Java8新特性之流式操作

Java 8 API添加了一个新的抽象称为流Stream，可以让你以一种声明的方式处理数据。

Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。

Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。

这种风格将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选， 排序，聚合等。

元素流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果。

1.流式操作举例

1.1创建实体类

public class Person {

    private String name;
    private Integer age;
    private Integer score;

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public Integer getAge() {
        return age;
    }

    public void setAge(Integer age) {
        this.age = age;
    }

    public Integer getScore() {
        return score;
    }

    public void setScore(Integer score) {
        this.score = score;
    }

    public Person() {
    }

    public Person(String name, Integer age, Integer score) {
        this.name = name;
        this.age = age;
        this.score = score;
    }

    @Override
    public String toString() {
        return "Person{" +
                "name='" + name + '/'' +
                ", age=" + age +
                ", score=" + score +
                '}';
    }
}
复制代码

1.2 传统的对象初始化方式

public class Program {
    public static void main(String[] args) {
        //使用构造器设置对象信息
//        Person xiaomign = new Person("小明", 28, 90);

        //使用getter、setter方式设置对象信息
        Person xiaoming = new Person();
        xiaoming.setName("小明");
        xiaoming.setAge(18);
        xiaoming.setScore(90);
    }
}
复制代码

1.3 使用流式操作初始化对象

1.3.1 修改实体类

public class Person {

    private String name;
    private Integer age;
    private Integer score;

    public String getName() {
        return name;
    }

    public Person setName(String name) {
        this.name = name;
        return this;
    }

    public Integer getAge() {
        return age;
    }

    public Person setAge(Integer age) {
        this.age = age;
        return this;
    }

    public Integer getScore() {
        return score;
    }

    public Person setScore(Integer score) {
        this.score = score;
        return this;
    }

    public Person() {
    }

    public Person(String name, Integer age, Integer score) {
        this.name = name;
        this.age = age;
        this.score = score;
    }

    @Override
    public String toString() {
        return "Person{" +
                "name='" + name + '/'' +
                ", age=" + age +
                ", score=" + score +
                '}';
    }
}
复制代码

1.3.2 使用流式操作

//流式操作
xiaoming.setName("小明").setAge(20).setScore(100);
复制代码

2.集合的流式操作

集合的流式操作是Java8的一个新特性，流式操作不是一个数据结构，不负责任何的数据存储，它更像是一个迭代器，可以有序的获取数据源中的每一个数据，并且可以对这些数据进行一些操作。 流式操作的每一个方法的返回值都是这个流的本身 。

2.1 流式操作的三个步骤

2.1.1 获取数据源：集合、数组

• 设置数据源

  public class Data {
  
      /**
       * 数据源
       */
      public static ArrayList<Person> getData() {
          ArrayList<Person> list = new ArrayList<Person>();
  
          list.add(new Person("小明", 18, 100));
          list.add(new Person("小丽", 19, 70));
          list.add(new Person("小王", 22, 85));
          list.add(new Person("小张", 20, 90));
          list.add(new Person("小黑", 21, 95));
          return list;
      }
  }
  复制代码

• 获取数据源的方式

  public class Program {
      public static void main(String[] args) {
  
          // 获取数据源方式1
          Stream stream = Data.getData().stream();
  
          // 获取数据源方式2
          Stream.of(Data.getData());
          
          // 获取数据源方式3
          	//数据源为数组
      }
  }
  复制代码

2.1.2 对数据进行处理的过程：过滤、排序、映射等（中间操作）

中间操作1：filter

• 使用filter自定义条件过滤数据

  // 中间操作1: filter
  // filter是一个过滤器，可以自定义一个过滤条件，将流中满足条件的元素保留
  // 查找集合中成绩小于80的学生
  List<Person> list = Data.getData().stream()
      .filter(ele -> ele.getScore() < 80)
      .collect(Collectors.toList());
  System.out.println(list);
  复制代码

中间操作2：distinct

• 使用distinct实现去重操作

  在数据源中添加重复的数据

  list.add(new Person("小黑", 21, 95));	//此时list中有两个小黑
  复制代码

  在实体类中重写hashCode()和equals()方法

  @Override
  public boolean equals(Object o) {
      if (this == o) return true;
      if (o == null || getClass() != o.getClass()) return false;
      Person person = (Person) o;
      return Objects.equals(name, person.name) &&
          Objects.equals(age, person.age) &&
          Objects.equals(score, person.score);
  }
  
  @Override
  public int hashCode() {
      return Objects.hash(name, age, score);
  }
  复制代码

  去重规则:

  • 先判断对象的hashCode()

  • 如果hashCode()相同再判断equals()

  // 中间操作2: distinct
  // distinct: 取出集合中不同的元素
  // 去重规则:
  // 1.先判断对象的hashCode()
  // 2.如果hashCode()相同再判断equals()
  Data.getData().stream().distinct().forEach(System.out::println);
  复制代码

注意：如果小黑的数据相同却要保存两份，可以在 hashCode() 方法中返回一个随机数，随机数很小概率会相同，为了确保稳定性，可以将 equals() 方法改为返回 false ，这样可以保留两个信息相同的小黑。

中间操作3：sorted

• 使用 sorted() 方法以成绩进行升序排序

  要求实体类实现Comparable接口并重写方法

  // 中间操作3: sorted
  // sorted: 对返回的元素进行排序
  // sorted(): 要求实体类实现Comparable接口并重写方法
  Data.getData().stream().sorted().forEach(System.out::println);
  复制代码

中间操作4：limit

• 在数据源中取前三个数据

  // 中间操作4: limit
  // limit: 限制,只取流中前指定位的数据
  // 在数据源中取前三个数据
  Data.getData().stream().limit(3).forEach(System.out::println);
  复制代码

中间操作5：skip

• 跳过前三个元素,取后面剩下的元素

  // 中间操作5: skip
  // skip: 跳过
  // 跳过前三个元素,取后面剩下的元素
  Data.getData().stream().skip(3).forEach(System.out::println);
  复制代码

中间操作6：map

元素映射,用指定的元素替换掉流中的元素

• 使用map将对象替换为对象的名字

  // 中间操作6: map
  // map: 元素映射,用指定的元素替换掉流中的元素
  // 将流中的Person对象替换位他们的姓名
  Data.getData().stream().map(ele -> ele.getName()).forEach(System.out::println);
  复制代码

2.1.3 对流中数据的整合：转成集合、数量（最终操作）

最终操作1：collect

• 转换为List

  public class Program {
      public static void main(String[] args) {
  
          // 获取数据源方式1
          Stream<Person> stream = Data.getData().stream();
  
          // 最终操作1: collect，配合Collectors使用
          // 将集合中的元素转换成List
          List<Person> list = stream.collect(Collectors.toList());
  
          System.out.println(list);
      }
  }
  复制代码

  运行结果

• 转换为set

  // 将集合中的元素转换为Set
  Set<Person> set = stream.collect(Collectors.toSet());
  System.out.println(set);
  复制代码

  运行结果

• 转换为map

  // 转换为Map（name为键，score为值）
          // 方式1
  //        Map<String, Integer> map = stream.collect(Collectors.toMap(
  //                ele -> ele.getName(),
  //                ele -> ele.getScore()
  //        ));  
          
          // 方式2        
          Map<String, Integer> map = stream.collect(Collectors.toMap(
                  Person::getName,
                  Person::getScore
          ));
  复制代码

  运行结果

最终操作2：reduce

reduce的思想

比如在计算一个数组中的元素的和时，首先会计算前两个数的和，然后拿着前两个数的和与第三个数求和，计算出结果后将三个数的和与第四个数相加，以此类推。

• 计算数组中数据的和

  // 最终操作2: reduce（将数据汇总在一起）
  Stream<Integer> stream1 = Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
  Optional<Integer> res = stream1.reduce((n1, n2) -> n1 + n2);
  // 获取到最终的返回值
  System.out.println(res.get());
  复制代码

• 使用reduce计算Person对象中成绩的和

  // 计算Person中Score的和
  Optional<Person> res = stream.reduce(
      (n1, n2) -> new Person().setScore(n1.getScore() + n2.getScore())
  );
  System.out.println(res.get().getScore());
  复制代码

缺点：上面的写法每次都会产生一个临时的对象，产生了不必要的性能损耗

• 使用reduce计算Person对象中成绩的和（优化）

  // 计算Person中Score的和（使用临时变量，减少性能开销）
  Person temp = new Person();
  Optional<Person> res = stream.reduce(
      (n1, n2) -> temp.setScore(n1.getScore() + n2.getScore())
  );
  System.out.println(res.get().getScore());
  复制代码

最终操作3：max和min

• 使用max找出Person中成绩最高的人

  // 最终操作3: max和min
  // 需求1: 找到集合中成绩最高的人的信息
  Person max = stream.max(
      (ele1, ele2) -> ele1.getScore() - ele2.getScore()
  ).get();
  System.out.println(max);
  复制代码

• 使用min找出Person中成绩最低的人

  // 需求2: 找到集合中成绩最低的人的信息
  Person min = stream.min(
      (ele1, ele2) -> ele1.getScore() - ele2.getScore()
  ).get();
  System.out.println(min);
  复制代码

最终操作4：matching

• 使用anyMatch查看集合中是否有成绩高于80的人

  // 判断集合中是否包含成绩大于80的学员
  boolean res1 = stream.anyMatch((ele) -> ele.getScore() > 80);
  System.out.println(res1);
  复制代码

• 使用allMatch查看集合中的成绩是否全部高于60

  //查看集合中的人的成绩是否全部高于60
  boolean res2 = stream.allMatch((ele) -> ele.getScore() > 60);
  System.out.println(res2);
  复制代码

• 使用noneMatch查看集合中的人的分数是否不包含80以下的

  boolean res3 = stream.noneMatch((ele) -> ele.getScore() < 80);
  System.out.println(res3);
  复制代码

最终操作5：count

• 使用count计算元数据中有多少条数据

  // 最终操作5: 求元数据中有多少个元素
  long count = stream.count();
  System.out.println(count);
  复制代码

最终操作6：forEach

• 使用forEach遍历集合中的元素

  // 最终操作6: forEach
  // stream.forEach(ele -> System.out.println(ele));
  stream.forEach(System.out::println);
  复制代码

最终操作7：findFirst和findAny

• FindFirst: 获取流中的第一个元素 FindAny: 获取流中任意一个元素（并不是随机获取元素） 对于串行流，结果等同于findFirst findAny用于并行流中可能会与findFirst一样，也可能不一样

// FindFirst: 获取流中的第一个元素
// FindAny: 获取流中任意一个元素（并不是随机获取元素）
//          对于串行流，结果等同于findFirst
//          findAny用于并行流中可能会与findFirst一样，也可能不一样
System.out.println(Data.getData().parallelStream().findFirst());
System.out.println(Data.getData().stream().findFirst());
System.out.println(Data.getData().parallelStream().findAny());
System.out.println(Data.getData().stream().findAny());
复制代码

最终操作的注意事项

• 为什么会被称为最终操作?

  Person max = stream.max(
      (ele1, ele2) -> ele1.getScore() - ele2.getScore()
  ).get();
  Person min = stream.min(
      (ele1, ele2) -> ele1.getScore() - ele2.getScore()
  ).get();
  复制代码

报错信息表示 流正在被处理或者已经被关闭了 ，如果已经被关闭了再次调用当然会报错，这也是为什么叫最终操作的原因。

3.并行流

3.1 获取并行流的方式

// 并行流
// 获取并行流的两种方式
Data.getData().stream().parallel();
Data.getData().parallelStream();
复制代码

3.2 并行流与串行流对比

// 串行流: 19920ms
// 并行流: 12204ms
long startTime = System.currentTimeMillis();
//LongStream.rangeClosed(0L, 50000000000L)
//    .reduce(Long::sum);
LongStream.rangeClosed(0L, 50000000000L)
    .parallel()
    .reduce(Long::sum);
long endTime = System.currentTimeMillis();

System.out.println(endTime - startTime);
复制代码

3.3 flatMap

String[] array = {"hello", "world"};
// 需要获取所有字符 List -> h, e, l, l, o, w, o, r, l, d
//        Arrays.stream(array)
//                .map(ele -> ele.split(""))
//                .forEach(ele -> System.out.println(ele.length));
System.out.println(Arrays.stream(array)
                   .map(ele -> ele.split(""))
                   .flatMap(Arrays::stream)
                   .collect(Collectors.toList()));
复制代码

4.Collectors

Collectors是一个工具类，提供着若干个方法，返回一个Collector接口的实现类对象

4.1 maxBy

​ 通过指定的规则获取流中最大的元素

System.out.println(Data.getData().stream()
                .collect(Collectors.maxBy((ele1, ele2) -> ele1.getScore() - ele2.getScore())));
复制代码

4.2 minBy

​ 通过指定的规则获取流中最小的元素

System.out.println(Data.getData().stream()
                .collect(Collectors.minBy((ele1, ele2) -> ele1.getScore() - ele2.getScore())));
复制代码

4.3 joining

合并，将流中的元素，以字符串的形式拼接起来

// 把Person中的姓名拼成一个字符串
String res1 = Data.getData().stream()
    .map(Person::getName)
    .collect(Collectors.joining());
System.out.println(res1);
复制代码

String res2 = Data.getData().stream()
    .map(Person::getName)
    .collect(Collectors.joining("-"));
System.out.println(res2);
复制代码

String res3 = Data.getData().stream()
    .map(Person::getName)
    .collect(Collectors.joining("-", "{", "}"));
System.out.println(res3);
复制代码

4.4 summingInt

计算int类型的和，将流中的元素映射为int类型的元素进行求和

• 将Person对象的成绩进行求和

  // 将Person对象的成绩进行求和
  System.out.println(Data.getData().stream()
                     .collect(Collectors.summingInt(ele -> ele.getScore())));
  复制代码

4.5 averagingInt

计算int类型的平均值

• 计算不及格学生的平均成绩

  System.out.println(Data.getData().stream()
                     .filter(ele -> ele.getScore() < 60)
                     .collect(Collectors.averagingInt(Person::getScore)));
  复制代码

4.6 summarizingInt

将流中的元素映射成int类型的元素，获取这些数据的描述信息

System.out.println(Data.getData().stream()
                   .collect(Collectors.summarizingInt(ele -> ele.getScore())));
复制代码