Java8中stream流式编程的使用大全

﹏ヽ暗。殇╰゛Y 2024-03-27 10:32 79阅读 0赞

### 一、概述 ###

*  `Stream`流操作是`Java 8`提供一个重要新特性，它允许开发人员以声明性方式处理集合，其核心类库主要改进了对集合类的`API`和新增`Stream`操作。`Stream`类中每一个方法都对应集合上的一种操作。将真正的函数式编程引入到`Java`中，能 让代码更加简洁，极大地简化了集合的处理操作，提高了开发的效率和生产力。
 *  同时`Stream`不是一种数据结构，它只是某种数据源的一个视图，源可以是**数组、文件、集合、函数，`Java`容器或`I/O` 通道(`channel`)等**。在`Stream`中的操作每一次都会产生新的流，内部不会像普通集合操作一样立刻获取值，而是 **惰性取值** ，只有等到用户真正需要结果的时候才会执行。
 *  并且对于现在调用的方法，本身都是一种高层次构件，与线程模型无关。因此在并行使用中，开发者们无需再去操 心线程和锁了。`Stream`内部都已经做好了 。
 *  对于`Stream`流的可以把它当成工厂中的流水线，每个`Stream`流的操作过程遵循着创建 -->操作 -->获取结果的过程，就像流水线上的节点一样组成一个个链条。除此之外你还可以把他理解成`sql`的视图，集合就相当于数据表中的数据，获取`Stream`流的过程就是确定数据表的属性和元数据的过程，元数据的每一个元素就是表中的数据，对`Stream`流进行操作的过程就是通过`sql`对这些数据进行**查找、过滤、组合、计算、操作、分组**等过程，获取结果就是`sql`执行完毕之后获取的结果视图一样。

### 二、Stream流的获取方法 ###

#### 1）单列集合 ####

List<String> list = new ArrayList<>();
    Stream<String> stream = list.stream();

#### 2）双列集合 ####

HashMap<String, Integer> map = new HashMap<>();

双列集合不能直接获取`Stream`流，一般有以下两种方式获取双列集合的`Stream`流：

*  使用`keyset`
    
    先获取到所有的键，再把这个set集合中所有的键放到stream流中
    
        Stream<String> stream = map.keySet().stream();
        
        // 使用示例
        stream.forEach(key -> System.out.println(key + "=" + map.get(key)))
 *  使用`entrySet`
    
    先获取到所有的键值对对象，再把这个`set`集合中所有的键值对对象放到`stream`
    
        Stream<Map.Entry<String, Integer>> stream = map.entrySet().stream();
            
        // 使用示例
        stream.forEach(item -> System.out.println(item.getKey() + '-' + item.getValue()));

#### 3）数组 ####

int[] arr = {
        1, 2, 3}
    IntStream stream = Arrays.stream(arr)
        
    // 使用示例
    stream.forEach(System.out::println);

#### 4）同种数据类型的多个数据 ####

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5)
    
    // 使用示例
    stream.forEach(System.out::println);

#### 5）获取并行流 ####

List<String> list = Arrays.asList("a", "b", "c");
    Stream<String> parallelStream = list.parallelStream();

`stream`和`parallelStream`的简单区分：

*  `stream`是顺序流，由主线程按顺序对流执行操作
 *  `parallelStream`是并行流，内部以多线程并行执行的方式操作流，前提是对流中的数据处理没有顺序要求。

例如筛选集合中的奇数，两者的处理有所不同：  
![在这里插入图片描述][eda589b6836a4bdc943680bd8b735574.png]

#### 6）文件 ####

// lines方法需要抛出或者捕获异常，因为文件data.txt是有可能不存在的
    Stream <String > lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset());

#### 7）通过函数生成 ####

`Stream`提供了`iterate`和`generate`两个静态方法从函数中生成流。

*  `iterate`

// iterate方法接受两个参数，第一个为初始化值，第二个为进行的函数操作
    Stream<Integer> iterate = Stream.iterate(0, item -> item + 1);
    
    // iterator生成的流为无限流，使用时需要进行截取
    iterate.limit(10).forEach(item -> System.out.println(item));

*  `generate`

// generate方法接受一个参数，方法参数类型为Supplier,一个生产型的函数式接口
    Stream<Double> generate = Stream.generate(Math::random);
    
    // generate生成的流为无限流，使用时需要进行截取
    generate.limit(10).forEach(item -> System.out.println(item));

### 三、Stream流的基本操作 ###

#### 3.1 中间操作 ####

中间操作的相关方法执行完之后，会返回一个处理过后的`Stream`流，这样依然可以继续执行其它流操作。

形成一定的链式编程。

##### 1）filter #####

对流中的数据进行过滤、筛选 。

List<Integer> list = Arrays.asList(6, 7, 8, 9, 10);
    Stream<Integer> stream = list.stream().filter(item -> item > 8)

##### 2）distinct #####

// 普通数字集合去重
    List<Integer> list = Arrays.asList(6, 7, 8, 9, 10);
    Stream<Integer> stream = list.stream().distinct();
    
    // 对象集合根据某字段去重（根据图书名称去重）
    Map<Object, Boolean> map = new HashMap<>();
    List<Book> distinctNameBooks = books.stream()
    				   .filter(item -> map.putIfAbsent(item.getName(), Boolean.TRUE) == null)
        			   .collect(Collectors.toList());
    
    // 提取集合中的对象的某个字段属性并去重
    List<String> nameList = pipeList.stream()
                                    .map(Student::getName)
                                    .distinct().collect(Collectors.toList());

> putIfAbsent 方法：
> 
> 如果传入key对应的value已经存在，就返回存在的value，不进行替换。
> 
> 如果不存在，就添加key和value，返回null

##### 3）limit #####

截取此流中的部分元素组成的流，截取前指定参数个数的。

List<Integer> list = Arrays.asList(6, 7, 8, 9, 10);
    Stream<Integer> stream = list.stream().limit(2);

##### 4）skip #####

跳过指定参数个数的数据，返回由该流的剩余元素组成的流。

List<Integer> list = Arrays.asList(6, 7, 8, 9, 10);
    Stream<Integer> stream = list.stream().skip(3);

##### 5）concat #####

合并两个流，返回合并后的新流。

List<Integer> list1 = Arrays.asList(1, 2, 3, 4, 5);
    List<Integer> list2 = Arrays.asList(6, 7, 8, 9, 10);
    Stream<Integer> concat = Stream.concat(list1.stream(), list2.stream());

##### 6）map #####

流映射，可以将接受的元素映射成另外一个类型的元素。

List<String> stringList = Arrays.asList("lambda", "stream");
    Stream<Integer> stream = stringList.stream().map(item -> item.length());

即使是复杂对象也是一样处理。

##### 7）flatMap #####

流转换，可以将一个流中的每个值都转换为另一个流。

Stream<String[]> stream2 = stringList.stream().map(item -> item.split(""));
    Stream<String> stringStream = stream2.flatMap(Arrays::stream);

##### 8）allMatch #####

匹配所有，返回一个`boolean`类型的数据，意为流中元素是否都满足某个条件。

List<Integer> list = Arrays.asList(6, 7, 8, 9, 10);
    if (list.stream().allMatch(item -> item > 5)) {
        
        System.out.println("集合中的所有元素都大于5");
    }

##### 9）anyMatch #####

匹配其中任意一个，返回一个`boolean`类型的数据，意为流中元素是否存在满足某个条件的元素。

List<Integer> list = Arrays.asList(6, 7, 8, 9, 10);
    if (list.stream().anyMatch(item -> item > 5)) {
        
        System.out.println("集合中存在大于5的值");
    }

##### 10）noneMatch #####

全部不匹配，返回一个`boolean`类型的数据，意为流中元素是否都不满足某个条件。

List<Integer> list = Arrays.asList(6, 7, 8, 9, 10);
    if (list.stream().noneMatch(item -> item > 5)) {
        
        System.out.println("集合中的所有元素小于或等于5");
    }

#### 3.2 终结操作 ####

##### 1）forEach #####

对此流的每个元素执行相同操作，和`for`循环效果类似。

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    list.stream().forEach(System.out::println);

##### 2）count #####

统计出流中元素的个数。

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    long count = list.stream().count();

##### 3）counting #####

也是统计出流中元素个数，只不过这一般要与collect联合使用。

import static java.util.stream.Collectors.counting;
    
    List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    Long count = list.stream().count();

##### 4）findFirst #####

查找流中的第一个元素。

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    Optional<Integer> first = list.stream().findFirst();

##### 5）findAny #####

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    Optional<Integer> any = list.stream().findAny();

##### 6）reduce #####

将流中的元素组合起来。

`reduce`方法的第一个参数是一个初始值，第二个参数是初始值和流中的各个元素挨个要进行的操作。

例如是求和，就是初始值依次按照求和规则加上前面的值。

第一个参数初始值是可选的，不一定要填。

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    Integer sum = list.stream().reduce(0, (a, b) -> (a + b));
    
    // 使用方法引用简写
    Integer sum = list.stream().reduce(0, Integer::sum);
    // 方法引用等同于如下写法
    Integer sum2 = list.stream().reduce(0, (a, b) -> Integer.sum(a, b));

> reduce更多应用可以看下面的各类求和、求最大最小值的部分，这里只介绍基本用法

#### 3.3 收集操作 ####

##### 1）Collectors.toList() #####

在底层会创建一个`List`集合.并把所有的数据添加到`List`集合中.

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 2);
    List<Integer> collect = list.stream().filter(number -> number % 2 == 0)
                    					 .collect(Collectors.toList());

##### 2）Collectors.toSet() #####

把流中的数据写使用`set`集合收集起来，使用`set`集合不会保留重复数据

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 2);
    List<Integer> collect = list.stream().filter(number -> number % 2 == 0)
                    					 .collect(Collectors.toSet());

##### 3）Collectors.toMap() #####

List<Integer> list = Arrays.asList("zhangsan,23", "lisi,24");
    // s 依次表示流中的每一个数据
    // 第一个lambda表达式就是如何获取到Map中的键
    // 第二个lambda表达式就是如何获取到Map中的值
    Map<String, Integer> map = list.stream()
        						   .collect(Collectors.toMap(
                                       s -> s.split(",")[0],
                                       s -> Integer.parseInt(s.split(",")[1])
                                    ));

### 四、其它常见操作 ###

#### 4.1 求和 ####

##### 1）给数值集合求和 #####

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    // 方式一、使用lambda表达式
    Integer sum1 = list.stream().reduce(0, (a, b) -> (a + b));
    
    // 方式二、使用方法引用简写
    Integer sum2 = list.stream().reduce(0, Integer::sum);
    // 方法引用等同于如下写法
    Integer sum2 = list.stream().reduce(0, (a, b) -> Integer.sum(a, b));
    
    // 方式三、使用summingInt系列的方法(summingDouble、summingLong等)
    Integer sum3 = list.stream().collect(summingInt(Integer::intValue))
        
    // 方式四、推荐写法 (通过mapToInt将对象流转换为数值流，避免了装箱和拆箱操作，易读的同时保证了性能)
    Integer sum4 = list.stream().mapToInt(item -> item).sum();

##### 2）对集合中对象的某个字段求和 #####

// 这里如果是整型或者是浮点数就用各自的方法即可，因为这样比较常规，所以这里以BigDecimal为例
    List<Book> list = new ArrayList<>();
    BigDecimal reduce = list.stream()
        						// 将Opportunity对象的金额属性取出
                               .map(Book::getCount)   
        						// 使用reduce()聚合函数,得到金额总和
                               .reduce(BigDecimal.ZERO, BigDecimal::add);

#### 4.2 求最大最小值 ####

##### 1）不使用reduce #####

// 普通数值集合
    List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    Optional<Integer> min1 = list.stream().min(Integer::compareTo);
    Optional<Integer> max1 = list.stream().max(Integer::compareTo);
    OptionalInt min2 = list.stream().mapToInt(Integer::valueOf).min();
    OptionalInt max2 = list.stream().mapToInt(Integer::valueOf).max();
    
    // 对象集合
    List<Book> list = new ArrayList<>();
    OptionalInt min3 = list.stream().mapToInt(Book::getCount).min();	// 推荐写法
    OptionalInt max3 = list.stream().mapToInt(Book::getCount).max();	// 推荐写法
    OptionalInt min4 = list.stream()
                           .mapToInt(Book::getCount)
                           .collect(minBy(Integer::compareTo));
    OptionalInt max4 = list.stream()
                           .mapToInt(Book::getCount)
                           .collect(maxBy(Integer::compareTo));

> 推荐写法通过mapToInt将对象流转换为数值流，避免了装箱和拆箱操作，易读的同时保证了性能

##### 2）使用reduce #####

List<Book> list = new ArrayList<>();
    OptionalInt min = list.stream().map(Book::getCount).reduce(Integer::min);
    OptionalInt max = list.stream().map(Book::getCount).reduce(Integer::max);

#### 4.3 求平均值 ####

List<Book> list = new ArrayList<>();
    Double avg = list.stream().collect(averagingInt(Book::getCount));

#### 4.4 同时求总和、平均值、最大值、最小值 ####

List<Book> list = new ArrayList<>();
    IntSummaryStatistics intSummaryStatistics = list.stream().collect(summarizingInt(Book::getCount));
    int min = intSummaryStatistics.getMin();		// 获取最小值
    int max = intSummaryStatistics.getMax();		// 获取最大值
    long sum = intSummaryStatistics.getSum();		// 获取总和
    Double avg = intSummaryStatistics.getAverage(); // 获取平均值

#### 4.5 拼接流中的元素 ####

// joining的方法参数为元素的分界符
    List<String> stringList = Arrays.asList("lambda", "stream");
    String result = stringList.stream().collect(Collectors.joining(","));
    System.out.println(result);		//lambda,stream

#### 4.6 分组 ####

##### 1）普通分组 #####

List<Book> list = new ArrayList<>();
    Map<String, List<Book>> list.stream().collect(groupingBy(Book::getName));

##### 2）使用集合中的对象的某个字段分组并统计每组数量 #####

Map<String, Long> collect = list.stream()
            			.collect(Collectors.groupingBy(ish::getName, Collectors.counting()));

#### 4.7 分区 ####

分区是特殊的分组，它分类依据是`true`和`false`，所以返回的结果最多可以分为两组

List<Book> list = new ArrayList<>();
    Map<Boolean, List<Book>> list.stream().collect(groupingBy(Book::isChina));

应用场景示例：

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
    Map<Boolean, List<Integer>> collect2 = list.stream()
        									   .collect(partitioningBy(item -> item < 3));

输出结果是这样：`{false=[3, 4, 5], true=[1, 2]}`按`true`和`false`分为了两组；

#### 4.8 排序 ####

##### 1）基本数据类型自然排序 #####

List<Integer> list = Arrays.asList(2, 3, 1, 4, 5);
    // 升序
    List<Integer> collect = list.stream().sorted().collect(Collectors.toList());
    
    // 降序
    List<Integer> collect1 = list.stream().sorted(Comparator.reverseOrder())
        								  .collect(Collectors.toList());

##### 2）按照对象属性进行排序 #####

List<Student> list = new ArrayList<>();
    
    // 按学生年龄倒序， 不加reversed()就是升序
    List<Student> collect = list.stream()
                                .sorted(Comparator.comparing(Student::getAge).reversed())
                                .collect(Collectors.toList());
    
    
    // 如果需要多条件排序，可以使用thenComparing()
    // 例如先按照年龄排序，再按照姓名排序
    List<Student> collect2 = list.stream()
                                 .sorted(Comparator.comparing(Student::getAge)
                                 .thenComparing(Comparator.comparing(Student::getName)))
                                 .collect(Collectors.toList());

##### 3） List<Map<String, Object>>集合按某个key进行排序 #####

List<Map<String, Object>> dataList = new ArrayList<>();
    // 准备两数据
    dataList.add(new HashMap<String, Object>() {
        
        {
        
            put("id", "1");
            put("type", "0");
        }
    });
    dataList.add(new HashMap<String, Object>() {
        
        {
        
            put("id", "2");
            put("type", "2");
        }
    });
    
    // 升序
    List<Map<String, Object>> newAscList = dataList.stream()
                            .sorted(Comparator.comparing((Map m) -> (new BigDecimal(m.get("question_type").toString()))))
                            .collect(Collectors.toList());
    
    // 降序
    List<Map<String, Object>> newDescList = dataList.stream()
                            .sorted(Comparator.comparing((Map m) -> (new BigDecimal(m.get("question_type").toString()))).reversed())
                            .collect(Collectors.toList());

### 五、基本数据类型优化 ###

有时用到的很多`Stream`的方法由于都使用了泛型。所以涉及到的参数和返回值都是引用数据类型。

即使操作的是整数小数，但是实际用的都是他们的包装类。

`JDK5`中引入的自动装箱和自动拆箱让我们在使用对应的包装类时就好像使用基本数据类型一样方便。

但是自动装箱和拆箱肯定是要消耗时间的。虽然这个时间消耗很少。但是在大量的数据不断的重复装箱拆箱的时

候，你就不能无视这个时间损耗了。

所以为了让我们能够对这部分的时间消耗进行优化。`Stream`还提供了很多专门针对基本数据类型的方法。

例如：`mapToInt`, `mapToLong`, `mapToDouble`, `flatMapToInt`, `flatMapToDouble`等。

**代码示例：**

public void test() {
        
        List<User> users = getUsers();
        users.stream()
            .map(user -> user.getAge())
            .map(age -> age + 9)
            .forEach(System.out::println);
    
        users.stream()
            .mapToInt(user -> user.getAge())
            .map(age -> age + 9)
            .forEach(System.out::println);
    }

[eda589b6836a4bdc943680bd8b735574.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/27/e5dbfbd29fee41ab931f9272de4c3703.png