常用Stream流

柔情只为你懂 2023-10-09 15:19 99阅读 0赞

#### 常用Stream流 ####

*  一：什么是Stream流
 *  二：Stream的作用
 *  三： Stream流简单示例
 *   *  3.1 数据源
     *  3.2 数据处理
     *  3.3 filter 过滤
     *  3.4 limit 取前几
     *  3.5 sorted 排序
     *  3.6 max、min、count
     *  3.7 map 对集合中的元素进行特定的操作
     *  3.8 reduce 将所有的元素按照传入的逻辑进行处理，并且会把结果合并成一个值进行返回
     *  3.9 collection 基于目标集合生成新的数组
 *  四：使用Stream流对集合进行分页
 *  五：对集合中实体中某个字段进行去重
 *  六：Stream流性能分析与使用建议
 *   *  6.1 性能分析
     *  6.2 使用建议

## 一：什么是Stream流 ##

Stream流是Java 8中引入的一个新特性，它是一个功能强大的工具，可以用来处理集合（Collection）和数组（Array）中的元素。Stream流可以看作是一种迭代器，它允许对集合中的元素进行一系列的处理操作，比如筛选、映射、排序、聚合等。  
Stream流有以下几个特点：

*  Stream流是一种惰性求值的操作方式，即在使用时才进行处理，可以避免不必要的计算。
 *  Stream流可以对集合或数组进行一系列的中间操作，如过滤、映射、排序等，同时也支持终止操作，如归约、收集等。
 *  Stream流可以处理无限流，也可以处理有限流。

通过使用Stream流，可以简化代码，提高代码的可读性和可维护性。同时，由于Stream流的特性，可以更好地利用现代CPU的多核心能力，提高程序的运行效率。

## 二：Stream的作用 ##

Stream流有以下几个作用：

*  简化集合或数组的处理：Stream流提供了一系列的中间操作和终止操作，可以方便地对集合或数组进行筛选、映射、排序、聚合等操作，大大简化了集合或数组的处理。
 *  提高程序的效率：Stream流可以利用现代CPU的多核心能力，同时也避免了不必要的计算，提高了程序的运行效率。
 *  支持无限流处理：Stream流支持无限流处理，可以对无限的数据集进行处理，同时也支持有限流处理。
 *  增强代码的可读性和可维护性：Stream流的语法简单明了，可以很容易地理解代码的逻辑，同时也使得代码更易于维护。

## 三： Stream流简单示例 ##

### 3.1 数据源 ###

List<User> list = Arrays.asList(
                    new User("小明", 20, 3000),
                    new User("小红", 20, 2000),
                    new User("小亮", 22, 5000)
            );

### 3.2 数据处理 ###

// stream 流
            Predicate<User> predicate1 = user -> user.getAge() < 21;
            Predicate<User> predicate2 = user -> user.getAge() < 2000;
            List<User> collect = list.stream()
                    .filter(predicate1.or(predicate2))
                    .collect(Collectors.toList());
            System.out.println(collect);

### 3.3 filter 过滤 ###

// filter 过滤
            List<String> testList = Arrays.asList("Hello", "World", "Java");
            testList.stream()
                    .filter(str -> str.length() >= 5)
                    .forEach(str -> System.out.println(str));

### 3.4 limit 取前几 ###

// limit
            testList.stream()
                    .limit(2)
                    .forEach(str -> System.out.println(str));

### 3.5 sorted 排序 ###

// sorted 排序
            List<Integer> integerList = Arrays.asList(1, 6, 5, 4, 2, 3);
            integerList.stream()
                    .sorted()//正序
                    .sorted(Comparator.reverseOrder())//反序
                    .forEach(num -> System.out.println(num));

### 3.6 max、min、count ###

// max、min、count
            System.out.println("最大的数：" + integerList.stream().max(Integer::compareTo).get());
            System.out.println("最小的数：" + integerList.stream().min(Integer::compareTo).get());
            System.out.println("集合长度：" + integerList.stream().count());

### 3.7 map 对集合中的元素进行特定的操作 ###

// map 对集合中的元素进行特定的操作
            integerList.stream()
                    .map(num -> num + 10)
                    .forEach(num -> System.out.println(num));

### 3.8 reduce 将所有的元素按照传入的逻辑进行处理，并且会把结果合并成一个值进行返回 ###

// reduce 将所有的元素按照传入的逻辑进行处理，并且会把结果合并成一个值进行返回
            System.out.println("集合中的元素求和为：" + integerList.stream().reduce((sum, num) -> sum + num).get());

### 3.9 collection 基于目标集合生成新的数组 ###

// collection 基于目标集合生成新的数组
            List<Integer> collectList = integerList.stream()
                    .filter(num -> num % 2 == 0)
                    .collect(Collectors.toList());
            System.out.println("偶数集合：" + collectList);

## 四：使用Stream流对集合进行分页 ##

// 通过流处理进行分页
    List<String> subList = denyList.stream()
        .skip((pageNo-1)*pageSize) // 跳过（第pageNo页-1）*每页多少条 例如：第一页就是跳过0条，第二页跳过1*每页的条数...
        .limit(pageSize)// 取pageSize条数据
        .collect(Collectors.toList());// 将过滤的数据输出成集合

## 五：对集合中实体中某个字段进行去重 ##

// 使用
    List<TopicReplyRecord> filterDistinctList = notUserNameCommentsList.stream()
                        .filter(distinctByKey(TopicReplyRecord::getReply_record_id))
                        .collect(Collectors.toList());
    
    
        private static <T> Predicate<T> distinctByKey(Function<? super T, Object> keyExtractor) {
        
            ConcurrentHashMap<Object, Boolean> map = new ConcurrentHashMap<>();
            return t -> map.putIfAbsent(keyExtractor.apply(t), Boolean.TRUE) == null;
        }

## 六：Stream流性能分析与使用建议 ##

### 6.1 性能分析 ###

1.  在少数据量的处理场景中（size <= 1000）  
    stream 的处理效率是不如传统的 iterator 外部迭代器处理速度快的，但是实际上这些处理任务本身运行时间都低于毫秒，这点效率的差距对普通业务几乎没有影响，反而 stream 可以使得代码更加简洁；
2.  在大量数据（size > 10000）  
    stream 的处理效率会高于 iterator，特别是使用了并行流，在 cpu 恰好将线程分配到多个核心的条件下（当然 parallel stream 底层使用的是 JVM 的 ForkJoinPool，这东西分配线程本身就很玄学），可以达到一个很高的运行效率，然而实际普通业务一般不会有需要迭代高于 10000 次的计算；

Parallel Stream （并行流）  
Parallel Stream 受引 CPU 环境影响很大，当没分配到多个 cpu 核心时，加上引用 forkJoinPool 的开销，运行效率可能还不如普通的 Stream；

### 6.2 使用建议 ###

1.  简单的迭代逻辑，可以直接使用 iterator，对于有多步处理的迭代逻辑，可以使用 stream，损失一点几乎没有的效率，换来代码的高可读性是值得的；
2.  单核 cpu 环境，不推荐使用 parallel stream，在多核 cpu 且有大数据量的条件下，推荐使用 paralle stream；  
    stream 中含有装箱类型，在进行中间操作之前，最好转成对应的数值流，减少由于频繁的拆箱、装箱造成的性能损失。