为何需要引入流
在我们平常的开发中几乎每天都会有到List、Map等集合API，若是问Java什么API使用最多，我想也应该是集合了。举例：假如我有个集合List，里面元素有1,7,3,8,2,4,9，需要找出里面大于5的元素，具体实现代码：
public List<Integer> getGt5Data() {
List<Integer> data = Arrays.asList(1, 7, 3, 8, 2, 4, 9);
List<Integer> result = new ArrayList<>();
for (Integer num : data) {
if (num > 5) {
result.add(num);
}
}
return result;
}
这个实现让我们感觉到了集合的操作不是太完美，如果是数据库的话，我们只需要简单的在where后面加一个条件大于5就可以得到我们想要的结果，为什么Java的集合就没有这种API呢？
其次，如果我们遇到有大集合需要处理，为了提高性能，我们可能需要使用到多线程来处理，但是写并行程序的复杂度有提高了不少。
基于以上的问题，所有Java8推出了Stream
Stream简介
Stream有哪些特点：
元素的序列：与集合一样可以访问里面的元素，集合讲的是数据，而流讲的是操作，比如：filter、map
源: 流也需要又一个提供数据的源，顺序和生成时的顺序一致
数据的操作：流支持类似于数据库的操作，支持顺序或者并行处理数据；上面的例子用流来实现会更加的简洁
public List<Integer> getGt5Data() {
return Stream.of(1, 7, 3, 8, 2, 4, 9)
.filter(num -> num > 5)
.collect(toList());
}
流水线操作：很多流的方法本身也会返回一个流，这样可以把多个操作连接起来，形成流水线操作
内部迭代：与以往的迭代不同，流使用的内部迭代，用户只需要专注于数据处理
只能遍历一次： 遍历完成之后我们的流就已经消费完了，再次遍历的话会抛出异常
使用Stream
Java8中的Stream定义了很多方法，基本可以把他们分为两类：中间操作、终端操作；要使用一个流一般都需要三个操作：
定义一个数据源
定义中间操作形成流水线
定义终端操作，执行流水线，生成计算结果
构建流
使用Stream.of方法构建一个流
Stream.of("silently","9527","silently9527.cn")
.forEach(System.out::println);
使用数组构建一个流
int[] nums = {3, 5, 2, 7, 8, 9};
Arrays.stream(nums).sorted().forEach(System.out::println);
通过文件构建一个流
使用java.nio.file.Files.lines方法可以轻松构建一个流对象
Files.lines(Paths.get("/Users/huaan9527/Desktop/data.txt"))
.forEach(System.out::println);
中间操作
中间操作会返回另外一个流，这样可以让多个操作连接起来形成一个流水线的操作，只要不触发终端操作，那么这个中间操作都不会实际执行。
filter
该操作接受一个返回boolean的函数，当返回false的元素将会被排除掉
举例：假如我们100个客户，需要筛选出年龄大于20岁的客户
List<Customer> matchCustomers = allCustomers.stream()
.filter(customer -> customer.getAge()>20)
.collect(toList());
distinct
该操作将会排除掉重复的元素
List<Integer> data = Stream.of(1, 7, 3, 8, 2, 4, 9, 7, 9)
.filter(num -> num > 5)
.distinct()
.collect(toList());
limit
该方法限制流只返回指定个数的元素
List<Integer> data = Stream.of(1, 7, 3, 8, 2, 4, 9, 7, 9)
.filter(num -> num > 5)
.limit(2)
.collect(toList());
skip
扔掉前指定个数的元素；配合limit使用可以达到翻页的效果
List<Integer> data = Stream.of(1, 7, 3, 8, 2, 4, 9, 7, 9)
.filter(num -> num > 5)
.skip(1)
.limit(2)
.collect(toList());
map
该方法提供一个函数，流中的每个元素都会应用到这个函数上，返回的结果将形成新类型的流继续后续操作。
举例：假如我们100个客户，需要筛选出年龄大于20岁的客户，打印出他们的名字
allCustomers.stream()
.filter(customer -> customer.getAge() > 20)
.map(Customer::getName)
.forEach(System.out::println);
在调用map之前流的类型是Stream<Customer>，执行完map之后的类型是Stream<String>
flatMap
假如我们需要把客户的名字中的每个字符打印出来，代码如下：
List<Customer> allCustomers = Arrays.asList(new Customer("silently9527", 30));
allCustomers.stream()
.filter(customer -> customer.getAge() > 20)
.map(customer -> customer.getName().split(""))
.forEach(System.out::println);
执行本次结果，你会发现没有达到期望的结果，打印的结果
[Ljava.lang.String;@38cccef
这是因为调用map之后返回的流类型是Stream<String[]>，所有forEach的输入就是String[]；这时候我们需要使用flatMap把String[]中的每个元素都转换成一个流，然后在把所有的流连接成一个流，修改后的代码如下
List<Customer> allCustomers = Arrays.asList(new Customer("silently9527", 30));
allCustomers.stream()
.filter(customer -> customer.getAge() > 20)
.map(customer -> customer.getName().split(""))
.flatMap(Arrays::stream)
.forEach(System.out::println);
执行结果：
sorted
对所有的元素进行排序
List<Integer> numbers = Arrays.asList(1, 7, 3, 8, 2, 4, 9);
numbers.stream().sorted(Integer::compareTo).forEach(System.out::println);
终端操作
终端操作会执行所有的中间操作生成执行的结果，执行的结果不在是一个流。
anyMatch
如果流中有一个元素满足条件将返回true
if (allCustomers.stream().anyMatch(customer -> "silently9527".equals(customer.getName()))) {
System.out.println("存在用户silently9527");
}
allMatch
确保流中所有的元素都能满足
if (allCustomers.stream().allMatch(customer -> customer.getAge() > 20)) {
System.out.println("所有用户年龄都大于20");
}
noneMatch
与allMatch操作相反，确保流中所有的元素都不满足
if (allCustomers.stream().noneMatch(customer -> customer.getAge() < 20)) {
System.out.println("所有用户年龄都大于20");
}
findAny
返回流中的任意一个元素，比如返回大于20岁的任意一个客户
Optional<Customer> optional = allCustomers.stream()
.filter(customer -> customer.getAge() > 20)
.findAny();
findFirst
返回流中的第一个元素
Optional<Customer> optional = allCustomers.stream()
.filter(customer -> customer.getAge() > 20)
.findFirst();
reduce
接受两个参数：一个初始值，一个BinaryOperator<T> accumulator将两个元素合并成一个新的值
比如我们对一个数字list累加
List<Integer> numbers = Arrays.asList(1, 7, 3, 8, 2, 4, 9);
Integer sum = numbers.stream().reduce(0, (a, b) -> a + b);
上面的代码，我们可以简写
Integer reduce = numbers.stream().reduce(0, Integer::sum);
找出流中的最大值、最小值 min、max
numbers.stream().reduce(Integer::max)
numbers.stream().reduce(Integer::min)
count
统计流中元素的个数
数据收集器collect
在Java8中已经预定义了很多收集器，我们可以直接使用，所有的收集器都定义在了Collectors中，基本上可以把这些方法分为三类：
归约和汇总
先看下我们之前求最大值和最小值采用收集器如何实现
找出年龄最大和最小的客户
Optional<Customer> minAgeCustomer = allCustomers.stream().collect(minBy(Comparator.comparing(Customer::getAge)));
Optional<Customer> maxAgeCustomer = allCustomers.stream().collect(maxBy(Comparator.comparing(Customer::getAge)));
求取年龄的平均值
Double avgAge = allCustomers.stream().collect(averagingInt(Customer::getAge));
进行字符串的连接
把客户所有人的名字连接成一个字符串用逗号分隔
allCustomers.stream().map(Customer::getName).collect(joining(","));
分组
在数据库的操作中，我们可以轻松的实现通过一个属性或者多个属性进行数据分组，接下来我们看看Java8如何来实现这个功能。
根据客户的年龄进行分组
Map<Integer, List<Customer>> groupByAge = allCustomers.stream().collect(groupingBy(Customer::getAge));
Map的key就是分组的值年龄，List<Customer>就是相同年龄的用户
我们需要先按照用户的地区分组，在按年龄分组
Map<String, Map<Integer, List<Customer>>> groups = allCustomers.stream()
.collect(groupingBy(Customer::getArea, groupingBy(Customer::getAge)));
在相对于普通的分组，这里多传了第二个参数又是一个groupingBy；理论上我们可以通过这个方式扩展到n层分组
分组后再统计数量
Map<String, Long> groupByCounting = allCustomers.stream()
.collect(groupingBy(Customer::getArea, counting()));
以用户所在地区分组后找出年龄最大的用户
Map<String, Optional<Customer>> optionalMap = allCustomers.stream()
.collect(groupingBy(Customer::getArea, maxBy(Comparator.comparing(Customer::getAge))));
这时候返回的Map中的value被Optional包裹，如果我们需要去掉Optional，可以使用collectingAndThen
Map<String, Customer> customerMap = allCustomers.stream()
.collect(groupingBy(Customer::getArea,
collectingAndThen(maxBy(Comparator.comparing(Customer::getAge)), Optional::get)
));
写在最后（看完不点赞，你们想白嫖我吗）
原创不易 转载请注明出处：https://silently9527.cn/archives/66
参数资料《Java8实战》
评论