map, mapToDouble, mapToInt, mapToLong, flatMap
         */
        @Test
        public void test2() {
            //1. 获取所有员工的姓名
            emps.stream().map(e -> e.getName()).forEach(System.out::println);
            //2. 获取所有员工的工资，这里工资是Double类型，我们可以用mapToDouble方法
            emps.stream().mapToDouble(e -> e.getSalary()).forEach(System.out::println);
            //3. 获取所有员工的年龄，用mapToInt方法
            emps.stream().mapToInt(e -> e.getAge()).forEach(System.out::println);
            //4. 将员工年龄转换成Long型并输出,PS：这里就算不用longValue系统也会自动将getAge转换成Long类型
            emps.stream().mapToLong(e -> e.getAge().longValue()).forEach(System.out::println);
            /**
             * 5.将所有员工的 姓名，年龄，工资转换成一个流并返回
             * 首先我们用map方法来处理，这种方式返回的是六个Stream对象，数据结构可以类似于：
             * [{"张三",18, 6666.66},{"李四",20, 7777.77}, {"王五", 36, 8888.88}, {"赵六", 24, 9999.99}, {"田七", 55, 11111.11}, {"赵六", 45, 12222.22}]
             * 然后我们用flatMap方法来处理，返回的是一个Stream对象，将所有元素连接到了一起，数据结构类似于：
             * ["张三",18, 6666.66,"李四",20, 7777.77, "王五", 36, 8888.88, "赵六", 24, 9999.99, "田七", 55, 11111.11, "赵六", 45, 12222.22]
             */
            emps.stream().map(e -> {
                return Stream.of(e.getName(), e.getAge(), e.getSalary());
            }).forEach(System.out::println);
            emps.stream().flatMap(e -> {
                return Stream.of(e.getName(), e.getAge(), e.getSalary());
            }).forEach(System.out::println);
        }
        /**
         * 排序操作 sorted
         */
        @Test
        public void test3() {
            //1.按照自然排序，注意，需要进行自然排序则对象必须实现Comparable接口
            emps.stream().sorted().forEach(System.out::println);
            //2.按照给定规则进行排序,(按照工资高低进行排序)
            emps.stream().sorted((x,y) -> Double.compare(x.getSalary(),y.getSalary())).forEach(System.out::println);
        }
    }

**五、Stream的终止操作：**

Stream的终止操作用来获取一系列流水线操作的最终结果，这个结果可以是任何值，例如boolean，List，Integer甚至可以是void，终止操作也分为以下几大类：

### 终止操作：查找与匹配 ###

方法 描述 allMatch(Predicate p) 传入一个断言型函数，对流中所有的元素进行判断，如果都满足返回true，否则返回false。 anyMatch(Predicate p) 传入一个断言型函数，对流中所有的元素进行判断，只要有一个满足条件就返回true，都不满足返回false。 noneMatch(Predicate p) 所有条件都不满足，返回true，否则返回false。 findFirst() 返回流中的第一个元素。 findAny() 返回流中的任意一个元素。 count() 返回流中元素的个数。 max(Comparator c) 按照给定的排序规则进行排序后，返回流中最大值的元素 min(Comparator c) 按照给定的排序规则进行排序后，返回流中最小值的元素 forEach(Consumer c) 内部迭代。

### 终止操作：规约 ###

方法 描述 reduce(T iden, BinaryOperator bo) 可以将流中的元素反复结合起来，得到一个值，返回T reduce(BinaryOperator bo) 可以将流中的元素反复结合起来，得到一个值，返回Optional。（Optional我们后面再聊）

### 终止操作：收集 ###

方法 描述 collect(Collector c) 将流中的元素转换成其他形式，接受一个Collector接口的实现，用于处理Stream流中的元素，将流转换成其他形式的对象。

collector接口中方法的实现决定了如何对流执行收集操作（如收集到List，Set，Map）。java8中的Collectors类提供了很多静态方法，可以非常方便的创建常用的收集器实例，具体方法与实例：

<table>  Collectors中创建收集器实例的方法  
 <thead> 
  <tr> 
   <th>方法</th> 
   <th style="width:88px;">返回类型</th> 
   <th style="width:662px;">作用</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>toList</td> 
   <td style="width:88px;">List&lt;T&gt;</td> 
   <td style="width:662px;">将流中的元素收集到List中，例如：list.stream.collect(Collectors.toList());</td> 
  </tr> 
  <tr> 
   <td>toSet</td> 
   <td style="width:88px;">Set&lt;T&gt;</td> 
   <td style="width:662px;">将流中的元素收集到set中：Set&lt;Employee&gt; emps= list.stream().collect(Collectors.toSet())</td> 
  </tr> 
  <tr> 
   <td>toCollection</td> 
   <td style="width:88px;">Collection&lt;T&gt;</td> 
   <td style="width:662px;">将流中的元素收集到创建的集合：list.stream().collect(Collectors.toCollection(ArrayList::new))</td> 
  </tr> 
  <tr> 
   <td>counting</td> 
   <td style="width:88px;">Integer</td> 
   <td style="width:662px;">计算流中元素的个数：long count = list.stream().collect(Collectors.counting());</td> 
  </tr> 
  <tr> 
   <td>summingInt</td> 
   <td style="width:88px;">Long</td> 
   <td style="width:662px;">对流中的整数属性进行求和：inttotal=list.stream().collect(Collectors.summingInt(Employee::getSalary));</td> 
  </tr> 
  <tr> 
   <td>averagingInt</td> 
   <td style="width:88px;">Double</td> 
   <td style="width:662px;">计算流中元素的平均值：doubleavg= list.stream().collect(Collectors.averagingInt(Employee::getSalary));</td> 
  </tr> 
  <tr> 
   <td>summarizingInt</td> 
   <td style="width:88px;">IntSummaryStatistics</td> 
   <td style="width:662px;">返回一个IntSummaryStatistics，可以通过这个对象获取统计值，如平均值：IntSummaryStatistics iss=list.stream().collect(Collectors.summarizingInt(Employee::getSalary))</td> 
  </tr> 
  <tr> 
   <td>joining</td> 
   <td style="width:88px;">String</td> 
   <td style="width:662px;">连接流中的每个字符串：String str= list.stream().map(Employee::getName).collect(Collectors.joining());</td> 
  </tr> 
  <tr> 
   <td>maxBy</td> 
   <td style="width:88px;">Optional&lt;T&gt;</td> 
   <td style="width:662px;">根据比较器选择最大值：Optional&lt;Employee&gt; min = emps.stream().collect(Collectors.minBy((x ,y) -&gt; Double.compare(x.getSalary(), y.getSalary())));</td> 
  </tr> 
  <tr> 
   <td>minBy</td> 
   <td style="width:88px;">Optional&lt;T&gt;</td> 
   <td style="width:662px;">根据比较器选择最小值：Optional&lt;Employee&gt; max = emps.stream().collect(Collectors.maxBy((x ,y) -&gt; Double.compare(x.getSalary(), y.getSalary())));</td> 
  </tr> 
  <tr> 
   <td>reducing</td> 
   <td style="width:88px;">规约产生的类型</td> 
   <td style="width:662px;">从一个作为累加器的初始值开始，利用BinaryOperator与流中元素逐个结合，从而归约成单个值。Integer totalAge = emps.stream().collect(Collectors.reducing(0, Employee::getAge, Integer::sum));</td> 
  </tr> 
  <tr> 
   <td>colectingAndThen</td> 
   <td style="width:88px;">转换函数返回的类型</td> 
   <td style="width:662px;">包裹一个收集器，对其结果进行转换：int inthow= emps.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));</td> 
  </tr> 
  <tr> 
   <td>groupingBy</td> 
   <td style="width:88px;">Map&lt;K, List&lt;T&gt;&gt;</td> 
   <td style="width:662px;">根据某属性对结果进行分组，属性为K，结果为V：Map&lt;String, List&lt;Employee&gt;&gt; kv= emps.stream().collect(Collectors.groupingBy(Employee::getName));</td> 
  </tr> 
  <tr> 
   <td>partitioningBy</td> 
   <td style="width:88px;">Map&lt;boolean, ListM&lt;T&gt;&gt;</td> 
   <td style="width:662px;">根据true或false进行分区：Map&lt;Boolean,List&lt;Employee&gt;&gt; vd = emps.stream().collect(Collectors.partitioningBy(e -&gt; e.getAge() &gt; 30));</td> 
  </tr> 
 </tbody> 
</table>

终止操作练习：

/**
     * Stream的终止操作练习
     */
    public class StreamTest3 {
        List<Employee> emps = Arrays.asList(
                new Employee("张三", 17, 6666.66),
                new Employee("李四", 20, 7777.77),
                new Employee("王五", 36, 8888.88),
                new Employee("田七", 55, 11111.11),
                new Employee("赵六", 55, 9999.99),
                new Employee("赵六", 45, 12222.22)
        );
    
        /**
         * 终止操作：查找与匹配 allMatch, anyMatch, noneMatch, findFirst, findAny, count, max, min ,forEach
         */
        @Test
        public void test1() {
            //1.查看是否有员工年龄是否都大于18
            boolean flag1 = emps.stream().allMatch(e -> e.getAge() > 18);
            System.out.println(flag1);   // false
            //2.先去掉张三，然后再判断所有员工年龄是否都大于18
            boolean flag2 = emps.stream().filter(e -> !"张三".equals(e.getName())).allMatch(e -> e.getAge() > 18);
            System.out.println(flag2);  //true
            //3.是否有员工年龄大于50
            boolean flag3 = emps.stream().filter(e -> !"张三".equals(e.getName())).anyMatch(e -> e.getAge() > 50);
            System.out.println(flag3);  //true
            //4.没有员工的年龄大于50？
            boolean flag4 = emps.stream().filter(e -> !"张三".equals(e.getName())).noneMatch(e -> e.getAge() > 50);
            System.out.println(flag4);  //false
            //5.先按照年龄进行排序，然后返回第一个员工。optional是java8用来包装可能出现空指针的对象的对象
            Optional<Employee> op1 = emps.stream().sorted((x, y) -> Integer.compare(x.getAge(), y.getAge())).findFirst();
            System.out.println(op1.get());  //Employee{name='张三', age=17, salary=6666.66}
            //6. 查找任意一名员工的姓名，当使用顺序流时，返回的是第一个对象，当使用并行流时，会随机返回一名员工的姓名
            Optional<String> op2 = emps.parallelStream().map(e -> e.getName()).findAny();
            System.out.println(op2.get()); //会随机获取一名员工
            //7. 查询员工人数
            Long count = emps.stream().count();
            System.out.println(count);
            //8.查询员工工资最大的员工信息。PS: 这个也可以通过先按照工资排序，然后取第一个元素来实现
            Optional<Employee> maxSalary = emps.stream().max((x, y) -> Double.compare(x.getSalary(), y.getSalary()));
            System.out.println(maxSalary.get());
            //9.查询员工最小年龄
            Optional<Employee> minAge = emps.stream().max((x, y) -> -Integer.compare(x.getAge(), y.getAge()));
            System.out.println(minAge.get());
            //10.循环输出所有员工的信息
            emps.stream().forEach(System.out::println);
        }
        /**
         * 终止操作：规约 reduce
         * 规约操作两个重载方法的区别是：
         * 一个未指定起始值，有可能返回null,所以返回的是一个Optional对象
         * 一个指定了起始值，不可能返回null,所以返回值可以确定是一个Employee
         */
        @Test
        public void test2() {
            //1.将所有员工的名字加上 -> 下一个员工的名字： 如 张三 -> 李四
            Optional<Employee> op1 = emps.stream().reduce((x,y) -> {x.setName(x.getName() + "->" + y.getName()); return x;});
            System.out.println(op1.get().getName());  //张三->李四->王五->田七->赵六->赵六
            //2.将所有员工的名字加上 -> 下一个员工的名字，并且开始以王八开始;
            // PS:测试时，请将例子1注释掉，不然会影响emps对象
            Employee emp = emps.stream()
                    .reduce(new Employee("王八", 65, 8888.88)
                            , (x,y) -> {
                                x.setName(x.getName() + "->" + y.getName());
                                return x;
                            });
            System.out.println(emp.getName());  //王八->张三->李四->王五->田七->赵六->赵六
        }
    
        /**
         * 终止操作：收集
         */
        @Test
        public void test3(){
            //1.按年龄排序后收集成一个list并返回
            List<Employee> list = emps.stream().sorted((x, y) -> Integer.compare(x.getAge(), y.getAge()))
                      .collect(Collectors.toList());
            list.forEach(System.out::println);
            //2.按工资高低排序后收集成一个Set返回
            Set<Employee> set = emps.stream().sorted((x, y) -> Integer.compare(x.getAge(), y.getAge()))
                    .collect(Collectors.toSet());
            set.forEach(System.out::println);
            //3.按工资排序后收集到指定的集合中，这里指定LinkedList
            LinkedList<Employee> linkedList = emps.stream().sorted((x, y) -> Integer.compare(x.getAge(), y.getAge()))
                    .collect(Collectors.toCollection(LinkedList::new));
            linkedList.forEach(System.out::println);
            //4.计算流中元素的个数：
            long count = emps.stream().collect(Collectors.counting());
            System.out.println(count);
            //5.对所有员工的年龄求和：
            int inttotal = emps.stream().collect(Collectors.summingInt(Employee::getAge));
            System.out.println(inttotal);
            //6.计算所有员工工资的平均值：
            Double doubleavg= emps.stream().collect(Collectors.averagingDouble(Employee::getSalary));
            System.out.println(doubleavg);
            //7.返回一个IntSummaryStatistics，可以通过这个对象获取统计值，如平均值：
            IntSummaryStatistics iss =emps.stream().collect(Collectors.summarizingInt(Employee::getAge));
            System.out.println(iss.getAverage());
            System.out.println(iss.getMax());
            System.out.println(iss.getMin());
            //8.连接所有员工的名字：
            String str= emps.stream().map(Employee::getName).collect(Collectors.joining());
            System.out.println(str);
            //9.相当于先按照工资进行排序，再取出排在第一位的员工
            Optional<Employee> min = emps.stream().collect(Collectors.minBy((x ,y) -> Double.compare(x.getSalary(), y.getSalary())));
            System.out.println(min);
            //10.相当于先按照工资进行排序，再取出排在最后一位的员工
            Optional<Employee> max = emps.stream().collect(Collectors.maxBy((x ,y) -> Double.compare(x.getSalary(), y.getSalary())));
            System.out.println(max);
            //11.从一个作为累加器的初始值开始，利用BinaryOperator与流中元素逐个结合，从而归约成单个值。
            Integer totalAge = emps.stream().collect(Collectors.reducing(0, Employee::getAge, Integer::sum));
            System.out.println(totalAge);
            //12.包裹一个收集器，对其结果进行转换：
            int inthow = emps.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));
            System.out.println(inthow);
            //13.根据某属性对结果进行分组，属性为K，结果为V：
            Map<String, List<Employee>> kv = emps.stream().collect(Collectors.groupingBy(Employee::getName));
            System.out.println(emps);
            //14.根据true或false进行分区，年龄大于30的分在true区，小于30的分在false区
            Map<Boolean,List<Employee>> vd = emps.stream().collect(Collectors.partitioningBy(e -> e.getAge() > 30));
            System.out.println(vd);
        }
    }

**总结：**

Stream的总结其实就是一句话，记住Stream操作的三个步骤，创建流 -> 一系列中间操作 -> 终止操作拿到返回结果。

PS：上面练习的代码放在了我的git仓库中，感兴趣的可以down下来再练练：[https://github.com/caishi13202/jdk8.git][https_github.com_caishi13202_jdk8.git]

[Stream]: /images/20220513/300896ba9f7c4c2cbe269bdce2cb75ef.png
[https_github.com_caishi13202_jdk8.git]: https://github.com/caishi13202/jdk8.git