5万字长文:Stream和Lambda表达式最佳实践-附PDF下载

古城微笑少年丶 2023-03-01 13:45 8阅读 0赞

### 文章目录 ###

*  1. Streams简介
 *   *  1.1 创建Stream
     *  1.2 Streams多线程
     *  1.3 Stream的基本操作
     *   *  Matching
         *  Filtering
         *  Mapping
         *  FlatMap
         *  Reduction
         *  Collecting
 *  2. functional interface的分类和使用
 *   *  2.1 Functional Interface
     *  2.2 Function：一个参数一个返回值
     *  2.3 BiFunction：接收两个参数，一个返回值
     *  2.4 Supplier：无参的Function
     *  2.5 Consumer：接收一个参数，不返回值
     *  2.6 Predicate：接收一个参数，返回boolean
     *  2.7 Operator：接收和返回同样的类型
 *  3. Lambda表达式最佳实践
 *   *  3.1 优先使用标准Functional接口
     *  3.2 使用@FunctionalInterface注解
     *  3.3 在Functional Interfaces中不要滥用Default Methods
     *  3.4 使用Lambda 表达式来实例化Functional Interface
     *  3.5 不要重写Functional Interface作为参数的方法
     *  3.6 Lambda表达式和内部类是不同的
     *  3.7 Lambda Expression尽可能简洁
     *  3.8 使用方法引用
     *  3.9 Effectively Final 变量
 *  4. stream表达式中实现if/else逻辑
 *   *  4.1 传统写法
     *  4.2 使用filter
 *  5. 在map中使用stream
 *   *  5.1 基本概念
     *  5.2 使用Stream获取map的key
     *  5.3 使用stream获取map的value
 *  6. Stream中的操作类型和peek的使用
 *   *  6.1 中间操作和终止操作
     *  6.2 peek
 *  7. lambda表达式中的异常处理
 *   *  7.1 处理Unchecked Exception
     *  7.2 处理checked Exception
 *  8. stream中throw Exception
 *   *  8.1 throw小诀窍
 *  9. stream中Collectors的用法
 *   *  9.1 Collectors.toList()
     *  9.2 Collectors.toSet()
     *  9.3 Collectors.toCollection()
     *  9.4 Collectors.toMap()
     *  9.5 Collectors.collectingAndThen()
     *  9.6 Collectors.joining()
     *  9.7 Collectors.counting()
     *  9.8 Collectors.summarizingDouble/Long/Int()
     *  9.9 Collectors.averagingDouble/Long/Int()
     *  9.10 Collectors.summingDouble/Long/Int()
     *  9.11 Collectors.maxBy()/minBy()
     *  9.12 Collectors.groupingBy()
     *  9.13 Collectors.partitioningBy()
 *  10. 创建一个自定义的collector
 *   *  10.1 Collector介绍
     *  10.2 自定义Collector
 *  11. stream reduce详解和误区
 *   *  11.1 reduce详解
 *  12. stream中的Spliterator
 *   *  12.1 tryAdvance
     *  12.2 trySplit
     *  12.3 estimateSize
     *  12.4 characteristics
     *  12.5 举个例子
 *  13. break stream的foreach
 *   *  13.1 使用Spliterator
     *  13.2 自定义forEach方法
 *  14. predicate chain的使用
 *   *  14.1 基本使用
     *  14.2 使用多个Filter
     *  14.3 使用复合Predicate
     *  14.4 组合Predicate
     *  14.5 Predicate的集合操作
 *  15. 中构建无限的stream
 *   *  15.1 基本使用
     *  15.2 自定义类型
 *  16. 自定义parallelStream的thread pool
 *   *  16.1 通常操作
     *  16.2 使用自定义ForkJoinPool
 *  17. 总结

![在这里插入图片描述][resize_m_lfit_w_962]

# 1. Streams简介 #

今天要讲的Stream指的是java.util.stream包中的诸多类。Stream可以方便的将之前的结合类以转换为Stream并以流式方式进行处理，大大的简化了我们的编程，Stream包中，最核心的就是interface Stream

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_0_text_aHR0cDovL3d3dy5mbHlkZWFuLmNvbQ_size_25_color_8F8F8F_t_70][]

从上面的图中我们可以看到Stream继承自BaseStream。Stream中定义了很多非常实用的方法，比如filter，map，flatmap,forEach,reduce,collect等等。接下来我们将会逐一讲解。

## 1.1 创建Stream ##

Stream的创建有很多方式，java引入Stream之后所有的集合类都添加了一个stream()方法，通过这个方法可以直接得到其对应的Stream。也可以通过Stream.of方法来创建：

//Stream Creation
            String[] arr = new String[]{ "a", "b", "c"};
            Stream<String> stream = Arrays.stream(arr);
            stream = Stream.of("a", "b", "c");

## 1.2 Streams多线程 ##

如果我们想使用多线程来处理集合类的数据，Stream提供了非常方便的多线程方法parallelStream()：

//Multi-threading
            List<String> list =new ArrayList();
            list.add("aaa");
            list.add("bbb");
            list.add("abc");
            list.add("ccc");
            list.add("ddd");
            list.parallelStream().forEach(element -> doPrint(element));

## 1.3 Stream的基本操作 ##

Stream的操作可以分为两类，一类是中间操作，中间操作返回Stream，因此可以级联调用。 另一类是终止操作，这类操作会返回Stream定义的类型。

//Operations
            long count = list.stream().distinct().count();

上面的例子中，distinct()返回一个Stream，所以可以级联操作，最后的count()是一个终止操作，返回最后的值。

### Matching ###

Stream提供了anyMatch(), allMatch(), noneMatch()这三种match方式，我们看下怎么使用：

//Matching
            boolean isValid = list.stream().anyMatch(element -> element.contains("h"));
            boolean isValidOne = list.stream().allMatch(element -> element.contains("h"));
            boolean isValidTwo = list.stream().noneMatch(element -> element.contains("h"));

### Filtering ###

filter() 方法允许我们对Stream中的数据进行过滤，从而得到我们需要的：

Stream<String> filterStream = list.stream().filter(element -> element.contains("d"));

上面的例子中我们从list中选出了包含“d”字母的String。

### Mapping ###

map就是对Stream中的值进行再加工，然后将加工过后的值作为新的Stream返回。

//Mapping
            Stream<String> mappingStream = list.stream().map(element -> convertElement(element));
    
        private static String convertElement(String element) { 
            return "element"+"abc";
        }

上的例子中我们把list中的每个值都加上了“abc”然后返回一个新的Stream。

### FlatMap ###

flatMap和Map很类似，但是他们两个又有不同，看名字我们可以看到flatMap意思是打平之后再做Map。

怎么理解呢？

假如我们有一个CustBook类：

@Data
    public class CustBook { 
    
        List<String> bookName;
    }

CustBook定义了一个bookName字段。

先看一下Map返回的结果：

List<CustBook> users = new ArrayList<>();
            users.add(new CustBook());
    Stream<Stream<String>> userStreamMap
                    = users.stream().map(user -> user.getBookName().stream());

在上面的代码中，map将每一个user都转换成了stream，所以最后的结果是返回Stream的Stream。

如果我们只想返回String，则可以使用FlatMap：

List<CustBook> users = new ArrayList<>();
            users.add(new CustBook());
            Stream<String> userStream
                    = users.stream().map(user -> user.getBookName().stream());

简单点讲FlatMap就是将层级关系铺平重来。

### Reduction ###

使用reduce() 方法可以方便的对集合的数据进行运算，reduce()接收两个参数，第一个是开始值，后面是一个函数表示累计。

//Reduction
            List<Integer> integers = Arrays.asList(1, 1, 1);
            Integer reduced = integers.stream().reduce(100, (a, b) -> a + b);

上面的例子我们定义了3个1的list，然后调用reduce(100, (a, b) -> a + b)方法，最后的结果是103.

### Collecting ###

collect()方法可以方便的将Stream再次转换为集合类，方便处理和展示：

List<String> resultList
                    = list.stream().map(element -> element.toUpperCase()).collect(Collectors.toList());

# 2. functional interface的分类和使用 #

java 8引入了lambda表达式，lambda表达式实际上表示的就是一个匿名的function。

在java 8之前，如果需要使用到匿名function需要new一个类的实现，但是有了lambda表达式之后，一切都变的非常简介。

我们看一个之前讲线程池的时候的一个例子：

//ExecutorService using class
            ExecutorService executorService = Executors.newSingleThreadExecutor();
            executorService.submit(new Runnable() { 
                @Override
                public void run() { 
                log.info("new runnable");
                }
            });

executorService.submit需要接收一个Runnable类，上面的例子中我们new了一个Runnable类，并实现了它的run（）方法。

上面的例子如果用lambda表达式来重写，则如下所示：

//ExecutorService using lambda
            executorService.submit(()->log.info("new runnable"));

看起是不是很简单，使用lambda表达式就可以省略匿名类的构造，并且可读性更强。

那么是不是所有的匿名类都可以用lambda表达式来重构呢？也不是。

我们看下Runnable类有什么特点：

@FunctionalInterface
    public interface Runnable

Runnable类上面有一个@FunctionalInterface注解。这个注解就是我们今天要讲到的Functional Interface。

## 2.1 Functional Interface ##

Functional Interface是指带有 @FunctionalInterface 注解的interface。它的特点是其中只有一个子类必须要实现的abstract方法。如果abstract方法前面带有default关键字，则不做计算。

其实这个也很好理解，因为Functional Interface改写成为lambda表达式之后，并没有指定实现的哪个方法，如果有多个方法需要实现的话，就会有问题。

@Documented
    @Retention(RetentionPolicy.RUNTIME)
    @Target(ElementType.TYPE)
    public @interface FunctionalInterface { }

Functional Interface一般都在java.util.function包中。

根据要实现的方法参数和返回值的不同，Functional Interface可以分为很多种，下面我们分别来介绍。

## 2.2 Function：一个参数一个返回值 ##

Function接口定义了一个方法，接收一个参数，返回一个参数。

@FunctionalInterface
    public interface Function<T, R> { 
    
        /** * Applies this function to the given argument. * * @param t the function argument * @return the function result */
        R apply(T t)；

一般我们在对集合类进行处理的时候，会用到Function。

Map<String, Integer> nameMap = new HashMap<>();
            Integer value = nameMap.computeIfAbsent("name", s -> s.length());

上面的例子中我们调用了map的computeIfAbsent方法，传入一个Function。

上面的例子还可以改写成更短的：

Integer value1 = nameMap.computeIfAbsent("name", String::length);

Function没有指明参数和返回值的类型，如果需要传入特定的参数，则可以使用IntFunction, LongFunction, DoubleFunction：

@FunctionalInterface
    public interface IntFunction<R> { 
    
        /** * Applies this function to the given argument. * * @param value the function argument * @return the function result */
        R apply(int value);
    }

如果需要返回特定的参数，则可以使用ToIntFunction, ToLongFunction, ToDoubleFunction：

@FunctionalInterface
    public interface ToDoubleFunction<T> { 
    
        /** * Applies this function to the given argument. * * @param value the function argument * @return the function result */
        double applyAsDouble(T value);
    }

如果要同时指定参数和返回值，则可以使用DoubleToIntFunction, DoubleToLongFunction, IntToDoubleFunction, IntToLongFunction, LongToIntFunction, LongToDoubleFunction：

@FunctionalInterface
    public interface LongToIntFunction { 
    
        /** * Applies this function to the given argument. * * @param value the function argument * @return the function result */
        int applyAsInt(long value);
    }

## 2.3 BiFunction：接收两个参数，一个返回值 ##

如果需要接受两个参数，一个返回值的话，可以使用BiFunction：BiFunction, ToDoubleBiFunction, ToIntBiFunction, ToLongBiFunction等。

@FunctionalInterface
    public interface BiFunction<T, U, R> { 
    
        /** * Applies this function to the given arguments. * * @param t the first function argument * @param u the second function argument * @return the function result */
        R apply(T t, U u);

我们看一个BiFunction的例子：

//BiFunction
            Map<String, Integer> salaries = new HashMap<>();
            salaries.put("alice", 100);
            salaries.put("jack", 200);
            salaries.put("mark", 300);
    
            salaries.replaceAll((name, oldValue) ->
                    name.equals("alice") ? oldValue : oldValue + 200);

## 2.4 Supplier：无参的Function ##

如果什么参数都不需要，则可以使用Supplier：

@FunctionalInterface
    public interface Supplier<T> { 
    
        /** * Gets a result. * * @return a result */
        T get();
    }

## 2.5 Consumer：接收一个参数，不返回值 ##

Consumer接收一个参数，但是不返回任何值，我们看下Consumer的定义：

@FunctionalInterface
    public interface Consumer<T> { 
    
        /** * Performs this operation on the given argument. * * @param t the input argument */
        void accept(T t);

看一个Consumer的具体应用：

//Consumer
            nameMap.forEach((name, age) -> System.out.println(name + " is " + age + " years old"));

## 2.6 Predicate：接收一个参数，返回boolean ##

Predicate接收一个参数，返回boolean值：

@FunctionalInterface
    public interface Predicate<T> { 
    
        /** * Evaluates this predicate on the given argument. * * @param t the input argument * @return {@code true} if the input argument matches the predicate, * otherwise {@code false} */
        boolean test(T t);

如果用在集合类的过滤上面那是极好的：

//Predicate
            List<String> names = Arrays.asList("A", "B", "C", "D", "E");
            List<String> namesWithA = names.stream()
                    .filter(name -> name.startsWith("A"))
                    .collect(Collectors.toList());

## 2.7 Operator：接收和返回同样的类型 ##

Operator接收和返回同样的类型，有很多种Operator：UnaryOperator BinaryOperator ，DoubleUnaryOperator, IntUnaryOperator, LongUnaryOperator, DoubleBinaryOperator, IntBinaryOperator, LongBinaryOperator等。

@FunctionalInterface
    public interface IntUnaryOperator { 
    
        /** * Applies this operator to the given operand. * * @param operand the operand * @return the operator result */
        int applyAsInt(int operand);

我们看一个BinaryOperator的例子：

//Operator
            List<Integer> values = Arrays.asList(1, 2, 3, 4, 5);
            int sum = values.stream()
                    .reduce(0, (i1, i2) -> i1 + i2);

# 3. Lambda表达式最佳实践 #

Lambda表达式java 8引入的函数式编程框架。之前的文章中我们也讲过Lambda表达式的基本用法。

本文将会在之前的文章基础上更加详细的讲解Lambda表达式在实际应用中的最佳实践经验。

## 3.1 优先使用标准Functional接口 ##

之前的文章我们讲到了，java在java.util.function包中定义了很多Function接口。基本上涵盖了我们能够想到的各种类型。

假如我们自定义了下面的Functional interface：

@FunctionalInterface
    public interface Usage { 
        String method(String string);
    }

然后我们需要在一个test方法中传入该interface：

public String test(String string, Usage usage) { 
        return usage.method(string);
    }

上面我们定义的函数接口需要实现method方法，接收一个String，返回一个String。这样我们完全可以使用Function来代替：

public String test(String string, Function<String, String> fn) { 
        return fn.apply(string);
    }

使用标准接口的好处就是，不要重复造轮子。

## 3.2 使用@FunctionalInterface注解 ##

虽然@FunctionalInterface不是必须的，不使用@FunctionalInterface也可以定义一个Functional Interface。

但是使用@FunctionalInterface可以在违背Functional Interface定义的时候报警。

如果是在维护一个大型项目中，加上@FunctionalInterface注解可以清楚的让其他人了解这个类的作用。

从而使代码更加规范和更加可用。

所以我们需要这样定义：

@FunctionalInterface
    public interface Usage { 
        String method(String string);
    }

而不是：

public interface Usage { 
        String method(String string);
    }

## 3.3 在Functional Interfaces中不要滥用Default Methods ##

Functional Interface是指只有一个未实现的抽象方法的接口。

如果该Interface中有多个方法，则可以使用default关键字为其提供一个默认的实现。

但是我们知道Interface是可以多继承的，一个class可以实现多个Interface。 如果多个Interface中定义了相同的default方法，则会报错。

通常来说default关键字一般用在升级项目中，避免代码报错。

## 3.4 使用Lambda 表达式来实例化Functional Interface ##

还是上面的例子：

@FunctionalInterface
    public interface Usage { 
        String method(String string);
    }

要实例化Usage，我们可以使用new关键词：

Usage usage = new Usage() { 
        @Override
        public String method(String string) { 
            return string;
        }
    };

但是最好的办法就是用lambda表达式：

Usage usage = parameter -> parameter;

## 3.5 不要重写Functional Interface作为参数的方法 ##

怎么理解呢？ 我们看下面两个方法：

public class ProcessorImpl implements Processor { 
        @Override
        public String process(Callable<String> c) throws Exception { 
            // implementation details
        }
     
        @Override
        public String process(Supplier<String> s) { 
            // implementation details
        }
    }

两个方法的方法名是一样的，只有传入的参数不同。但是两个参数都是Functional Interface，都可以用同样的lambda表达式来表示。

在调用的时候：

String result = processor.process(() -> "test");

因为区别不了到底调用的哪个方法，则会报错。

最好的办法就是将两个方法的名字修改为不同的。

## 3.6 Lambda表达式和内部类是不同的 ##

虽然我们之前讲到使用lambda表达式可以替换内部类。但是两者的作用域范围是不同的。

在内部类中，会创建一个新的作用域范围，在这个作用域范围之内，你可以定义新的变量，并且可以用this引用它。

但是在Lambda表达式中，并没有定义新的作用域范围，如果在Lambda表达式中使用this，则指向的是外部类。

我们举个例子：

private String value = "Outer scope value";
    
    public String scopeExperiment() { 
        Usage usage = new Usage() { 
            String value = "Inner class value";
     
            @Override
            public String method(String string) { 
                return this.value;
            }
        };
        String result = usage.method("");
     
        Usage usageLambda = parameter -> { 
            String value = "Lambda value";
            return this.value;
        };
        String resultLambda = usageLambda.method("");
     
        return "Results: result = " + result + 
          ", resultLambda = " + resultLambda;
    }

上面的例子将会输出“Results: result = Inner class value, resultLambda = Outer scope value”

## 3.7 Lambda Expression尽可能简洁 ##

通常来说一行代码即可。如果你有非常多的逻辑，可以将这些逻辑封装成一个方法，在lambda表达式中调用该方法即可。

因为lambda表达式说到底还是一个表达式，表达式当然越短越好。

java通过类型推断来判断传入的参数类型，所以我们在lambda表达式的参数中尽量不传参数类型，像下面这样：

(a, b) -> a.toLowerCase() + b.toLowerCase();

而不是：

(String a, String b) -> a.toLowerCase() + b.toLowerCase();

如果只有一个参数的时候，不需要带括号：

a -> a.toLowerCase();

而不是：

(a) -> a.toLowerCase();

返回值不需要带return:

a -> a.toLowerCase();

而不是：

a -> { return a.toLowerCase()};

## 3.8 使用方法引用 ##

为了让lambda表达式更加简洁，在可以使用方法引用的时候，我们可以使用方法引用：

a -> a.toLowerCase();

可以被替换为：

String::toLowerCase;

## 3.9 Effectively Final 变量 ##

如果在lambda表达式中引用了non-final变量，则会报错。

effectively final是什么意思呢？这个是一个近似final的意思。只要一个变量只被赋值一次，那么编译器将会把这个变量看作是effectively final的。

String localVariable = "Local";
        Usage usage = parameter -> { 
             localVariable = parameter;
            return localVariable;
        };

上面的例子中localVariable被赋值了两次，从而不是一个Effectively Final 变量，会编译报错。

为什么要这样设置呢？因为lambda表达式通常会用在并行计算中，当有多个线程同时访问变量的时候Effectively Final 变量可以防止不可以预料的修改。

# 4. stream表达式中实现if/else逻辑 #

在Stream处理中，我们通常会遇到if/else的判断情况，对于这样的问题我们怎么处理呢？

还记得我们在上一篇文章lambda最佳实践中提到，lambda表达式应该越简洁越好，不要在其中写臃肿的业务逻辑。

接下来我们看一个具体的例子。

## 4.1 传统写法 ##

假如我们有一个1 to 10的list，我们想要分别挑选出奇数和偶数出来，传统的写法，我们会这样使用：

public void inForEach(){ 
            List<Integer> ints = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
    
            ints.stream()
                    .forEach(i -> { 
                        if (i.intValue() % 2 == 0) { 
                            System.out.println("i is even");
                        } else { 
                            System.out.println("i is old");
                        }
                    });
        }

上面的例子中，我们把if/else的逻辑放到了forEach中，虽然没有任何问题，但是代码显得非常臃肿。

接下来看看怎么对其进行改写。

## 4.2 使用filter ##

我们可以把if/else的逻辑改写为两个filter：

List<Integer> ints = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
    
            Stream<Integer> evenIntegers = ints.stream()
                    .filter(i -> i.intValue() % 2 == 0);
            Stream<Integer> oddIntegers = ints.stream()
                    .filter(i -> i.intValue() % 2 != 0);

有了这两个filter，再在filter过后的stream中使用for each：

evenIntegers.forEach(i -> System.out.println("i is even"));
            oddIntegers.forEach(i -> System.out.println("i is old"));

怎么样，代码是不是非常简洁明了。

# 5. 在map中使用stream #

Map是java中非常常用的一个集合类型，我们通常也需要去遍历Map去获取某些值，java 8引入了Stream的概念，那么我们怎么在Map中使用Stream呢？

## 5.1 基本概念 ##

Map有key，value还有表示key，value整体的Entry。

创建一个Map：

Map<String, String> someMap = new HashMap<>();

获取Map的entrySet：

Set<Map.Entry<String, String>> entries = someMap.entrySet();

获取map的key：

Set<String> keySet = someMap.keySet();

获取map的value：

Collection<String> values = someMap.values();

上面我们可以看到有这样几个集合：Map，Set，Collection。

除了Map没有stream，其他两个都有stream方法：

Stream<Map.Entry<String, String>> entriesStream = entries.stream();
            Stream<String> valuesStream = values.stream();
            Stream<String> keysStream = keySet.stream();

我们可以通过其他几个stream来遍历map。

## 5.2 使用Stream获取map的key ##

我们先给map添加几个值：

someMap.put("jack","20");
    someMap.put("bill","35");

上面我们添加了name和age字段。

如果我们想查找age=20的key，则可以这样做：

Optional<String> optionalName = someMap.entrySet().stream()
                    .filter(e -> "20".equals(e.getValue()))
                    .map(Map.Entry::getKey)
                    .findFirst();
    
            log.info(optionalName.get());

因为返回的是Optional,如果值不存在的情况下，我们也可以处理：

optionalName = someMap.entrySet().stream()
                    .filter(e -> "Non ages".equals(e.getValue()))
                    .map(Map.Entry::getKey).findFirst();
    
            log.info("{}",optionalName.isPresent());

上面的例子我们通过调用isPresent来判断age是否存在。

如果有多个值，我们可以这样写：

someMap.put("alice","20");
            List<String> listnames = someMap.entrySet().stream()
                    .filter(e -> e.getValue().equals("20"))
                    .map(Map.Entry::getKey)
                    .collect(Collectors.toList());
    
            log.info("{}",listnames);

上面我们调用了collect(Collectors.toList())将值转成了List。

## 5.3 使用stream获取map的value ##

上面我们获取的map的key，同样的我们也可以获取map的value：

List<String> listAges = someMap.entrySet().stream()
                    .filter(e -> e.getKey().equals("alice"))
                    .map(Map.Entry::getValue)
                    .collect(Collectors.toList());
    
            log.info("{}",listAges);

上面我们匹配了key值是alice的value。

# 6. Stream中的操作类型和peek的使用 #

java 8 stream作为流式操作有两种操作类型，中间操作和终止操作。这两种有什么区别呢？

我们看一个peek的例子：

Stream<String> stream = Stream.of("one", "two", "three","four");
            stream.peek(System.out::println);

上面的例子中，我们的本意是打印出Stream的值，但实际上没有任何输出。

为什么呢？

## 6.1 中间操作和终止操作 ##

一个java 8的stream是由三部分组成的。数据源，零个或一个或多个中间操作，一个或零个终止操作。

中间操作是对数据的加工，注意，中间操作是lazy操作，并不会立马启动，需要等待终止操作才会执行。

终止操作是stream的启动操作，只有加上终止操作，stream才会真正的开始执行。

所以，问题解决了，peek是一个中间操作，所以上面的例子没有任何输出。

## 6.2 peek ##

我们看下peek的文档说明：peek主要被用在debug用途。

我们看下debug用途的使用：

Stream.of("one", "two", "three","four").filter(e -> e.length() > 3)
                    .peek(e -> System.out.println("Filtered value: " + e))
                    .map(String::toUpperCase)
                    .peek(e -> System.out.println("Mapped value: " + e))
                    .collect(Collectors.toList());

上面的例子输出：

Filtered value: three
    Mapped value: THREE
    Filtered value: four
    Mapped value: FOUR

上面的例子我们输出了stream的中间值，方便我们的调试。

为什么只作为debug使用呢？我们再看一个例子：

Stream.of("one", "two", "three","four").peek(u -> u.toUpperCase())
                    .forEach(System.out::println);

上面的例子我们使用peek将element转换成为upper case。然后输出：

one
    two
    three
    four

可以看到stream中的元素并没有被转换成大写格式。

再看一个map的对比：

Stream.of("one", "two", "three","four").map(u -> u.toUpperCase())
                    .forEach(System.out::println);

输出：

ONE
    TWO
    THREE
    FOUR

可以看到map是真正的对元素进行了转换。

当然peek也有例外，假如我们Stream里面是一个对象会怎么样？

@Data
        @AllArgsConstructor
        static class User{ 
            private String name;
        }

List<User> userList=Stream.of(new User("a"),new User("b"),new User("c")).peek(u->u.setName("kkk")).collect(Collectors.toList());
            log.info("{}",userList);

输出结果：

10:25:59.784 [main] INFO com.flydean.PeekUsage - [PeekUsage.User(name=kkk), PeekUsage.User(name=kkk), PeekUsage.User(name=kkk)]

我们看到如果是对象的话，实际的结果会被改变。

为什么peek和map有这样的区别呢？

我们看下peek和map的定义：

Stream<T> peek(Consumer<? super T> action)
    <R> Stream<R> map(Function<? super T, ? extends R> mapper);

peek接收一个Consumer，而map接收一个Function。

Consumer是没有返回值的，它只是对Stream中的元素进行某些操作，但是操作之后的数据并不返回到Stream中，所以Stream中的元素还是原来的元素。

而Function是有返回值的，这意味着对于Stream的元素的所有操作都会作为新的结果返回到Stream中。

这就是为什么peek String不会发生变化而peek Object会发送变化的原因。

# 7. lambda表达式中的异常处理 #

java 8中引入了lambda表达式，lambda表达式可以让我们的代码更加简介，业务逻辑更加清晰，但是在lambda表达式中使用的Functional Interface并没有很好的处理异常，因为JDK提供的这些Functional Interface通常都是没有抛出异常的，这意味着需要我们自己手动来处理异常。

因为异常分为Unchecked Exception和checked Exception,我们分别来讨论。

## 7.1 处理Unchecked Exception ##

Unchecked exception也叫做RuntimeException，出现RuntimeException通常是因为我们的代码有问题。RuntimeException是不需要被捕获的。也就是说如果有RuntimeException，没有捕获也可以通过编译。

我们看一个例子：

List<Integer> integers = Arrays.asList(1,2,3,4,5);
            integers.forEach(i -> System.out.println(1 / i));

这个例子是可以编译成功的，但是上面有一个问题，如果list中有一个0的话，就会抛出ArithmeticException。

虽然这个是一个Unchecked Exception，但是我们还是想处理一下：

integers.forEach(i -> { 
                try { 
                    System.out.println(1 / i);
                } catch (ArithmeticException e) { 
                    System.err.println(
                            "Arithmetic Exception occured : " + e.getMessage());
                }
            });

上面的例子我们使用了try，catch来处理异常，简单但是破坏了lambda表达式的最佳实践。代码变得臃肿。

我们将try，catch移到一个wrapper方法中：

static Consumer<Integer> lambdaWrapper(Consumer<Integer> consumer) { 
            return i -> { 
                try { 
                    consumer.accept(i);
                } catch (ArithmeticException e) { 
                    System.err.println(
                            "Arithmetic Exception occured : " + e.getMessage());
                }
            };
        }

则原来的调用变成这样：

integers.forEach(lambdaWrapper(i -> System.out.println(1 / i)));

但是上面的wrapper固定了捕获ArithmeticException，我们再将其改编成一个更通用的类：

static <T, E extends Exception> Consumer<T>
        consumerWrapperWithExceptionClass(Consumer<T> consumer, Class<E> clazz) { 
    
            return i -> { 
                try { 
                    consumer.accept(i);
                } catch (Exception ex) { 
                    try { 
                        E exCast = clazz.cast(ex);
                        System.err.println(
                                "Exception occured : " + exCast.getMessage());
                    } catch (ClassCastException ccEx) { 
                        throw ex;
                    }
                }
            };
        }

上面的类传入一个class，并将其cast到异常，如果能cast，则处理，否则抛出异常。

这样处理之后，我们这样调用：

integers.forEach(
                    consumerWrapperWithExceptionClass(
                            i -> System.out.println(1 / i),
                            ArithmeticException.class));

## 7.2 处理checked Exception ##

checked Exception是必须要处理的异常，我们还是看个例子：

static void throwIOException(Integer integer) throws IOException { 
        }

List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
            integers.forEach(i -> throwIOException(i));

上面我们定义了一个方法抛出IOException，这是一个checked Exception，需要被处理，所以在下面的forEach中，程序会编译失败，因为没有处理相应的异常。

最简单的办法就是try，catch住，如下所示：

integers.forEach(i -> { 
                try { 
                    throwIOException(i);
                } catch (IOException e) { 
                    throw new RuntimeException(e);
                }
            });

当然，这样的做法的坏处我们在上面已经讲过了，同样的，我们可以定义一个新的wrapper方法：

static <T> Consumer<T> consumerWrapper(
                ThrowingConsumer<T, Exception> throwingConsumer) { 
    
            return i -> { 
                try { 
                    throwingConsumer.accept(i);
                } catch (Exception ex) { 
                    throw new RuntimeException(ex);
                }
            };
        }

我们这样调用：

integers.forEach(consumerWrapper(i -> throwIOException(i)));

我们也可以封装一下异常：

static <T, E extends Exception> Consumer<T> consumerWrapperWithExceptionClass(
                ThrowingConsumer<T, E> throwingConsumer, Class<E> exceptionClass) { 
    
            return i -> { 
                try { 
                    throwingConsumer.accept(i);
                } catch (Exception ex) { 
                    try { 
                        E exCast = exceptionClass.cast(ex);
                        System.err.println(
                                "Exception occured : " + exCast.getMessage());
                    } catch (ClassCastException ccEx) { 
                        throw new RuntimeException(ex);
                    }
                }
            };
        }

然后这样调用：

integers.forEach(consumerWrapperWithExceptionClass(
                    i -> throwIOException(i), IOException.class));

# 8. stream中throw Exception #

之前的文章我们讲到，在stream中处理异常，需要将checked exception转换为unchecked exception来处理。

我们是这样做的：

将异常捕获，然后封装成为RuntimeException。

封装成RuntimeException感觉总是有那么一点点问题，那么有没有什么更好的办法？

## 8.1 throw小诀窍 ##

java的类型推断大家应该都知道，如果是 这样的形式，那么T将会被认为是RuntimeException！

我们看下例子：

public class RethrowException { 
    
        public static <T extends Exception, R> R throwException(Exception t) throws T { 
            throw (T) t; // just throw it, convert checked exception to unchecked exception
        }
    
    }

上面的类中，我们定义了一个throwException方法，接收一个Exception参数，将其转换为T，这里的T就是unchecked exception。

接下来看下具体的使用：

@Slf4j
    public class RethrowUsage { 
    
        public static void main(String[] args) { 
            try { 
                throwIOException();
            } catch (IOException e) { 
               log.error(e.getMessage(),e);
                RethrowException.throwException(e);
            }
        }
    
        static void throwIOException() throws IOException{ 
            throw new IOException("io exception");
        }
    }

上面的例子中，我们将一个IOException转换成了一个unchecked exception。

# 9. stream中Collectors的用法 #

在java stream中，我们通常需要将处理后的stream转换成集合类，这个时候就需要用到stream.collect方法。collect方法需要传入一个Collector类型，要实现Collector还是很麻烦的，需要实现好几个接口。

于是java提供了更简单的Collectors工具类来方便我们构建Collector。

下面我们将会具体讲解Collectors的用法。

假如我们有这样两个list：

List<String> list = Arrays.asList("jack", "bob", "alice", "mark");
    List<String> duplicateList = Arrays.asList("jack", "jack", "alice", "mark");

上面一个是无重复的list，一个是带重复数据的list。接下来的例子我们会用上面的两个list来讲解Collectors的用法。

## 9.1 Collectors.toList() ##

List<String> listResult = list.stream().collect(Collectors.toList());
            log.info("{}",listResult);

将stream转换为list。这里转换的list是ArrayList，如果想要转换成特定的list，需要使用toCollection方法。

## 9.2 Collectors.toSet() ##

Set<String> setResult = list.stream().collect(Collectors.toSet());
            log.info("{}",setResult);

toSet将Stream转换成为set。这里转换的是HashSet。如果需要特别指定set，那么需要使用toCollection方法。

因为set中是没有重复的元素，如果我们使用duplicateList来转换的话，会发现最终结果中只有一个jack。

Set<String> duplicateSetResult = duplicateList.stream().collect(Collectors.toSet());
            log.info("{}",duplicateSetResult);

## 9.3 Collectors.toCollection() ##

上面的toMap,toSet转换出来的都是特定的类型，如果我们需要自定义，则可以使用toCollection()

List<String> custListResult = list.stream().collect(Collectors.toCollection(LinkedList::new));
            log.info("{}",custListResult);

上面的例子，我们转换成了LinkedList。

## 9.4 Collectors.toMap() ##

toMap接收两个参数，第一个参数是keyMapper，第二个参数是valueMapper:

Map<String, Integer> mapResult = list.stream()
                    .collect(Collectors.toMap(Function.identity(), String::length));
            log.info("{}",mapResult);

如果stream中有重复的值，则转换会报IllegalStateException异常：

Map<String, Integer> duplicateMapResult = duplicateList.stream()
                    .collect(Collectors.toMap(Function.identity(), String::length));

怎么解决这个问题呢？我们可以这样：

Map<String, Integer> duplicateMapResult2 = duplicateList.stream()
                    .collect(Collectors.toMap(Function.identity(), String::length, (item, identicalItem) -> item));
            log.info("{}",duplicateMapResult2);

在toMap中添加第三个参数mergeFunction，来解决冲突的问题。

## 9.5 Collectors.collectingAndThen() ##

collectingAndThen允许我们对生成的集合再做一次操作。

List<String> collectAndThenResult = list.stream()
                    .collect(Collectors.collectingAndThen(Collectors.toList(), l -> { return new ArrayList<>(l);}));
            log.info("{}",collectAndThenResult);

## 9.6 Collectors.joining() ##

Joining用来连接stream中的元素：

String joinResult = list.stream().collect(Collectors.joining());
            log.info("{}",joinResult);
            String joinResult1 = list.stream().collect(Collectors.joining(" "));
            log.info("{}",joinResult1);
            String joinResult2 = list.stream().collect(Collectors.joining(" ", "prefix","suffix"));
            log.info("{}",joinResult2);

可以不带参数，也可以带一个参数，也可以带三个参数，根据我们的需要进行选择。

## 9.7 Collectors.counting() ##

counting主要用来统计stream中元素的个数：

Long countResult = list.stream().collect(Collectors.counting());
            log.info("{}",countResult);

## 9.8 Collectors.summarizingDouble/Long/Int() ##

SummarizingDouble/Long/Int为stream中的元素生成了统计信息，返回的结果是一个统计类：

IntSummaryStatistics intResult = list.stream()
                    .collect(Collectors.summarizingInt(String::length));
            log.info("{}",intResult);

输出结果：

22:22:35.238 [main] INFO com.flydean.CollectorUsage - IntSummaryStatistics{count=4, sum=16, min=3, average=4.000000, max=5}

## 9.9 Collectors.averagingDouble/Long/Int() ##

averagingDouble/Long/Int()对stream中的元素做平均：

Double averageResult = list.stream().collect(Collectors.averagingInt(String::length));
            log.info("{}",averageResult);

## 9.10 Collectors.summingDouble/Long/Int() ##

summingDouble/Long/Int()对stream中的元素做sum操作：

Double summingResult = list.stream().collect(Collectors.summingDouble(String::length));
            log.info("{}",summingResult);

## 9.11 Collectors.maxBy()/minBy() ##

maxBy()/minBy()根据提供的Comparator，返回stream中的最大或者最小值：

Optional<String> maxByResult = list.stream().collect(Collectors.maxBy(Comparator.naturalOrder()));
            log.info("{}",maxByResult);

## 9.12 Collectors.groupingBy() ##

GroupingBy根据某些属性进行分组，并返回一个Map：

Map<Integer, Set<String>> groupByResult = list.stream()
                    .collect(Collectors.groupingBy(String::length, Collectors.toSet()));
            log.info("{}",groupByResult);

## 9.13 Collectors.partitioningBy() ##

PartitioningBy是一个特别的groupingBy，PartitioningBy返回一个Map，这个Map是以boolean值为key，从而将stream分成两部分，一部分是匹配PartitioningBy条件的，一部分是不满足条件的：

Map<Boolean, List<String>> partitionResult = list.stream()
                    .collect(Collectors.partitioningBy(s -> s.length() > 3));
            log.info("{}",partitionResult);

看下运行结果：

22:39:37.082 [main] INFO com.flydean.CollectorUsage - {false=[bob], true=[jack, alice, mark]}

结果被分成了两部分。

# 10. 创建一个自定义的collector #

在之前的java collectors文章里面，我们讲到了stream的collect方法可以调用Collectors里面的toList()或者toMap()方法，将结果转换为特定的集合类。

今天我们介绍一下怎么自定义一个Collector。

## 10.1 Collector介绍 ##

我们先看一下Collector的定义：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_0_text_aHR0cDovL3d3dy5mbHlkZWFuLmNvbQ_size_25_color_8F8F8F_t_70 1][]

Collector接口需要实现supplier(),accumulator(),combiner(),finisher(),characteristics()这5个接口。

同时Collector也提供了两个静态of方法来方便我们创建一个Collector实例。

我们可以看到两个方法的参数跟Collector接口需要实现的接口是一一对应的。

下面分别解释一下这几个参数：

*  supplier

Supplier是一个函数，用来创建一个新的可变的集合。换句话说Supplier用来创建一个初始的集合。

*  accumulator

accumulator定义了累加器，用来将原始元素添加到集合中。

*  combiner

combiner用来将两个集合合并成一个。

*  finisher

finisher将集合转换为最终的集合类型。

*  characteristics

characteristics表示该集合的特征。这个不是必须的参数。

Collector定义了三个参数类型，T是输入元素的类型，A是reduction operation的累加类型也就是Supplier的初始类型，R是最终的返回类型。 我们画个图来看一下这些类型之间的转换关系：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_0_text_aHR0cDovL3d3dy5mbHlkZWFuLmNvbQ_size_25_color_8F8F8F_t_70 2][]

有了这几个参数，我们接下来看看怎么使用这些参数来构造一个自定义Collector。

## 10.2 自定义Collector ##

我们利用Collector的of方法来创建一个不变的Set：

public static <T> Collector<T, Set<T>, Set<T>> toImmutableSet() { 
            return Collector.of(HashSet::new, Set::add,
                    (left, right) -> { 
                        left.addAll(right);
                        return left;
                    }, Collections::unmodifiableSet);
        }

上面的例子中，我们HashSet::new作为supplier，Set::add作为accumulator，自定义了一个方法作为combiner，最后使用Collections::unmodifiableSet将集合转换成不可变集合。

上面我们固定使用HashSet::new作为初始集合的生成方法，实际上，上面的方法可以更加通用：

public static <T, A extends Set<T>> Collector<T, A, Set<T>> toImmutableSet(
                Supplier<A> supplier) { 
    
            return Collector.of(
                    supplier,
                    Set::add, (left, right) -> { 
                        left.addAll(right);
                        return left;
                    }, Collections::unmodifiableSet);
        }

上面的方法，我们将supplier提出来作为一个参数，由外部来定义。

看下上面两个方法的测试：

@Test
        public void toImmutableSetUsage(){ 
            Set<String> stringSet1=Stream.of("a","b","c","d")
                    .collect(ImmutableSetCollector.toImmutableSet());
            log.info("{}",stringSet1);
    
            Set<String> stringSet2=Stream.of("a","b","c","d")
                    .collect(ImmutableSetCollector.toImmutableSet(LinkedHashSet::new));
            log.info("{}",stringSet2);
        }

输出：

INFO com.flydean.ImmutableSetCollector - [a, b, c, d]
    INFO com.flydean.ImmutableSetCollector - [a, b, c, d]

# 11. stream reduce详解和误区 #

Stream API提供了一些预定义的reduce操作，比如count(), max(), min(), sum()等。如果我们需要自己写reduce的逻辑，则可以使用reduce方法。

本文将会详细分析一下reduce方法的使用，并给出具体的例子。

## 11.1 reduce详解 ##

Stream类中有三种reduce，分别接受1个参数，2个参数，和3个参数，首先来看一个参数的情况：

Optional<T> reduce(BinaryOperator<T> accumulator);

该方法接受一个BinaryOperator参数，BinaryOperator是一个@FunctionalInterface,需要实现方法：

R apply(T t, U u);

accumulator告诉reduce方法怎么去累计stream中的数据。

举个例子：

List<Integer> intList = Arrays.asList(1,2,3);
            Optional<Integer> result1=intList.stream().reduce(Integer::sum);
            log.info("{}",result1);

上面的例子输出结果：

com.flydean.ReduceUsage - Optional[6]

一个参数的例子很简单。这里不再多说。

接下来我们再看一下两个参数的例子：

T reduce(T identity, BinaryOperator<T> accumulator);

这个方法接收两个参数：identity和accumulator。多出了一个参数identity。

也许在有些文章里面有人告诉你identity是reduce的初始化值，可以随便指定，如下所示：

Integer result2=intList.stream().reduce(100, Integer::sum);
            log.info("{}",result2);

上面的例子，我们计算的值是106。

如果我们将stream改成parallelStream：

Integer result3=intList.parallelStream().reduce(100, Integer::sum);
            log.info("{}",result3);

得出的结果就是306。

为什么是306呢？因为在并行计算的时候，每个线程的初始累加值都是100，最后3个线程加出来的结果就是306。

并行计算和非并行计算的结果居然不一样，这肯定不是JDK的问题，我们再看一下JDK中对identity的说明：

> identity必须是accumulator函数的一个identity，也就是说必须满足：对于所有的t,都必须满足 accumulator.apply(identity, t) == t

所以这里我们传入100是不对的，因为sum（100+1）！= 1。

这里sum方法的identity只能是0。

如果我们用0作为identity,则stream和parallelStream计算出的结果是一样的。这就是identity的真正意图。

下面再看一下三个参数的方法：

<U> U reduce(U identity,
                     BiFunction<U, ? super T, U> accumulator,
                     BinaryOperator<U> combiner);

和前面的方法不同的是，多了一个combiner，这个combiner用来合并多线程计算的结果。

> 同样的，identity需要满足combiner.apply(u, accumulator.apply(identity, t)) == accumulator.apply(u, t)

大家可能注意到了为什么accumulator的类型是BiFunction而combiner的类型是BinaryOperator？

public interface BinaryOperator<T> extends BiFunction<T,T,T>

BinaryOperator是BiFunction的子接口。BiFunction中定义了要实现的apply方法。

其实reduce底层方法的实现只用到了apply方法，并没有用到接口中其他的方法，所以我猜测这里的不同只是为了简单的区分。

虽然reduce是一个很常用的方法，但是大家一定要遵循identity的规范，并不是所有的identity都是合适的。

# 12. stream中的Spliterator #

Spliterator是在java 8引入的一个接口，它通常和stream一起使用，用来遍历和分割序列。

只要用到stream的地方都需要Spliterator，比如List，Collection，IO channel等等。

我们先看一下Collection中stream方法的定义：

default Stream<E> stream() { 
            return StreamSupport.stream(spliterator(), false);
        }

default Stream<E> parallelStream() { 
            return StreamSupport.stream(spliterator(), true);
        }

我们可以看到，不管是并行stream还是非并行stream，都是通过StreamSupport来构造的，并且都需要传入一个spliterator的参数。

好了，我们知道了spliterator是做什么的之后，看一下它的具体结构：

![20200414221557893.png][]

spliterator有四个必须实现的方法，我们接下来进行详细的讲解。

## 12.1 tryAdvance ##

tryAdvance就是对stream中的元素进行处理的方法，如果元素存在，则对他进行处理，并返回true，否则返回false。

如果我们不想处理stream后续的元素，则在tryAdvance中返回false即可，利用这个特征，我们可以中断stream的处理。这个例子我将会在后面的文章中讲到。

## 12.2 trySplit ##

trySplit尝试对现有的stream进行分拆，一般用在parallelStream的情况，因为在并发stream下，我们需要用多线程去处理stream的不同元素，trySplit就是对stream中元素进行分拆处理的方法。

理想情况下trySplit应该将stream拆分成数目相同的两部分才能最大提升性能。

## 12.3 estimateSize ##

estimateSize表示Spliterator中待处理的元素，在trySplit之前和之后一般是不同的，后面我们会在具体的例子中说明。

## 12.4 characteristics ##

characteristics表示这个Spliterator的特征，Spliterator有8大特征：

public static final int ORDERED    = 0x00000010;//表示元素是有序的（每一次遍历结果相同）
    public static final int DISTINCT   = 0x00000001;//表示元素不重复
    public static final int SORTED     = 0x00000004;//表示元素是按一定规律进行排列（有指定比较器）
    public static final int SIZED      = 0x00000040;//
    表示大小是固定的
    public static final int NONNULL    = 0x00000100;//表示没有null元素
    public static final int IMMUTABLE  = 0x00000400;//表示元素不可变
    public static final int CONCURRENT = 0x00001000;//表示迭代器可以多线程操作
    public static final int SUBSIZED   = 0x00004000;//表示子Spliterators都具有SIZED特性

一个Spliterator可以有多个特征，多个特征进行or运算，最后得到最终的characteristics。

## 12.5 举个例子 ##

上面我们讨论了Spliterator一些关键方法，现在我们举一个具体的例子：

@AllArgsConstructor
    @Data
    public class CustBook { 
        private String name;
    
    }

先定义一个CustBook类，里面放一个name变量。

定义一个方法，来生成一个CustBook的list：

public static List<CustBook> generateElements() { 
            return Stream.generate(() -> new CustBook("cust book"))
                    .limit(1000)
                    .collect(Collectors.toList());
        }

我们定义一个call方法，在call方法中调用了tryAdvance方法，传入了我们自定义的处理方法。这里我们修改book的name,并附加额外的信息。

public String call(Spliterator<CustBook> spliterator) { 
            int current = 0;
            while (spliterator.tryAdvance(a -> a.setName("test name"
                    .concat("- add new name")))) { 
                current++;
            }
    
            return Thread.currentThread().getName() + ":" + current;
        }

最后，写一下测试方法：

@Test
        public void useTrySplit(){ 
            Spliterator<CustBook> split1 = SpliteratorUsage.generateElements().spliterator();
            Spliterator<CustBook> split2 = split1.trySplit();
    
            log.info("before tryAdvance: {}",split1.estimateSize());
            log.info("Characteristics {}",split1.characteristics());
            log.info(call(split1));
            log.info(call(split2));
            log.info("after tryAdvance {}",split1.estimateSize());
        }

运行的结果如下：

23:10:08.852 [main] INFO com.flydean.SpliteratorUsage - before tryAdvance: 500
    23:10:08.857 [main] INFO com.flydean.SpliteratorUsage - Characteristics 16464
    23:10:08.858 [main] INFO com.flydean.SpliteratorUsage - main:500
    23:10:08.858 [main] INFO com.flydean.SpliteratorUsage - main:500
    23:10:08.858 [main] INFO com.flydean.SpliteratorUsage - after tryAdvance 0

List总共有1000条数据，调用一次trySplit之后，将List分成了两部分，每部分500条数据。

注意，在tryAdvance调用之后，estimateSize变为0，表示所有的元素都已经被处理完毕。

再看一下这个Characteristics=16464，转换为16进制：Ox4050 = ORDERED or SIZED or SUBSIZED 这三个的或运算。

这也是ArrayList的基本特征。

# 13. break stream的foreach #

我们通常需要在java stream中遍历处理里面的数据，其中foreach是最最常用的方法。

但是有时候我们并不想处理完所有的数据，或者有时候Stream可能非常的长，或者根本就是无限的。

一种方法是先filter出我们需要处理的数据，然后再foreach遍历。

那么我们如何直接break这个stream呢？今天本文重点讲解一下这个问题。

## 13.1 使用Spliterator ##

上篇文章我们在讲Spliterator的时候提到了，在tryAdvance方法中，如果返回false，则Spliterator将会停止处理后续的元素。

通过这个思路，我们可以创建自定义Spliterator。

假如我们有这样一个stream：

Stream<Integer> ints = Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);

我们想定义一个操作，当x > 5的时候就停止。

我们定义一个通用的Spliterator：

public class CustomSpliterator<T> extends Spliterators.AbstractSpliterator<T>  { 
    
        private Spliterator<T> splitr;
        private Predicate<T> predicate;
        private volatile boolean isMatched = true;
    
        public CustomSpliterator(Spliterator<T> splitr, Predicate<T> predicate) { 
            super(splitr.estimateSize(), 0);
            this.splitr = splitr;
            this.predicate = predicate;
        }
    
        @Override
        public synchronized boolean tryAdvance(Consumer<? super T> consumer) { 
            boolean hadNext = splitr.tryAdvance(elem -> { 
                if (predicate.test(elem) && isMatched) { 
                    consumer.accept(elem);
                } else { 
                    isMatched = false;
                }
            });
            return hadNext && isMatched;
        }
    }

在上面的类中，predicate是我们将要传入的判断条件，我们重写了tryAdvance，通过将predicate.test(elem)加入判断条件，从而当条件不满足的时候返回false.

看下怎么使用：

@Slf4j
    public class CustomSpliteratorUsage { 
    
        public static <T> Stream<T> takeWhile(Stream<T> stream, Predicate<T> predicate) { 
            CustomSpliterator<T> customSpliterator = new CustomSpliterator<>(stream.spliterator(), predicate);
            return StreamSupport.stream(customSpliterator, false);
        }
    
        public static void main(String[] args) { 
            Stream<Integer> ints = Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
            List<Integer> result =
              takeWhile(ints, x -> x < 5 )
                            .collect(Collectors.toList());
            log.info(result.toString());
        }
    }

我们定义了一个takeWhile方法，接收Stream和predicate条件。

只有当predicate条件满足的时候才会继续，我们看下输出的结果：

[main] INFO com.flydean.CustomSpliteratorUsage - [1, 2, 3, 4]

## 13.2 自定义forEach方法 ##

除了使用Spliterator，我们还可以自定义forEach方法来使用自己的遍历逻辑：

public class CustomForEach { 
    
        public static class Breaker { 
            private volatile boolean shouldBreak = false;
    
            public void stop() { 
                shouldBreak = true;
            }
    
            boolean get() { 
                return shouldBreak;
            }
        }
    
        public static <T> void forEach(Stream<T> stream, BiConsumer<T, Breaker> consumer) { 
            Spliterator<T> spliterator = stream.spliterator();
            boolean hadNext = true;
            Breaker breaker = new Breaker();
    
            while (hadNext && !breaker.get()) { 
                hadNext = spliterator.tryAdvance(elem -> { 
                    consumer.accept(elem, breaker);
                });
            }
        }
    }

上面的例子中，我们在forEach中引入了一个外部变量，通过判断这个外部变量来决定是否进入spliterator.tryAdvance方法。

看下怎么使用：

@Slf4j
    public class CustomForEachUsage { 
    
        public static void main(String[] args) { 
            Stream<Integer> ints = Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
            List<Integer> result = new ArrayList<>();
            CustomForEach.forEach(ints, (elem, breaker) -> { 
                if (elem >= 5 ) { 
                    breaker.stop();
                } else { 
                    result.add(elem);
                }
            });
            log.info(result.toString());
        }
    }

上面我们用新的forEach方法，并通过判断条件来重置判断flag，从而达到break stream的目的。

# 14. predicate chain的使用 #

Predicate是一个FunctionalInterface，代表的方法需要输入一个参数，返回boolean类型。通常用在stream的filter中，表示是否满足过滤条件。

boolean test(T t);

## 14.1 基本使用 ##

我们先看下在stream的filter中怎么使用Predicate：

@Test
        public void basicUsage(){ 
            List<String> stringList=Stream.of("a","b","c","d").filter(s -> s.startsWith("a")).collect(Collectors.toList());
            log.info("{}",stringList);
        }

上面的例子很基础了，这里就不多讲了。

## 14.2 使用多个Filter ##

如果我们有多个Predicate条件，则可以使用多个filter来进行过滤：

public void multipleFilters(){ 
            List<String> stringList=Stream.of("a","ab","aac","ad").filter(s -> s.startsWith("a"))
                    .filter(s -> s.length()>1)
                    .collect(Collectors.toList());
            log.info("{}",stringList);
        }

上面的例子中，我们又添加了一个filter，在filter又添加了一个Predicate。

## 14.3 使用复合Predicate ##

Predicate的定义是输入一个参数，返回boolean值，那么如果有多个测试条件，我们可以将其合并成一个test方法：

@Test
        public void complexPredicate(){ 
            List<String> stringList=Stream.of("a","ab","aac","ad")
                    .filter(s -> s.startsWith("a") &&  s.length()>1)
                    .collect(Collectors.toList());
            log.info("{}",stringList);
        }

上面的例子中，我们把s.startsWith(“a”) && s.length()>1 作为test的实现。

## 14.4 组合Predicate ##

Predicate虽然是一个interface，但是它有几个默认的方法可以用来实现Predicate之间的组合操作。

比如：Predicate.and(), Predicate.or(), 和 Predicate.negate()。

下面看下他们的例子：

@Test
        public void combiningPredicate(){ 
            Predicate<String> predicate1 = s -> s.startsWith("a");
            Predicate<String> predicate2 =  s -> s.length() > 1;
            List<String> stringList1 = Stream.of("a","ab","aac","ad")
                    .filter(predicate1.and(predicate2))
                    .collect(Collectors.toList());
            log.info("{}",stringList1);
    
            List<String> stringList2 = Stream.of("a","ab","aac","ad")
                    .filter(predicate1.or(predicate2))
                    .collect(Collectors.toList());
            log.info("{}",stringList2);
    
            List<String> stringList3 = Stream.of("a","ab","aac","ad")
                    .filter(predicate1.or(predicate2.negate()))
                    .collect(Collectors.toList());
            log.info("{}",stringList3);
    
        }

实际上，我们并不需要显示的assign一个predicate，只要是满足  
predicate接口的lambda表达式都可以看做是一个predicate。同样可以调用and，or和negate操作：

List<String> stringList4 = Stream.of("a","ab","aac","ad")
                    .filter(((Predicate<String>)a -> a.startsWith("a"))
                            .and(a -> a.length() > 1))
                    .collect(Collectors.toList());
            log.info("{}",stringList4);

## 14.5 Predicate的集合操作 ##

如果我们有一个Predicate集合，我们可以使用reduce方法来对其进行合并运算：

@Test
        public void combiningPredicateCollection(){ 
            List<Predicate<String>> allPredicates = new ArrayList<>();
            allPredicates.add(a -> a.startsWith("a"));
            allPredicates.add(a -> a.length() > 1);
    
            List<String> stringList = Stream.of("a","ab","aac","ad")
                    .filter(allPredicates.stream().reduce(x->true, Predicate::and))
                    .collect(Collectors.toList());
            log.info("{}",stringList);
        }

上面的例子中，我们调用reduce方法，对集合中的Predicate进行了and操作。

# 15. 中构建无限的stream #

在java中，我们可以将特定的集合转换成为stream，那么在有些情况下，比如测试环境中，我们需要构造一定数量元素的stream，需要怎么处理呢？

这里我们可以构建一个无限的stream，然后调用limit方法来限定返回的数目。

## 15.1 基本使用 ##

先看一个使用Stream.iterate来创建无限Stream的例子：

@Test
        public void infiniteStream(){ 
            Stream<Integer> infiniteStream = Stream.iterate(0, i -> i + 1);
            List<Integer> collect = infiniteStream
                    .limit(10)
                    .collect(Collectors.toList());
            log.info("{}",collect);
        }

上面的例子中，我们通过调用Stream.iterate方法，创建了一个0，1，2，3，4…的无限stream。

然后调用limit(10)来获取其中的前10个。最后调用collect方法将其转换成为一个集合。

看下输出结果：

INFO com.flydean.InfiniteStreamUsage - [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

## 15.2 自定义类型 ##

如果我们想输出自定义类型的集合，该怎么处理呢？

首先，我们定义一个自定义类型：

@Data
    @AllArgsConstructor
    public class IntegerWrapper { 
        private Integer integer;
    }

然后利用Stream.generate的生成器来创建这个自定义类型：

public static IntegerWrapper generateCustType(){ 
            return new IntegerWrapper(new Random().nextInt(100));
        }
    
        @Test
        public void infiniteCustType(){ 
            Supplier<IntegerWrapper> randomCustTypeSupplier = InfiniteStreamUsage::generateCustType;
            Stream<IntegerWrapper> infiniteStreamOfCustType = Stream.generate(randomCustTypeSupplier);
    
            List<IntegerWrapper> collect = infiniteStreamOfCustType
                    .skip(10)
                    .limit(10)
                    .collect(Collectors.toList());
            log.info("{}",collect);
        }

看下输出结果：

INFO com.flydean.InfiniteStreamUsage - [IntegerWrapper(integer=46), IntegerWrapper(integer=42), IntegerWrapper(integer=67), IntegerWrapper(integer=11), IntegerWrapper(integer=14), IntegerWrapper(integer=80), IntegerWrapper(integer=15), IntegerWrapper(integer=19), IntegerWrapper(integer=72), IntegerWrapper(integer=41)]

# 16. 自定义parallelStream的thread pool #

之前我们讲到parallelStream的底层使用到了ForkJoinPool来提交任务的，默认情况下ForkJoinPool为每一个处理器创建一个线程，parallelStream如果没有特别指明的情况下，都会使用这个共享线程池来提交任务。

那么在特定的情况下，我们想使用自定义的ForkJoinPool该怎么处理呢？

## 16.1 通常操作 ##

假如我们想做一个从1到1000的加法，我们可以用并行stream这样做：

List<Integer> integerList= IntStream.range(1,1000).boxed().collect(Collectors.toList());
            ForkJoinPool customThreadPool = new ForkJoinPool(4);
    
            Integer total= integerList.parallelStream().reduce(0, Integer::sum);
            log.info("{}",total);

输出结果：

INFO com.flydean.CustThreadPool - 499500

## 16.2 使用自定义ForkJoinPool ##

上面的例子使用的共享的thread pool。 我们看下怎么使用自定义的thread pool来提交并行stream：

List<Integer> integerList= IntStream.range(1,1000).boxed().collect(Collectors.toList());
    
    ForkJoinPool customThreadPool = new ForkJoinPool(4);
            Integer actualTotal = customThreadPool.submit(
                    () -> integerList.parallelStream().reduce(0, Integer::sum)).get();
            log.info("{}",actualTotal);

上面的例子中，我们定义了一个4个线程的ForkJoinPool，并使用它来提交了这个parallelStream。

输出结果：

INFO com.flydean.CustThreadPool - 499500

如果不想使用公共的线程池，则可以使用自定义的ForkJoinPool来提交。

# 17. 总结 #

本文统一介绍了Stream和lambda表达式的使用，涵盖了Stream和lambda表达式的各个小的细节，希望大家能够喜欢。

本文的代码[https://github.com/ddean2009/learn-java-streams/][https_github.com_ddean2009_learn-java-streams]

本文的PDF[java-stream-lambda-all-in-one.pdf][]

> 最通俗的解读，最深刻的干货，最简洁的教程，众多你不知道的小技巧等你来发现！
> 
> 欢迎关注我的公众号:「程序那些事」,懂技术，更懂你！

[resize_m_lfit_w_962]: /images/20230208/1bdc8e72771a41b898f05e98b72a82c3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_0_text_aHR0cDovL3d3dy5mbHlkZWFuLmNvbQ_size_25_color_8F8F8F_t_70]: /images/20230208/c4d1a4748d8b48479422b5d8551dfd4f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_0_text_aHR0cDovL3d3dy5mbHlkZWFuLmNvbQ_size_25_color_8F8F8F_t_70 1]: /images/20230208/62d09df703614e45a41c076829306c14.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_0_text_aHR0cDovL3d3dy5mbHlkZWFuLmNvbQ_size_25_color_8F8F8F_t_70 2]: https://img-blog.csdnimg.cn/20200430173026607.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_0,text_aHR0cDovL3d3dy5mbHlkZWFuLmNvbQ==,size_25,color_8F8F8F,t_70
[20200414221557893.png]: https://img-blog.csdnimg.cn/20200414221557893.png
[https_github.com_ddean2009_learn-java-streams]: https://github.com/ddean2009/learn-java-streams/
[java-stream-lambda-all-in-one.pdf]: https://github.com/ddean2009/www.flydean.com/blob/master/java/stream/java-stream-lambda-all-in-one.pdf