《JDK8特性深入讲解》学习笔记

我就是我 2024-03-16 14:36 67阅读 0赞

## Lambda表达式 ##

如果不适用lambda表达式的话，可以使用匿名内部类，但是代码会显得有点多

lambda表达式其实就是匿名内部类

Lambda表达式简化了匿名内部类的使用，语法更加简单。

### 语法规则 ###

(参数类型 参数名称) -> {
        代码体;
    }

Lambda表达式使用的接口只能有一个抽象方法，可以使用**@FunctionalInterface**修饰

### Lambda表达式本质 ###

1. Lambda表达式在程序运行的时候会形成一个类

2. 在类中新增了一个方法，这个方法的方法体就是Lambda表达式中的代码

3. 还会形成一个匿名内部类，实现接口，重写抽象方法

4. 在重写的方法中，会调用新生成的方法

XJad：反编译工具，可以查看生成的代码

### Lambda表达式省略写法 ###

1. 小括号内的参数类型可以省略

2. 如果小括号内有且仅有一个参数，则小括号可以省略

3. 如果大括号内有且仅有一个语句，可以同时省略大括号，return 关键字及语句分号。

### Lambda表达式的使用前提 ###

1. 方法的参数或局部变量类型必须为接口才能使用Lambda

2. 接口中有且仅有一个抽象方法(@FunctionalInterface)

### Lambda表达式和匿名内部类的区别 ###

1.  所需类型不一样
    
     *  匿名内部类的类型可以是 类，抽象类，接口
     *  Lambda表达式需要的类型必须是接口
2.  抽象方法的数量不一样
    
     *  匿名内部类所需的接口中的抽象方法的数量是随意的
     *  Lambda表达式所需的接口中只能有一个抽象方法
3.  实现原理不一样
    
     *  匿名内部类是在编译后形成一个class
     *  Lambda表达式是在程序运行的时候动态生成class

## Jdk8中接口改变 ##

jdk8之前，接口中只能有静态常量和抽象方法；

jdk8之后，接口中可以有**静态方法**和**默认方法**；

### 默认方法 ###

#### 为什么要新增默认方法 ####

如果没有默认方法，一个接口中新增一个抽象方法，所有实现类都必须重写该方法，不利于接口的扩展

默认方法使用**default**修饰

如果实现类没有重写默认方法，也可以直接调用接口中的默认方法

实现类也可以重写默认方法，这样调用的就是重写方法了

### 静态方法 ###

静态方法也是为了接口扩展

静态方法不能被实现类重写，只能通过接口类型直接调用

## 函数式接口 ##

使用Lambda表达式的前提是需要有函数式接口，而Lambda表达式使用时不关心接口名，抽象方法名。只关心抽象方法的参数列表和返回值类型。

为了更好的使用Lambda表达式，在JDK中提供了大量常用的函数式接口

### Supplier ###

无参，有返回值

需要提供一个返回值类型T

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

####  ####

### Consumer ###

有参无返回值

需要提供一个泛型来定义参数类型

@FunctionalInterface
 public interface Consumer<T> {
 void accept(T var1);
 
 default Consumer<T> andThen(Consumer<? super T> var1) {
 Objects.requireNonNull(var1);
 return (var2) -> {
 this.accept(var2);
 var1.accept(var2);
 };
 }
 }

consumer有一个默认方法**andThen**

如果一个方法的参数和返回值全部是Consumer类型，那么就可以实现效果，消费一个数据的时候，首先做一个操作，然后再做一个操作，实现组合，而这个方法就是Consumer接口中的default方法 andThen方法

### Function ###

有参有返回值

T是参数，R是返回值

@FunctionalInterface
 public interface Function<T, R> {
 R apply(T var1);
 
 default <V> Function<V, R> compose(Function<? super V, ? extends T> var1) {
 Objects.requireNonNull(var1);
 return (var2) -> {
 return this.apply(var1.apply(var2));
 };
 }
 
 default <V> Function<T, V> andThen(Function<? super R, ? extends V> var1) {
 Objects.requireNonNull(var1);
 return (var2) -> {
 return var1.apply(this.apply(var2));
 };
 }
 
 static <T> Function<T, T> identity() {
 return (var0) -> {
 return var0;
 };
 }
 }

**andThen**用于组合操作

**compose**方法的作用顺序和andThen方法刚好相反

静态方法**identity**，输入什么参数就返回什么参数

### Predicate ###

有参，且返回值为boolean

@FunctionalInterface
 public interface Predicate<T> {
 boolean test(T var1);
 
 default Predicate<T> and(Predicate<? super T> var1) {
 Objects.requireNonNull(var1);
 return (var2) -> {
 return this.test(var2) && var1.test(var2);
 };
 }
 
 default Predicate<T> negate() {
 return (var1) -> {
 return !this.test(var1);
 };
 }
 
 default Predicate<T> or(Predicate<? super T> var1) {
 Objects.requireNonNull(var1);
 return (var2) -> {
 return this.test(var2) || var1.test(var2);
 };
 }
 
 static <T> Predicate<T> isEqual(Object var0) {
 return null == var0 ? Objects::isNull : (var1) -> {
 return var0.equals(var1);
 };
 }
 }

## 方法引用 ##

在lambda表达式中进行其他方法调用

public class YinYong {
 
 public static void main(String[] args) {
 testTotal(arr -> total(arr) );
 }
 
 public static void total(int[] arr){
 int sum = 0;
 for(int i: arr){
 sum += i;
 }
 System.out.println("sum:" + sum);
 }
 
 public static void testTotal(Consumer<int[]> consumer){
 int arr[] = {1,2,3,4,5};
 consumer.accept(arr);
 }
 }

使用方法引用可以简写为：

public class YinYong2 {
 
 public static void main(String[] args) {
 testTotal(YinYong2::total);
 }
 
 public static void total(int[] arr){
 int sum = 0;
 for(int i: arr){
 sum += i;
 }
 System.out.println("sum:" + sum);
 }
 
 public static void testTotal(Consumer<int[]> consumer){
 int arr[] = {1,2,3,4,5};
 consumer.accept(arr);
 }
 }

####  ####

### 方法引用应用场景 ###

如果Lambda表达式所要实现的方案，已经有其他方法存在相同的方案，那么则可以使用方法引用。

####  ####

### 方法引用的使用方式 ###

#### instanceName::methodName 对象::方法名 ####

Date date2 = new Date(2021,10,9);
 Supplier<Integer> dateSup = date2::getYear;
 Integer year = dateSup.get();
 System.out.println(year);

#### ClassName::staticMethodName 类名::静态方法 ####

#### ClassName::methodName 类名::普通方法 ####

// Function<String, Integer>中，String是参数类型，Integer是返回值类型
 Function<String, Integer> function = String::length;
 Integer length = function.apply("abcd");
 System.out.println(length);
 
 // BiFunction<String, Integer, String>中第一个String是BiFunction的apply方法的第一个参数hello
 // Integer是apply方法的第二个参数3
 // String 是返回值str
 BiFunction<String, Integer, String> substringFunction = String::substring;
 String str = substringFunction.apply("hello", 3);
 System.out.println(str);

#### ClassName::new 类名::new 调用的构造器 ####

Supplier<LocalDate> now = LocalDate::now;
 LocalDate localDate = now.get();
 System.out.println(localDate);

由于构造器的名称和类名完全一致，所以构造器引用使用`::new`的格式使用

// Long是Date的构造函数的参数类型，Date是构造函数返回值
 Function<Long, Date> dateFunction = Date::new;
 Date date = dateFunction.apply(123456789110L);
 System.out.println(date);

#### TypeName\[\]::new String\[\]::new 调用数组的构造器 ####

// Integer是数组长度
 Function<Integer, String[]> stringArr = String[]::new;
 String[] strArr = stringArr.apply(5);

方法引用是对Lambda表达式符合特定情况下的一种缩写方式，它使得我们的Lambda表达式更加的精简

## Stream ##

没有stream之前，要对集合元素进行处理，就需要一遍遍的循环处理，很麻烦，代码量也比较大

这里的stream流和IO流没有任何关系

Stream流不是一种数据结构，不保存数据，而是对数据进行加工处理

### 获取stream流 ###

#### 通过Collection获取 ####

Collection接口下的所有的实现都可以通过steam方法来获取Stream流，因为java.util.Collection 接口中加入了default方法 stream

List<String> list = new ArrayList<>();
 list.stream();
 
 Set<String> set = new HashSet<>();
 set.stream();

Map没有实现Collection接口，不能直接获取stream流，只能获取key、value或者entry的stream流

#### 通过Stream的of方法 ####

获取数组的stream流（基本数据类型的数组是不可以的int\[\]）

String[] arr = {"a","b","c"};
            Stream.of(arr);

### Stream流常用方法 ###

<table> 
 <thead> 
 <tr> 
 <th>方法名</th> 
 <th>方法作用</th> 
 <th>返回值类型</th> 
 <th>方法种类</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td>count</td> 
 <td>统计个数</td> 
 <td>long</td> 
 <td>终结</td> 
 </tr> 
 <tr> 
 <td>forEach</td> 
 <td>逐一处理</td> 
 <td>void</td> 
 <td>终结</td> 
 </tr> 
 <tr> 
 <td>filter</td> 
 <td>过滤</td> 
 <td>Stream</td> 
 <td>函数拼接</td> 
 </tr> 
 <tr> 
 <td>limit</td> 
 <td>取用前几个</td> 
 <td>Stream</td> 
 <td>函数拼接</td> 
 </tr> 
 <tr> 
 <td>skip</td> 
 <td>跳过前几个</td> 
 <td>Stream</td> 
 <td>函数拼接</td> 
 </tr> 
 <tr> 
 <td>map</td> 
 <td>映射</td> 
 <td>Stream</td> 
 <td>函数拼接</td> 
 </tr> 
 <tr> 
 <td>concat</td> 
 <td>组合</td> 
 <td>Stream</td> 
 <td>函数拼接</td> 
 </tr> 
 </tbody> 
</table>

**终结方法**：返回值类型不再是 Stream 类型的方法，不再支持链式调用。本小节中，终结方法包括 count 和forEach 方法。

**非终结方法**：返回值类型仍然是 Stream 类型的方法，支持链式调用。（除了终结方法外，其余方法均为非终结方法。）

#### **Stream**注意事项(**重要**) ####

1.  Stream只能操作一次
2.  Stream方法返回的是新的流
3.  Stream不调用终结方法，中间的操作不会执行

#### forEach方法 ####

/**
 * Performs an action for each element of this stream.
 *
 * This is a <a href="package-summary.html#StreamOps">terminal
 * operation</a>.
 *
 * The behavior of this operation is explicitly nondeterministic.
 * For parallel stream pipelines, this operation does not
 * guarantee to respect the encounter order of the stream, as doing so
 * would sacrifice the benefit of parallelism. For any given element, the
 * action may be performed at whatever time and in whatever thread the
 * library chooses. If the action accesses shared state, it is
 * responsible for providing the required synchronization.
 *
 * @param action a <a href="package-summary.html#NonInterference">
 * non-interfering</a> action to perform on the elements
 */
 void forEach(Consumer<? super T> action);

对流中的元素进行遍历

// 打印list中的元素
            list.stream().forEach(System.out::println);

#### count ####

count方法用来统计其中的元素个数的

/**
 * Returns the count of elements in this stream. This is a special case of
 * a <a href="package-summary.html#Reduction">reduction</a> and is
 * equivalent to:
 * <pre>{@code
 * return mapToLong(e -> 1L).sum();
 * }</pre>
 *
 * This is a <a href="package-summary.html#StreamOps">terminal operation</a>.
 *
 * @return the count of elements in this stream
 */
 long count();

long count = list.stream().count();

#### filter ####

filter方法的作用是用来过滤数据的，返回符合条件的数据

可以通过filter方法将一个流转换成另一个子集流

/**
 * Returns a stream consisting of the elements of this stream that match
 * the given predicate.
 *
 * This is an <a href="package-summary.html#StreamOps">intermediate
 * operation</a>.
 *
 * @param predicate a <a href="package-summary.html#NonInterference">non-interfering</a>,
 * <a href="package-summary.html#Statelessness">stateless</a>
 * predicate to apply to each element to determine if it
 * should be included
 * @return the new stream
 */
 Stream<T> filter(Predicate<? super T> predicate);

// 返回list中包含a的元素并打印出来
            list.stream().filter(s-> s.contains("a")).forEach(System.out::println);

#### limit ####

limit方法可以对流进行截取处理，只取前n个数据

/**
 * Returns a stream consisting of the elements of this stream, truncated
 * to be no longer than {@code maxSize} in length.
 *
 * This is a <a href="package-summary.html#StreamOps">short-circuiting
 * stateful intermediate operation</a>.
 *
 * @apiNote
 * While {@code limit()} is generally a cheap operation on sequential
 * stream pipelines, it can be quite expensive on ordered parallel pipelines,
 * especially for large values of {@code maxSize}, since {@code limit(n)}
 * is constrained to return not just any n elements, but the
 * first n elements in the encounter order. Using an unordered
 * stream source (such as {@link #generate(Supplier)}) or removing the
 * ordering constraint with {@link #unordered()} may result in significant
 * speedups of {@code limit()} in parallel pipelines, if the semantics of
 * your situation permit. If consistency with encounter order is required,
 * and you are experiencing poor performance or memory utilization with
 * {@code limit()} in parallel pipelines, switching to sequential execution
 * with {@link #sequential()} may improve performance.
 *
 * @param maxSize the number of elements the stream should be limited to
 * @return the new stream
 * @throws IllegalArgumentException if {@code maxSize} is negative
 */
 Stream<T> limit(long maxSize);

如果集合当前长度大于参数就进行截取，否则不操作

// 返回list中前5个元素并打印出来
            list.stream().limit(5).forEach(System.out::println);

#### skip ####

skip方法用于跳过前n个元素

/**
 * Returns a stream consisting of the remaining elements of this stream
 * after discarding the first {@code n} elements of the stream.
 * If this stream contains fewer than {@code n} elements then an
 * empty stream will be returned.
 *
 * This is a <a href="package-summary.html#StreamOps">stateful
 * intermediate operation</a>.
 *
 * @apiNote
 * While {@code skip()} is generally a cheap operation on sequential
 * stream pipelines, it can be quite expensive on ordered parallel pipelines,
 * especially for large values of {@code n}, since {@code skip(n)}
 * is constrained to skip not just any n elements, but the
 * first n elements in the encounter order. Using an unordered
 * stream source (such as {@link #generate(Supplier)}) or removing the
 * ordering constraint with {@link #unordered()} may result in significant
 * speedups of {@code skip()} in parallel pipelines, if the semantics of
 * your situation permit. If consistency with encounter order is required,
 * and you are experiencing poor performance or memory utilization with
 * {@code skip()} in parallel pipelines, switching to sequential execution
 * with {@link #sequential()} may improve performance.
 *
 * @param n the number of leading elements to skip
 * @return the new stream
 * @throws IllegalArgumentException if {@code n} is negative
 */
 Stream<T> skip(long n);

// 跳过list中前5个元素，并打印后面的元素
            list.stream().skip(5).forEach(System.out::println);

#### map ####

map方法可以将流中的元素映射到另一个流中

/**
 * Returns a stream consisting of the results of applying the given
 * function to the elements of this stream.
 *
 * This is an <a href="package-summary.html#StreamOps">intermediate
 * operation</a>.
 *
 * @param <R> The element type of the new stream
 * @param mapper a <a href="package-summary.html#NonInterference">non-interfering</a>,
 * <a href="package-summary.html#Statelessness">stateless</a>
 * function to apply to each element
 * @return the new stream
 */
 <R> Stream<R> map(Function<? super T, ? extends R> mapper);

将T类型的数据转换为R类型的数据

// 将list中所有元素拼接上abc并打印
            list.stream().map(s-> s+"abc").forEach(System.out::println);

#### sorted ####

sorted方法用于排序

/**
 * Returns a stream consisting of the elements of this stream, sorted
 * according to natural order. If the elements of this stream are not
 * {@code Comparable}, a {@code java.lang.ClassCastException} may be thrown
 * when the terminal operation is executed.
 *
 * For ordered streams, the sort is stable. For unordered streams, no
 * stability guarantees are made.
 *
 * This is a <a href="package-summary.html#StreamOps">stateful
 * intermediate operation</a>.
 *
 * @return the new stream
 */
 Stream<T> sorted();
 
 /**
 * Returns a stream consisting of the elements of this stream, sorted
 * according to the provided {@code Comparator}.
 *
 * For ordered streams, the sort is stable. For unordered streams, no
 * stability guarantees are made.
 *
 * This is a <a href="package-summary.html#StreamOps">stateful
 * intermediate operation</a>.
 *
 * @param comparator a <a href="package-summary.html#NonInterference">non-interfering</a>,
 * <a href="package-summary.html#Statelessness">stateless</a>
 * {@code Comparator} to be used to compare stream elements
 * @return the new stream
 */
 Stream<T> sorted(Comparator<? super T> comparator);

// 将list中的数据进行排序
            list.stream().sorted().forEach(System.out::println);
            // 根据Comparator进行排序（字符串长度倒序）
            list.stream().sorted((o1,o2)-> o2.length() - o1.length()).forEach(System.out::println);

#### distinct ####

distinct方法用于去除重复数据

/**
 * Returns a stream consisting of the distinct elements (according to
 * {@link Object#equals(Object)}) of this stream.
 *
 * For ordered streams, the selection of distinct elements is stable
 * (for duplicated elements, the element appearing first in the encounter
 * order is preserved.) For unordered streams, no stability guarantees
 * are made.
 *
 * This is a <a href="package-summary.html#StreamOps">stateful
 * intermediate operation</a>.
 *
 * @apiNote
 * Preserving stability for {@code distinct()} in parallel pipelines is
 * relatively expensive (requires that the operation act as a full barrier,
 * with substantial buffering overhead), and stability is often not needed.
 * Using an unordered stream source (such as {@link #generate(Supplier)})
 * or removing the ordering constraint with {@link #unordered()} may result
 * in significantly more efficient execution for {@code distinct()} in parallel
 * pipelines, if the semantics of your situation permit. If consistency
 * with encounter order is required, and you are experiencing poor performance
 * or memory utilization with {@code distinct()} in parallel pipelines,
 * switching to sequential execution with {@link #sequential()} may improve
 * performance.
 *
 * @return the new stream
 */
 Stream<T> distinct();

// 去除list中重复元素
            list.stream().distinct().forEach(System.out::println);

Stream流中的distinct方法对于基本数据类型是可以直接出重的，但是对于自定义类型，需要重写hashCode和equals方法来移除重复元素。

#### match ####

match方法用于判断数据是否匹配指定的条件

boolean anyMatch(Predicate<? super T> predicate);
 
 boolean allMatch(Predicate<? super T> predicate);
 
 boolean noneMatch(Predicate<? super T> predicate);

// 判断list中是否所有元素都包含a
            boolean a = list.stream().allMatch(s -> s.contains("a"));
            // 判断list中是否有元素包含a
            boolean a2 = list.stream().anyMatch(s -> s.contains("a"));
            // 判断list中是否所有元素都不包含a
            boolean a3 = list.stream().noneMatch(s -> s.contains("a"));

#### find ####

find方法用于查找某些数据

Optional<T> findFirst();
 
 Optional<T> findAny();

// 获取list中第一个元素
 Optional<String> first = list.stream().findFirst();
 System.out.println(first.get());
 
 // 获取list中任意元素
 Optional<String> any = list.stream().findAny();
 System.out.println(any.get());

#### max ####

获取最大值

/**
 * Returns the maximum element of this stream according to the provided
 * {@code Comparator}. This is a special case of a
 * <a href="package-summary.html#Reduction">reduction</a>.
 *
 * This is a <a href="package-summary.html#StreamOps">terminal
 * operation</a>.
 *
 * @param comparator a <a href="package-summary.html#NonInterference">non-interfering</a>,
 * <a href="package-summary.html#Statelessness">stateless</a>
 * {@code Comparator} to compare elements of this stream
 * @return an {@code Optional} describing the maximum element of this stream,
 * or an empty {@code Optional} if the stream is empty
 * @throws NullPointerException if the maximum element is null
 */
 Optional<T> max(Comparator<? super T> comparator);

// 获取list中最大值
 Optional<String> max = list.stream().max((Comparator.comparingInt(Integer::parseInt)));
 System.out.println(max.get());

#### min ####

获取最小值

/**
 * Returns the minimum element of this stream according to the provided
 * {@code Comparator}. This is a special case of a
 * <a href="package-summary.html#Reduction">reduction</a>.
 *
 * This is a <a href="package-summary.html#StreamOps">terminal operation</a>.
 *
 * @param comparator a <a href="package-summary.html#NonInterference">non-interfering</a>,
 * <a href="package-summary.html#Statelessness">stateless</a>
 * {@code Comparator} to compare elements of this stream
 * @return an {@code Optional} describing the minimum element of this stream,
 * or an empty {@code Optional} if the stream is empty
 * @throws NullPointerException if the minimum element is null
 */
 Optional<T> min(Comparator<? super T> comparator);

// 获取list中最小值
 Optional<String> min = list.stream().min((Comparator.comparingInt(Integer::parseInt)));
 System.out.println(min.get());

#### reduce ####

reduce方法将所有数据归纳得到一个数据

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

// 将list中所有元素拼接起来，x的初始值是identity的值，后面x的值是上一次的计算结果
            // y的值是list中的每个元素
            String pinjie = list.stream().reduce("", (x, y) -> x + y);
            // 获取list中长度最长的元素
            String maxLength = list.stream().reduce("", (x, y) -> x.length() > y.length() ? x : y);

reduce方法经常和map方法一起使用

先使用map方法把数据转换成想要的格式，再使用reduce进行处理

// 获取list中最长元素的长度
            list.stream().map(x -> x.length()).reduce(0, (x,y) -> x > y ? x : y);

#### mapToInt ####

将集合中的包装类型转换为基本数据类型，提高程序代码的效率

IntStream mapToInt(ToIntFunction<? super T> mapper);
 
 LongStream mapToLong(ToLongFunction<? super T> mapper);
 
 DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper);

List<Integer> integerList = Arrays.asList(1,2,3,4,5);
 // 将List<Integer>中的Integer转成int类型
 integerList.stream().mapToInt(s -> s.intValue()).forEach(System.out::println);
 integerList.stream().map(s -> s.intValue()).forEach(System.out::println);
 OptionalInt min1 = integerList.stream().mapToInt(Integer::valueOf).min();
 System.out.println(min1.getAsInt());
 // 会报错
 // OptionalInt min2 = integerList.stream().map(Integer::valueOf).min();

#### concat ####

将2个流合并为1个流

/**
 * Creates a lazily concatenated stream whose elements are all the
 * elements of the first stream followed by all the elements of the
 * second stream. The resulting stream is ordered if both
 * of the input streams are ordered, and parallel if either of the input
 * streams is parallel. When the resulting stream is closed, the close
 * handlers for both input streams are invoked.
 *
 * @implNote
 * Use caution when constructing streams from repeated concatenation.
 * Accessing an element of a deeply concatenated stream can result in deep
 * call chains, or even {@code StackOverflowException}.
 *
 * @param <T> The type of stream elements
 * @param a the first stream
 * @param b the second stream
 * @return the concatenation of the two input streams
 */
 public static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b) {
 Objects.requireNonNull(a);
 Objects.requireNonNull(b);
 
 @SuppressWarnings("unchecked")
 Spliterator<T> split = new Streams.ConcatSpliterator.OfRef<>(
 (Spliterator<T>) a.spliterator(), (Spliterator<T>) b.spliterator());
 Stream<T> stream = StreamSupport.stream(split, a.isParallel() || b.isParallel());
 return stream.onClose(Streams.composedClose(a, b));
 }

// 将两个list的流合并为一个新的流
            Stream.concat(list.stream(), integerList.stream()).forEach(System.out::println);

#### 数据收集到集合中 ####

// 将list中的数据流手机到Set<Integer>中
 Set<Integer> setList = integerList.stream().collect(Collectors.toSet());
 // 将list中的数据流手机到List<Integer>中
 List<Integer> integers = integerList.stream().collect(Collectors.toList());
 // 将list中的数据流手机到指定类型的集合中ArrayList中
 ArrayList<String> strList = integerList.stream().map(s -> s + "a").collect(Collectors.toCollection(ArrayList::new));

#### 数据收集到数组中 ####

// 将数据收集到Object数组中
            Object[] objArr = integerList.stream().toArray();
    
            // 将数据收集到String数组中
            String[] strArr = integerList.stream().toArray(String[]::new);

#### 聚合 ####

// 求和
            Integer sum = list.stream().collect(Collectors.summingInt(Integer::valueOf));
    
            // 平均值
            Double avg = list.stream().collect(Collectors.averagingInt(Integer::valueOf));
    
            // 总量
            Long count2 = list.stream().collect(Collectors.counting());

#### 分组操作 ####

根据某个属性，对数据进行分组

List<Person> list = new ArrayList<>();
 list.add(new Person(1, "tom", 12));
 list.add(new Person(2, "tina", 18));
 list.add(new Person(3, "tom", 19));
 list.add(new Person(4, "bob", 21));
 list.add(new Person(5, "tom", 21));
 // 根据name进行分组
 Map<String, List<Person>> nameMap = list.stream().collect(Collectors.groupingBy(Person::getName));
 // 根据年龄分组 >=18一组，没满18一组
 Map<String, List<Person>> ageMap = list.stream().collect(Collectors.groupingBy(p -> p.getAge() >= 18 ? "1" : "0"));
 
 // 多级分组，先根据name分组，再根据成年未成年分组
 Map<String, Map<String, List<Person>>> group = list.stream().collect(Collectors.groupingBy(Person::getName,
 Collectors.groupingBy(p -> p.getAge() >= 18 ? "成年" : "未成年")));
 
 group.forEach((k,v)->{
 System.out.println(k+":");
 v.forEach((k2,v2)->{
 System.out.println(" " + k2 + " :"+v2);
 });
 });
 
 
 class Person{
 private int id;
 private String name;
 private int age;
 
 public Person(int id, String name, int age) {
 this.id = id;
 this.name = name;
 this.age = age;
 }
 
 public int getId() {
 return id;
 }
 
 public void setId(int id) {
 this.id = id;
 }
 
 public String getName() {
 return name;
 }
 
 public void setName(String name) {
 this.name = name;
 }
 
 public int getAge() {
 return age;
 }
 
 public void setAge(int age) {
 this.age = age;
 }
 
 @Override
 public String toString() {
 return "Person{" +
 "id=" + id +
 ", name='" + name + '\'' +
 ", age=" + age +
 '}';
 }
 }

![51c8c606d4084304b9557d3c69d9936e.png][]

####  ####

#### 分区操作 ####

Collectors.partitioningBy会根据值是否为true,把集合中的数据分割为两个列表，一个true列表，一个false列表

// 根据是否成员分区
 Map<Boolean, List<Person>> agePart = list.stream().collect(Collectors.partitioningBy(p -> p.getAge() >= 18));
 agePart.forEach((k,v)->{
 System.out.println(k+":"+ v);
 });

![74a1ec13b1a4447783af64131a450f9d.png][]

#### 拼接 ####

Collectors.joining会根据指定的连接符，将所有的元素连接成一个字符串

// 将list中所有id拼接起来：12345
            String ids = list.stream().map(p -> String.valueOf(p.getId())).collect(Collectors.joining());
            // 将list中所有id通过-拼接起来:1-2-3-4-5
            String ids2 = list.stream().map(p -> String.valueOf(p.getId())).collect(Collectors.joining("-"));
            // 将list中所有id加前缀、后缀和拼接符拼接起来 @1-2-3-4-5#
            String ids3 = list.stream().map(p -> String.valueOf(p.getId())).collect(Collectors.joining("-", "@","#"));

### 并行流 ###

前面写的都是串行流，在一个线程执行

parallelStream其实就是一个并行执行的流，它通过默认的ForkJoinPool，可以提高多线程任务的速度。

#### 获取并行流 ####

List<String> list = Arrays.asList("a","b","c");
 // 获取并行流的两种方式
 Stream<String> stringStream = list.parallelStream();
 Stream<String> parallel = list.stream().parallel();

#### 使用并行流可能会有数据安全问题 ####

解决方案

1.  加同步锁
2.  使用线程安全的容器
3.  通过Stream中的toArray/collect操作

#### Optional ####

Optional是一个没有子类的工具类，Optional是一个可以为null的容器对象，它的主要作用就是为了避免Null检查，防止NullpointerException

String str = "";
 /* 获取optional对象 */
 // of方法不能传入null值，会报NPE
 Optional<String> op1 = Optional.of(str);
 // ofNullable能传入null值
 Optional<String> op2 = Optional.ofNullable(str);
 
 // 通过empty方法直接创建一个空的Optional对象
 Optional<Object> op3 = Optional.empty();
 
 /* isPresent */
 // 判断op1中是否有值
 if(op1.isPresent()){
 // 获取op1中的值，如果为空会报错，所以需要使用isPresent进行判断
 String s1 = op1.get();
 }
 
 /* orElse */
 // 如果op1中是空值，那么返回值是xxx；如果op1中本来有值，那么返回值是原值
 String s2 = op1.orElse("xxx");
 
 /* orElseGet */
 // 如果op1中是空值，那么返回值是lambda表达式返回值
 String s3 = op1.orElseGet(() -> "Hello");
 
 /* ifPresent */
 // 如果op1中有值，做lambda表达式中的操作
 op1.ifPresent((s)->{
 System.out.println(s);
 });
 
 // 获取Person中的name，并将name转为大写，person和name都有可能为空
 Person1 person1 = new Person1();
 Optional<Person1> op4 = Optional.of(person1);
 if(op4.isPresent()){
 String s4 = op4.map(Person1::getName)
 .map(String::toUpperCase)
 .orElse("");
 System.out.println("s4:"+s4);
 }

## 日期 ##

### 老的日期存在的问题 ###

java.util.Date是线程不安全的，

构造方法的year是从1990年开始的

![54ed6904df0f448c88a4b61fc88841e0.png][]

没有时区支持

### LocalDate、LocalTime、LocalDateTime常见用法 ###

// 根据年月日生成LocalDate
            LocalDate localDate = LocalDate.of(2023,12,31);
    
            // 获取当前日期
            LocalDate now = LocalDate.now();
    
            // 生成指定的LocalTime
            LocalTime localTime = LocalTime.of(13, 45, 56, 123456789);
    
            // 获取当前时间
            LocalTime now1 = LocalTime.now();
    
            // 根据LocalDate和LocalTime生成时间
            LocalDateTime localDateTime = LocalDateTime.of(now, now1);
    
            // 生成指定的LocalDateTime
            LocalDateTime localDateTime1 = LocalDateTime.of(2021, 11, 22, 9, 59, 23, 2345);
    
            // 获取当前时间
            LocalDateTime now2 = LocalDateTime.now();
    
            int year = now2.getYear();
            int month = now2.getMonthValue();
            int day = now2.getDayOfMonth();
            int week = now2.getDayOfWeek().getValue();
            int hour = now2.getHour();
            int minute = now2.getMinute();
            int second = now2.getSecond();
            int nano = now2.getNano();
            System.out.println("year:" + year);
            System.out.println("month:" + month);
            System.out.println("day:" + day);
            System.out.println("week:" + week);
            System.out.println("hour:" + hour);
            System.out.println("minute:" + minute);
            System.out.println("second:" + second);
            System.out.println("nano:" + nano);
    
    
            /* 修改日期 */
            // 修改localDateTime1的year为1998，生成一个新的对象，不会更改老对象的值
            LocalDateTime localDateTime2 = localDateTime1.withYear(1998);
    
            // 对日期时间进行加减
            // 对localDateTime1加2天
            LocalDateTime localDateTime3 = localDateTime1.plusDays(2);
    
            // 对localDateTime1减3年
            LocalDateTime localDateTime4 = localDateTime1.minusYears(3);
            LocalDateTime localDateTime5 = localDateTime1.plusYears(-3);
            Assert.assertEquals(localDateTime4,localDateTime5);
    
            /* 比较日期  */
            // 判断localDateTime2是否大于localDateTime3
            boolean isAfter = localDateTime2.isAfter(localDateTime3);
    
            // 判断localDateTime4是否小于localDateTime5
            boolean isBefore = localDateTime4.isBefore(localDateTime5);
    
            // 判断localDateTime4是否等于localDateTime5
            boolean isEqual = localDateTime4.isEqual(localDateTime5);

### 时间格式化、解析 ###

LocalDateTime now = LocalDateTime.now();
            // 将LocalDateTime转换为String
            String format = now.format(DateTimeFormatter.ISO_LOCAL_DATE_TIME);
            System.out.println(format);
    
            String format1 = now.format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"));
            System.out.println(format1);
    
            // 将String转换为LocalDateTime
            LocalDateTime localDateTime = LocalDateTime.parse("2023-06-19 22:56:14", DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss"));
            System.out.println(localDateTime);

### Instant ###

时间戳，内部保存了从1970年1月1日 00:00:00以来的秒和纳秒

// 获取当前时间
            Instant now1 = Instant.now();
            // do something
            // ...
            Instant now2 = Instant.now();
            // 时间差
            int time = now2.getNano() - now1.getNano();

### 时间差 ###

Duration：计算LocalTime的时间差

Period：计算LocalDate的时间差

LocalTime time1 = LocalTime.of(12, 23, 34, 45);
            LocalTime time2 = LocalTime.of(23, 34, 45, 56);
            // 计算time2和time1的时间差 用后面的减前面的
            Duration duration = Duration.between(time2, time1);
            // 将时间差转换为天数
            long days = duration.toDays();
            // 将时间差转换为小时
            long hours = duration.toHours();
            // 将时间差转换为分钟
            long minutes = duration.toMinutes();
            // 将时间差转换为秒
            long millis = duration.toMillis();
            // 将时间差转换为纳秒
            long nanos = duration.toNanos();
    
            LocalDate date1 = LocalDate.of(2023, 12, 31);
            LocalDate date2 = LocalDate.of(2021, 10, 1);
            // 计算date2和date1的时间差
            Period period = Period.between(date1, date2);
    
            // 相差的年数
            int years = period.getYears();
            // 相差的月数
            int months = period.getMonths();
            // 相差的天数
            int days1 = period.getDays();

### TemporalAdjuster 时间校正器 ###

LocalDateTime dateTime = LocalDateTime.of(2023,6,19,20,58,12);
            // 获取dateTime下个月第一天的日期
            LocalDateTime dateTime2 = dateTime.with(TemporalAdjusters.firstDayOfNextMonth());
            System.out.println("dateTime2 = " + dateTime2);
    
            // 也可以自己实现时间修改逻辑
            LocalDateTime dateTime3 = dateTime.with((temporal -> {
                LocalDateTime localDateTime = (LocalDateTime)temporal;
                return localDateTime.plusMonths(1).withDayOfMonth(1);
            }));
            System.out.println("dateTime3 = " + dateTime3);

### 时区 ###

Java8 中加入了对时区的支持，LocalDate、LocalTime、LocalDateTime是不带时区的，带时区的日期时间类分别为：ZonedDate、ZonedTime、ZonedDateTime

// 获取所有时区
 Set<String> zoneIds = ZoneId.getAvailableZoneIds();
 
 // 获取标准的时间（我国属于东八区，比标准时间快8个小时）
 ZonedDateTime utc = ZonedDateTime.now(Clock.systemUTC());
 System.out.println("utc = " + utc);
 // 计算机默认的时区 Asia/Shanghai
 ZonedDateTime defultTime = ZonedDateTime.now();
 System.out.println("defultTime = " + defultTime);
 ZonedDateTime americaTime = ZonedDateTime.now(ZoneId.of("America/Marigot"));
 System.out.println("americaTime = " + americaTime);

![5fd7f39b1df6490eaa799eeb12d16e35.png][]

####  ####

### JDK新的日期和时间API的优势 ###

1.  新版日期时间API中，日期和时间对象是不可变，操作日期不会影响原来的值，而是生成一个新的实例
2.  提供不同的两种方式，有效的区分了人和机器的操作
3.  TemporalAdjuster可以更精确的操作日期，还可以自定义日期调整期
4.  线程安全

## 重复注解 ##

JDK 8引入了重复注解的概念，允许在同一个地方多次使用同一个注解。在JDK 8中使用**@Repeatable**注解定义重复注解。

@MyAnnotation("zhangsan")
 @MyAnnotation("lisi")
 public class AnnotationTest {
 
 @MyAnnotation("abc")
 @MyAnnotation("def")
 public void test(){
 
 }
 
 public static void main(String[] args) throws NoSuchMethodException {
 Class<AnnotationTest> clazz = AnnotationTest.class;
 // 获取类上的注解
 MyAnnotation[] clazzAnnotations = clazz.getDeclaredAnnotationsByType(MyAnnotation.class);
 // 获取clazzAnnotations中第一个注解的值
 String value = clazzAnnotations[0].value();
 
 // 获取方法上的注解
 MyAnnotation[] methodAnnotations = clazz.getMethod("test").getAnnotationsByType(MyAnnotation.class);
 }
 }
 
 @Repeatable(MyAnnotations.class)
 @Retention(RetentionPolicy.RUNTIME)
 @interface MyAnnotation{
 String value();
 }
 
 @Retention(RetentionPolicy.RUNTIME)
 @interface MyAnnotations{
 MyAnnotation[] value();
 }

##  ##

## 类型注解 ##

JDK 8为@Target元注解新增了两种类型： TYPE\_PARAMETER ， TYPE\_USE 。

* TYPE\_PARAMETER ：表示该注解能写在类型参数的声明语句中。 类型参数声明如： <T>
 * TYPE\_USE ：表示注解可以再任何用到类型的地方使用。

public class AnnotationTest2 {
 
 /**
 * <T>
 * <T>
 * @param t
 * @param <T> 表示是个泛型方法，就像有static修饰的方法是个静态方法一样;
 * 表示传入参数有泛型,<T>存在的作用，是为了保证参数中能够出现T这种数据类型。
 */
 public <T> void test(T t){
 
 }
 
 public <@A T> void test2(T t){
 
 }
 
 public void test3(@B String name, @B Integer age){
 
 }
 
 }
 
 // 表示该注解能写在泛型中
 @Target(ElementType.TYPE_PARAMETER)
 @interface A{
 
 }
 
 // 在任何用到类型的地方使用
 @Target(ElementType.TYPE_USE)
 @interface B{
 
 }

[51c8c606d4084304b9557d3c69d9936e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/3d9f5838a75b4979b8a9fd650be0801e.png
[74a1ec13b1a4447783af64131a450f9d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/2a5a6b6d12aa4a22838b627da6182d8b.png
[54ed6904df0f448c88a4b61fc88841e0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/738643392eb7431fa59e594ad37800e8.png
[5fd7f39b1df6490eaa799eeb12d16e35.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/02ba6893eef149b6a53d438464f61722.png