Java 8 中的 Stream 是对集合(Collection)对象功能的增强,它专注于对集合对象进行各种非常便利、高效的聚合操作(aggregate operation),或者大批量数据操作 (bulk data operation)。Stream API 借助于同样新出现的 Lambda 表达式,极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作,并发模式能够充分利用多核处理器的优势,使用 fork/join 并行方式来拆分任务和加速处理过程。通常编写并行代码很难而且容易出错, 但使用 Stream API 无需编写一行多线程的代码,就可以很方便地写出高性能的并发程序。所以说,Java 8 中首次出现的 java.util.stream 是一个函数式语言+多核时代综合影响的产物。
在传统的 J2EE 应用中,Java 代码经常不得不依赖于关系型数据库的聚合操作来完成诸如:客户每月平均消费金额、最昂贵的在售商品、本周完成的有效订单(排除了无效的)、取十个数据样本作为首页推荐,这类的操作在传统的Java中除了依赖于数据库外,更多的时候是程序员需要用 Iterator 来遍历集合,完成相关的聚合应用逻辑。这是一种远不够高效、笨拙的方法。在 Java 7 中,如果要发现 type 为 grocery 的所有交易,然后返回以交易值降序排序好的交易 ID 集合,的实现比较:
//Java 7 的排序、取值实现 List<Transaction> groceryTransactions = new Arraylist<>(); for(Transaction t: transactions){ if(t.getType() == Transaction.GROCERY){ groceryTransactions.add(t); } } Collections.sort(groceryTransactions, new Comparator(){ public int compare(Transaction t1, Transaction t2){ return t2.getValue().compareTo(t1.getValue()); } }); List<Integer> transactionIds = new ArrayList<>(); for(Transaction t: groceryTransactions){ transactionsIds.add(t.getId()); } //Java8中stream实现的排序、取值实现 List<Integer> transactionsIds = transactions.parallelStream(). filter(t -> t.getType() == Transaction.GROCERY). sorted(comparing(Transaction::getValue).reversed()). map(Transaction::getId). collect(toList());
Stream 不是集合元素,它不是数据结构并不保存数据,它是有关算法和计算的,它更像一个高级版本的 Iterator。原始版本的 Iterator,用户只能显式地一个一个遍历元素并对其执行某些操作;高级版本的 Stream,用户只要给出需要对其包含的元素执行什么操作,比如 “过滤掉长度大于 10 的字符串”、“获取每个字符串的首字母”等,Stream 会隐式地在内部进行遍历,做出相应的数据转换。
Stream 就如同一个迭代器(Iterator),单向,不可往复,数据只能遍历一次,遍历过一次后即用尽了,就好比流水从面前流过,一去不复返。
而和迭代器又不同的是,Stream 可以并行化操作,迭代器只能命令式地、串行化操作。顾名思义,当使用串行方式去遍历时,每个 item 读完后再读下一个 item。而使用并行去遍历时,数据会被分成多个段,其中每一个都在不同的线程中处理,然后将结果一起输出。
Stream 的另外一大特点是,数据源本身可以是无限的。
当我们使用一个流的时候,通常包括三个基本步骤:
获取一个数据源(source)→ 数据转换→执行操作获取想要的结果,每次转换原有 Stream 对象不改变,返回一个新的 Stream 对象(可以有多次转换),这就允许对其操作可以像链条一样排列,变成一个管道。
package stream; import java.util.Arrays; import java.util.List; import java.util.stream.Collectors; import java.util.stream.IntStream; import java.util.stream.Stream; /** * stream的构造与转换 */ public class Stream01{ public static void main(String[] args){ //构造Stream // 1. Individual values Stream stream = Stream.of("a", "b", "c"); // 2. Arrays String[] strArray = new String[]{"a", "b", "c"}; stream = Stream.of(strArray); stream = Arrays.stream(strArray); // 3. Collections List<String> list = Arrays.asList(strArray); stream = list.stream(); //数值流的构造 //IntStream、LongStream、DoubleStream JDK主动集成了 IntStream.of(new int[]{1, 2, 3}).forEach(System.out::println); IntStream.range(1, 3).forEach(System.out::println); IntStream.rangeClosed(1, 3).forEach(System.out::println); //流转换为其它数据结构 // 1. Array String[] strArray1 = stream.toArray(String[]::new); // 2. Collection List<String> list1 = stream.collect(Collectors.toList()); List<String> list2 = stream.collect(Collectors.toCollection(ArrayList::new)); Set set1 = stream.collect(Collectors.toSet()); Stack stack1 = stream.collect(Collectors.toCollection(Stack::new)); // 3. String String str = stream.collect(Collectors.joining()).toString(); } }
map它的作用就是把 input Stream 的每一个元素,映射成 output Stream 的另外一个元素。map 生成的是个 1:1 映射,每个输入元素,都按照规则转换成为另外一个元素。还有一些场景,是一对多映射关系的,这时需要 flatMap。
package stream; import java.util.Arrays; import java.util.List; import java.util.stream.Collectors; import java.util.stream.Stream; public class StreamMap{ public static void main(String[] args){ //将数组中所有元素全部转换为大写,并以List形式返回 Stream<String> stringStream = Stream.of(new String[]{"a", "b", "c", "d"}); List<String> stringList = stringStream.map(String::toUpperCase) .collect(Collectors.toList()); //生成一个整数 list 的平方数 {1, 4, 9, 16} List<Integer> nums = Arrays.asList(1, 2, 3, 4); List<Integer> squareNums = nums.stream(). map(n -> n * n). collect(Collectors.toList()); Stream.of( Arrays.asList(1), Arrays.asList(2, 3), Arrays.asList(4, 5, 6) ).forEach(System.out::println); Stream<List<Integer>> inputStream = Stream.of( Arrays.asList(1), Arrays.asList(2, 3), Arrays.asList(4, 5, 6) ); Stream<Integer> outputStream = inputStream. flatMap((childList) -> childList.stream()); outputStream.forEach(System.out::println); } }
filter 对原始 Stream 进行某项测试,通过测试的元素被留下来生成一个新 Stream。
public class StreamFilter{ public static void main(String[] args){ Integer[] sixNums = {1, 2, 3, 4, 5, 6}; Integer[] evens = Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new); List<String> output = reader.lines(). flatMap(line -> Stream.of(line.split(REGEXP))). filter(word -> word.length() > 0). collect(Collectors.toList()); } }
forEach 方法接收一个 Lambda 表达式,然后在 Stream 的每一个元素上执行该表达式。
另外一点需要注意,forEach 是 terminal 操作,因此它执行后,Stream 的元素就被“消费”掉了,你无法对一个 Stream 进行两次 terminal 运算。相反,具有相似功能的 intermediate 操作 peek 可以达到上述目的。forEach 不能修改自己包含的本地变量值,也不能用 break/return 之类的关键字提前结束循环。
public static void main(String[] args){ //使用foreach Stream.of("one", "two", "three", "four") .forEach(System.out::println); //使用peek 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()); }
findFirst是一个 termimal 兼 short-circuiting 操作,它总是返回 Stream 的第一个元素,或者空。它的返回值类型是Optional。这也是一个模仿 Scala 语言中的概念,作为一个容器,它可能含有某值,或者不包含。使用它的目的是尽可能避免 NullPointerException。另外Stream 中的 findAny、max/min、reduce 等方法等返回 Optional 值。还有例如 IntStream.average() 返回 OptionalDouble 等等。
String strA = " abcd ", strB = null; print(strA); print(""); print(strB); getLength(strA); getLength(""); getLength(strB); public static void print(String text){ // Java 8 Optional.ofNullable(text).ifPresent(System.out::println); // Pre-Java 8 if (text != null) { System.out.println(text); } } public static int getLength(String text){ // Java 8 return Optional.ofNullable(text).map(String::length).orElse(-1); // Pre-Java 8 // return if (text != null) ? text.length() : -1; };
这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值(种子),然后依照运算规则(BinaryOperator),和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说,字符串拼接、数值的 sum、min、max、average 都是特殊的 reduce。也有没有起始值的情况,这时会把 Stream 的前面两个元素组合起来,返回的是 Optional。
下面是reduce的一些使用实例
public static void main(String[] args){ //字符串连接 结果为"ABCD" String concatStr = Stream.of("A", "B", "C", "D").reduce("", String::concat); //求最小值 结果为-3.0 Double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min); // 求和,有起始值 结果为10 // 第一个参数(空白字符)即为起始值,第二个参数(String::concat)为 BinaryOperator。 // 这类有起始值的 reduce() 都返回具体的对象 int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum); // @注意 // 求和,sumValue = 10, 无起始值 //没有起始值的 reduce(),由于可能没有足够的元素,返回的是 Optional sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get(); // 过滤,字符串连接,结果为"ace" concatStr = Stream.of("a", "B", "c", "D", "e", "F"). filter(x -> x.compareTo("Z") > 0). reduce("", String::concat); }
limit 返回 Stream 的前面 n 个元素;skip 则是扔掉前 n 个元素(它是由一个叫 subStream 的方法改名而来)。
package stream; import java.util.ArrayList; import java.util.List; import java.util.stream.Collectors; public class StreamLimit{ private static class Person{ public int no; private String name; public Person(int no, String name){ this.no = no; this.name = name; } public String getName(){ System.out.println(name); return name; } } public static void main(String[] args){ List<Person> persons = new ArrayList(); for (int i = 1; i <= 10000; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<String> personList2 = persons.stream(). map(Person::getName). limit(5). skip(3) .collect(Collectors.toList()); System.out.println(personList2); } }
对 Stream 的排序通过 sorted 进行,它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后,再排序,这能帮助程序明显缩短执行时间。
package stream; import java.util.ArrayList; import java.util.List; import java.util.stream.Collectors; public class StreamSorted{ private static class Person{ public int no; private String name; public Person(int no, String name){ this.no = no; this.name = name; } public String getName(){ System.out.println(name); return name; } } public static void main(String[] args){ List<Person> persons = new ArrayList(); for (int i = 1; i <= 10000; i++) { Person person = new Person(i, "name" + i); persons.add(person); } //先过滤数据最后在排序 List<Person> personList2 = persons.stream().limit(5) .skip(3) .sorted((p1, p2) -> p1.getName().compareTo(p2.getName())) .collect(Collectors.toList()); System.out.println(personList2); // 找出最大的行 BufferedReader br = new BufferedReader(new FileReader("c://SUService.log")); int longest = br.lines(). mapToInt(String::length). max(). getAsInt(); } }
Stream 有三个 match 方法,从语义上说
List<Person> persons = new ArrayList(); persons.add(new Person(1, "name" + 1, 10)); persons.add(new Person(2, "name" + 2, 21)); persons.add(new Person(3, "name" + 3, 34)); persons.add(new Person(4, "name" + 4, 6)); persons.add(new Person(5, "name" + 5, 55)); boolean isAllAdult = persons.stream(). allMatch(p -> p.getAge() > 18); System.out.println("All are adult? " + isAllAdult); boolean isThereAnyChild = persons.stream(). anyMatch(p -> p.getAge() < 12); System.out.println("Any child? " + isThereAnyChild);
通过实现 Supplier 接口,你可以自己来控制流的生成。这种情形通常用于随机数、常量的 Stream,或者需要前后元素间维持着某种状态信息的 Stream。把 Supplier 实例传递给 Stream.generate() 生成的 Stream,默认是串行(相对 parallel 而言)但无序的(相对 ordered 而言)。由于它是无限的,在管道中,必须利用 limit 之类的操作限制 Stream 大小。
Random seed = new Random(); Supplier<Integer> random = seed::nextInt; Stream.generate(random).limit(10).forEach(System.out::println); //Another way IntStream.generate(() -> (int) (System.nanoTime() % 100)). limit(10).forEach(System.out::println);
Stream.generate() 还接受自己实现的 Supplier。例如在构造海量测试数据的时候,用某种自动的规则给每一个变量赋值;或者依据公式计算 Stream 的每个元素值。这些都是维持状态信息的情形。
//自实现 Supplier Stream.generate(new PersonSupplier()). limit(10). forEach(p -> System.out.println(p.getName() + ", " + p.getAge())); private class PersonSupplierimplements Supplier<Person>{ private int index = 0; private Random random = new Random(); @Override public Person get(){ return new Person(index++, "StormTestUser" + index, random.nextInt(100)); } }
iterate 跟 reduce 操作很像,接受一个种子值,和一个 UnaryOperator(例如 f)。然后种子值成为 Stream 的第一个元素,f(seed) 为第二个,f(f(seed)) 第三个,以此类推。
//生成一个等差数列 Stream.iterate(0, n -> n + 3).limit(10). forEach(x -> System.out.print(x + " "));.
一个顺序执行的stream转变成一个并发的stream只要调用 parallel()方法。将一个并发流转成顺序的流只要调用sequential()方法。并行流就是一个把内容分成多个数据块,并用不不同的线程分别处理每个数据块的流。最后合并每个数据块的计算结果。
//用简单的程序验证是否是线程安全的 package stream; import java.util.ArrayList; import java.util.List; import java.util.concurrent.locks.Lock; import java.util.concurrent.locks.ReentrantLock; import java.util.stream.IntStream; public class StreamParallel{ public static void main(String[] args){ List<Integer> list1 = new ArrayList<>(); List<Integer> list2 = new ArrayList<>(); List<Integer> list3 = new ArrayList<>(); Lock lock = new ReentrantLock(); IntStream.range(0, 10000).forEach(list1::add); IntStream.range(0, 10000).parallel().forEach(list2::add); IntStream.range(0, 10000).forEach(i -> { lock.lock(); try { list3.add(i); } finally { lock.unlock(); } }); System.out.println("串行执行的大小-大小始终10000:" + list1.size()); System.out.println("并行执行的大小-大小不一定:" + list2.size()); System.out.println("加锁并行执行的大小-大小始终10000:" + list3.size()); } }
将Stream转换为常见的集合对象或者自定义的对象是经常需要的操作。下面是常见的转换方式
package stream; import java.util.List; import java.util.Map; import java.util.Set; import java.util.function.Function; import java.util.stream.Collectors; import java.util.stream.Stream; public class StreamCollect01{ //将Stream转换为常见的集合对象 public static void main(String[] args){ Stream<String> stream = Stream.of("I", "love", "you", "too"); //将Stream转换为List List<String> list = stream.collect(Collectors.toList()); list.forEach(System.out::println); //将Stream转换为Set Stream<String> stream1 = Stream.of("I", "love", "you", "too"); Set<String> set = stream1.collect(Collectors.toSet()); set.forEach(System.out::println); //将Stream转换为Map Stream<String> stream2 = Stream.of("I", "love", "you", "too"); Map<String, Integer> map = stream2.collect(Collectors.toMap(Function.identity(), String::length)); map.forEach((k, v) -> System.out.println(k + "=" + v)); } }
观察Stream的定义可以看到俩个版本的collect的方法,分别如下:
//Supplier<R> var1函数接口,该接口声明了一个get方法,主要用来创建返回一个指定数据类型的对象 //BiConsumer 函数接口,该接口声明了accept方法,并无返回值,该函数接口主要用来声明一些预期操作。 //BiConsumer 该接口指定了apply方法执行的参数类型及返回值类 //简单的理解为 目标容器是什么?新元素如何添加到容器中?3. 多个部分结果如何合并成一个。 <R> Rcollect(Supplier<R> var1, BiConsumer<R, ?super T> var2, BiConsumer<R, R> var3); // 可以理解为对上述借口的以一个封装 <R, A> Rcollect(Collector<?super T, A, R> var1);
查阅Collector的定义如下,你会发现其和多参数的Stream.collect函数很相似
public interface Collector<T,A,R>{ //用来创建并且返回一个可变结果容器 Supplier<A>supplier(); //将一个值叠进一个可变结果容器 BiConsumer<A, T>accumulator(); //接受两个部分结果并将它们合并。可能是把一个参数叠进另一个参数并且返回另一个参数, //也有可能返回一个新的结果容器,多线程处理时会用到 BinaryOperator<A>combiner(); //将中间类型执行最终的转换,转换成最终结果类型 //如果属性 IDENTITY_TRANSFORM 被设置,该方法会假定中间结果类型可以强制转成最终结果类型 Function<A, R>finisher(); //收集器的属性集合 Set<Collector.Characteristics> characteristics(); static <T, R> Collector<T, R, R>of(Supplier<R> var0, BiConsumer<R, T> var1, BinaryOperator<R> var2, Collector.Characteristics... var3){ Objects.requireNonNull(var0); Objects.requireNonNull(var1); Objects.requireNonNull(var2); Objects.requireNonNull(var3); Set var4 = var3.length == 0 ? Collectors.CH_ID : Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH, var3)); return new CollectorImpl(var0, var1, var2, var4); } static <T, A, R> Collector<T, A, R>of(Supplier<A> var0, BiConsumer<A, T> var1, BinaryOperator<A> var2, Function<A, R> var3, Collector.Characteristics... var4){ Objects.requireNonNull(var0); Objects.requireNonNull(var1); Objects.requireNonNull(var2); Objects.requireNonNull(var3); Objects.requireNonNull(var4); Set var5 = Collectors.CH_NOID; if (var4.length > 0) { EnumSet var6 = EnumSet.noneOf(Collector.Characteristics.class); Collections.addAll(var6, var4); var5 = Collections.unmodifiableSet(var6); } return new CollectorImpl(var0, var1, var2, var3, var5); } public static enum Characteristics { CONCURRENT, UNORDERED, IDENTITY_FINISH; private Characteristics(){ } } }
下面演示使用自定义的类型收集器
package stream; import java.util.*; import java.util.function.BiConsumer; import java.util.function.BinaryOperator; import java.util.function.Function; import java.util.function.Supplier; import java.util.stream.Collector; import java.util.stream.Stream; import static java.util.stream.Collector.Characteristics.CONCURRENT; import static java.util.stream.Collector.Characteristics.IDENTITY_FINISH; import static java.util.stream.Collectors.toMap; public class StreamCollect02{ private static class Person{ private String name; private int age; private double height; public Person(){ } public Person(String name,int age, double height){ this.name = name; this.age = age; this.height = height; } 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; } public double getHeight(){ return height; } public void setHeight(double height){ this.height = height; } } /** * Person对象集合按年龄来分组 */ public static class MyGroupingimplements Collector<Person,Map<Integer,ArrayList<Person>>,Map<Integer,ArrayList<Person>>>{ @Override public Supplier<Map<Integer, ArrayList<Person>>> supplier() { return HashMap::new; } @Override public BiConsumer<Map<Integer, ArrayList<Person>>, Person> accumulator() { return (map, p) -> { ArrayList<Person> list; if ((list = map.get(p.getAge())) != null) { list.add(p); } else { list = new ArrayList<>(); list.add(p); map.put(p.getAge(), list); } }; } @Override public BinaryOperator<Map<Integer, ArrayList<Person>>> combiner() { return (m1, m2) -> Stream.of(m1, m2) .map(Map::entrySet) .flatMap(Collection::stream) .collect(toMap(Map.Entry::getKey, Map.Entry::getValue, (e1, e2) -> { e1.addAll(e2); return e1; })); } @Override public Function<Map<Integer, ArrayList<Person>>, Map<Integer, ArrayList<Person>>> finisher() { return Function.identity(); } @Override public Set<Characteristics> characteristics(){ return Collections.unmodifiableSet(EnumSet.of(IDENTITY_FINISH, CONCURRENT)); } } private static class PersonSupplierimplements Supplier<Person>{ private int index = 0; private Random random = new Random(); @Override public Person get(){ return new Person("Name"+String.valueOf(index++), random.nextInt(100), random.nextDouble()); } } public static void main(String[] args){ //使用自定义的类型收集器将stream转换为想要的数据类型 Map<Integer, ArrayList<Person>> collect = Stream.generate(new PersonSupplier()).limit(100).collect(new MyGrouping()); collect.forEach((k,v)-> System.out.println(k+"="+v)); } }
由于在Java系统中常用的数据类型就那么几种,因此JDK默认封装了一些常用的类型收集器。可以查阅java.util.stream.Collectors类型收集器工程查阅这些默认的封装,这其中就包括了toList、toMap等方法。java.util.stream.Collectors 类的主要作用就是辅助进行各类有用的 reduction 操作,例如转变输出为 Collection,把 Stream 元素进行归组。下面使用groupingBy/partitioningBy进行分组收集。
//按照年龄归组 Map<Integer, List<Person>> personGroups = Stream.generate(new PersonSupplier()). limit(100). collect(Collectors.groupingBy(Person::getAge)); Iterator it = personGroups.entrySet().iterator(); while (it.hasNext()) { Map.Entry<Integer, List<Person>> persons = (Map.Entry) it.next(); System.out.println("Age " + persons.getKey() + " = " + persons.getValue().size()); } // 按照未成年人和成年人归组 Map<Boolean, List<Person>> children = Stream.generate(new PersonSupplier()). limit(100). collect(Collectors.partitioningBy(p -> p.getAge() < 18)); System.out.println("Children number: " + children.get(true).size()); System.out.println("Adult number: " + children.get(false).size());
https://blog.csdn.net/io_field/article/details/54971608
https://blog.csdn.net/zw19910924/article/details/76945279
https://segmentfault.com/a/1190000012166699
https://www.cnblogs.com/GYoungBean/p/4301557.html
https://blog.csdn.net/zhang89xiao/article/details/51942614
http://ifeve.com/stream/
https://blog.csdn.net/nianhua120/article/details/53406583
https://www.cnblogs.com/puyangsky/p/7608741.html
https://www.cnblogs.com/CarpenterLee/p/6550212.html