JDK新特性——Stream代码简洁之道的详细用法

一、概述

Stream 是一组用来处理数组、集合的API，Stream API 提供了一种高效且易于使用的处理数据的方式。

Java 8 中之所以费这么大的功夫引入 函数式编程 ，原因有两个：

代码简洁函数式编程写出的代码简洁且意图明确，使用stream接口让你从此告别for循环。
多核友好，Java函数式编程使得编写并行程序从未如此简单，你需要的全部就是用用一下parallel()方法
Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作

二、Stream特性

1、不是数据结构，没有内部存储，不会保存数据，故每个Stream流只能使用一次

2、不支持索引访问

3、支持并行

4、很容易生成数据或集合(List，Set)

5、支持过滤、查找、转换、汇总、聚合等操作

6、延迟计算，流在中间处理过程中，只是对操作进行了记录，并不会立即执行，需要等到执行终止操作的时候才会进行实际的计算

三、分类

关于应用在Stream流上的操作，可以分成两种：

Intermediate(中间操作)： 中间操作的返回结果都是Stream，故可以多个中间操作叠加；
Terminal(终止操作)： 终止操作用于返回我们最终需要的数据，只能有一个终止操作。

使用Stream流，可以清楚地知道我们要对一个数据集做何种操作，可读性强。而且可以很轻松地获取并行化Stream流，不用自己编写多线程代码，可以让我们更加专注于业务逻辑。

无状态： 指元素的处理不受之前元素的影响；

有状态： 指该操作只有拿到所有元素之后才能继续下去。

非短路操作： 指必须处理所有元素才能得到最终结果；

短路操作： 指遇到某些符合条件的元素就可以得到最终结果，如 A || B，只要A为true，则无需判断B的结果。

四、Stream的创建

1、通过数组来生成

2、通过集合来生成

3、通过Stream.generate方法来创建

4、通过Stream.iterate方法来创建

5、其他Api创建

4.1 通过数组来生成

 //通过数组来生成

    static void gen1(){

        String[] strs = {"a","b","c","d"};

        Stream<String> strs1 = Stream.of(strs);//使用Stream中的静态方法：of()

        strs1.forEach(System.out::println);//打印输出(a、b、c、d)

    }

4.2 通过集合来生成

//通过集合来生成

    static void gen2(){

        List<String> list = Arrays.asList("1","2","3","4");

        Stream<String> stream = list.stream();//获取一个顺序流

        stream.forEach(System.out::println);//打印输出（1,2,3,4）

    }

4.3 通过Stream.generate方法来创建

    //generate

    static void gen3(){

        Stream<Integer> generate = Stream.generate(() -> 1);//使用Stream中的静态方法：generate()

        //limit 返回由该流的元素组成的流，截断长度不能超过maxSize

        generate.limit(10).forEach(System.out::println);//打印输出(打印10个1)

    }

4.4 通过Stream.iterate方法来创建

    //使用iterator

    static void gen4() {

        Stream<Integer> iterate = Stream.iterate(1, x -> x + 1);//使用Stream中的静态方法：iterate()

        iterate.limit(10).forEach(System.out::println);//打印输出(1,2,3,4,5,6,7,8,9,10)

    }

4.4 其他Api创建

//其他方式

    static void gen5(){

        String str = "abcdefg";

        IntStream stream =str.chars();//获取str 字节码

        stream.forEach(System.out::println);//打印输出(97,98,99,100,101,102,103)

    }

五、Stream的常用API

5.1 中间操作

1. filter：过滤流中的某些元素

 //中间操作:如果调用方法之后返回的结果是Stream对象就意味着是一个中间操作

  Arrays.asList(1,2,3,4,5).stream()//获取顺序流

  .filter((x)->x%2==0) // 2 4

  .forEach(System.out::println);

 //求出结果集中所有偶数的和

 int count = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9).stream()//获取顺序流

 .filter(x -> x % 2 == 0).// 2 4 6 8

 mapToInt(x->x).sum();//求和

 System.out.println(count); //打印输出 20

2. distinct：通过流中元素的 hashCode() 和 equals() 去除重复元素

 Arrays.asList(1,2,3,3,3,4,5,2).stream()//获取顺序流

 	.distinct()//去重

 	.forEach(System.out::println);// 打印输出(1,2,3,4,5)

 System.out.println("去重：---------------");

 Arrays.asList(1,2,3,3,3,4,5,2).stream()//获取顺序流

 	.collect(Collectors.toSet())//Set()去重

 	.forEach(System.out::println);// 打印输出(1,2,3,4,5)

3. 排序

sorted()：返回由此流的元素组成的流，根据自然顺序排序。

sorted(Comparator com)：返回由该流的元素组成的流，根据提供的 Comparator进行排序。

//获取最大值和最小值但是不使用min和max方法

   List<Integer> list = Arrays.asList(1,2, 3,4, 5, 6);

   Optional<Integer> min = list.stream().sorted().findFirst();//自然排序 根据数字从小到大排列

   System.out.println(min.get());//打印输出（1）

   Optional<Integer> max2 = list.stream().sorted((a, b) -> b - a).findFirst();//定时排序 根据最大数进行排序

   System.out.println(max2.get());//打印输出（6）

 //按照大小(a-z)排序

 Arrays.asList("java","c#","python","scala").stream().sorted().forEach(System.out::println);

 //按照长度排序

 Arrays.asList("java","c#","python","scala").stream().sorted((a,b)->a.length()-b.length()).forEach(System.out::println);

4. 截取

limit(n)：返回由此流的元素组成的流，截短长度不能超过 n

skip(n)：在丢弃流的第n元素后，配合limit(n)可实现分页

//打印20-30这样的集合数据

      Stream.iterate(1,x->x+1).limit(50)// limit 50 总共到50

      .skip(20)// 跳过前 20

      .limit(10) // 打印10个

      .forEach(System.out::println);//打印输出(21,22,23,24,25,26,27,28,29,30)

5. 转换

map：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。

flatMap：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。

List<String> list = Arrays.asList("a,b,c", "1,2,3");

//将每个元素转成一个新的且不带逗号的元素

Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));

s1.forEach(System.out::println); // abc  123

Stream<String> s3 = list.stream().flatMap(s -> {

    //将每个元素转换成一个stream

    String[] split = s.split(",");

    Stream<String> s2 = Arrays.stream(split);

    return s2;

});

s3.forEach(System.out::println); // a b c 1 2 3

6. 消费

peek：如同于map，能得到流中的每一个元素。但map接收的是一个Function表达式，有返回值；而peek接收的是Consumer表达式，没有返回值。

 //将str中的每一个数值都打印出来，同时算出最终的求和结果

 String str ="11,22,33,44,55";

 System.out.println(Stream.of(str.split(",")).peek(System.out::println).mapToInt(Integer::valueOf).sum());//11 22 33 44 55 165

5.2 终止操作

1. 循环：forEach

Users类：

import java.util.Date;

/**

 * @program: lambda

 * @ClassName Users

 * @description:

 * @author: muxiaonong

 * @create: 2020-10-24 11:00

 * @Version 1.0

 **/

public class Users {

    private String name;

    public Users() {}

    /**

     * @param name

     */

    public Users(String name) {

        this.name = name;

    }

    /**

     * @param name

     * @return

     */

    public static Users build(String name){

        Users u = new Users();

        u.setName(name);

        return u;

    }

    public String getName() {

        return name;

    }

    public void setName(String name) {

        this.name = name;

    }

    @Override

    public String toString() {

        return  "name='" + name + '\'';

    }

  }

   //创建一组自定义对象

   String str2 = "java,scala,python";

   Stream.of(str2.split(",")).map(x->new Users(x)).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'）

   Stream.of(str2.split(",")).map(Users::new).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'）

   Stream.of(str2.split(",")).map(x->Users.build(x)).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'）

   Stream.of(str2.split(",")).map(Users::build).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'）

2. 计算：min、max、count、sum

min：返回流中元素最小值

max：返回流中元素最大值

count：返回流中元素的总个数

sum：求和

 //求集合中的最大值

 List<Integer> list = Arrays.asList(1,2, 3,4, 5, 6);

  Optional<Integer> max = list.stream().max((a, b) -> a - b);

  System.out.println(max.get()); // 6

  //求集合的最小值

  System.out.println(list.stream().min((a, b) -> a-b).get()); // 1

 //求集合的总个数

 System.out.println(list.stream().count());//6

  //求和

  String str ="11,22,33,44,55";

  System.out.println(Stream.of(str.split(",")).mapToInt(x -> Integer.valueOf(x)).sum());

  System.out.println(Stream.of(str.split(",")).mapToInt(Integer::valueOf).sum());

  System.out.println(Stream.of(str.split(",")).map(x -> Integer.valueOf(x)).mapToInt(x -> x).sum());

  System.out.println(Stream.of(str.split(",")).map(Integer::valueOf).mapToInt(x -> x).sum());

3. 匹配：anyMatch、 allMatch、 noneMatch、 findFirst、 findAny

anyMatch：接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回false

allMatch：接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回false

noneMatch：接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回false

findFirst：返回流中第一个元素

findAny：返回流中的任意元素

List<Integer> list = Arrays.asList(1,2, 3,4, 5, 6);

System.out.println(list.stream().allMatch(x -> x>=0)); //如果集合中的元素大于等于0 返回true

System.out.println(list.stream().noneMatch(x -> x > 5));//如果集合中的元素有大于5的元素。返回false

System.out.println(list.stream().anyMatch(x -> x > 4));//如果集合中有大于四4的元素，返回true

//取第一个偶数

Optional<Integer> first = list.stream().filter(x -> x % 10 == 6).findFirst();

System.out.println(first.get());// 6

//任意取一个偶数

Optional<Integer> any = list.stream().filter(x -> x % 2 == 0).findAny();

System.out.println(any.get());// 2

4.收集器：toArray、collect

collect：接收一个Collector实例，将流中元素收集成另外一个数据结构

Collector<T, A, R> 是一个接口，有以下5个抽象方法：

Supplier<A> supplier();创建一个结果容器A
BiConsumer<A, T> accumulator();：消费型接口，第一个参数为容器A，第二个参数为流中元素T。
BinaryOperator<A> combiner();函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各个子进程的运行结果(accumulator函数操作后的容器A)进行合并。
Function<A, R> finisher();函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。
Set<Characteristics> characteristics();返回一个不可变的Set集合，用来表明该Collector的特征

/**

 * @program: lambda

 * @ClassName Customer

 * @description:

 * @author: muxiaonong

 * @create: 2020-10-24 11:36

 * @Version 1.0

 **/

public class Customer {

    private String name;

    private Integer age;

...getset忽略

}

 public static void main(String[] args) {

        Customer c1 = new Customer("张三",10);

        Customer c2 = new Customer("李四",20);

        Customer c3 = new Customer("王五",10);

        List<Customer> list = Arrays.asList(c1,c2,c3);

        //转成list

        List<Integer> ageList = list.stream().map(Customer::getAge).collect(Collectors.toList());

        System.out.println("ageList："+ageList);//ageList：[10, 20, 10]

        //转成set

        Set<Integer> ageSet = list.stream().map(Customer::getAge).collect(Collectors.toSet());

        System.out.println("ageSet："+ageSet);//ageSet：[20, 10]

//转成map,注:key不能相同，否则报错

        Map<String, Integer> CustomerMap = list.stream().collect(Collectors.toMap(Customer::getName, Customer::getAge));

        System.out.println("CustomerMap："+CustomerMap);//CustomerMap：{李四=20, 张三=10, 王五=10}

//字符串分隔符连接

        String joinName = list.stream().map(Customer::getName).collect(Collectors.joining(",", "(", ")"));

        System.out.println("joinName："+joinName);//joinName：(张三,李四,王五)

//聚合操作

//1.学生总数

        Long count = list.stream().collect(Collectors.counting());

        System.out.println("count："+count);//count：3

//2.最大年龄 (最小的minBy同理)

        Integer maxAge = list.stream().map(Customer::getAge).collect(Collectors.maxBy(Integer::compare)).get();

        System.out.println("maxAge："+maxAge);//maxAge：20

//3.所有人的年龄

        Integer sumAge = list.stream().collect(Collectors.summingInt(Customer::getAge));

        System.out.println("sumAge："+sumAge);//sumAge：40

//4.平均年龄

        Double averageAge = list.stream().collect(Collectors.averagingDouble(Customer::getAge));

        System.out.println("averageAge："+averageAge);//averageAge：13.333333333333334

//分组

        Map<Integer, List<Customer>> ageMap = list.stream().collect(Collectors.groupingBy(Customer::getAge));

        System.out.println("ageMap："+ageMap);//ageMap：{20=[com.mashibing.stream.Customer@20ad9418], 10=[com.mashibing.stream.Customer@31cefde0, com.mashibing.stream.Customer@439f5b3d]}

//分区

//分成两部分，一部分大于10岁，一部分小于等于10岁

        Map<Boolean, List<Customer>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));

        System.out.println("partMap："+partMap);

//规约

        Integer allAge = list.stream().map(Customer::getAge).collect(Collectors.reducing(Integer::sum)).get();

        System.out.println("allAge："+allAge);//allAge：40

    }

六、Stream的方法摘要

修饰符和类型	方法和说明
static Collector<T,?,Double>	averagingDouble(ToDoubleFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的双值函数的算术平均值。
static Collector<T,?,Double>	averagingInt(ToIntFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的整数值函数的算术平均值。
static Collector<T,?,Double>	averagingLong(ToLongFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的长值函数的算术平均值。
static <T,A,R,RR> Collector<T,A,RR>	collectingAndThen(Collector<T,A,R> downstream, Function<R,RR> finisher) 适应 Collector进行额外的整理转换。
static Collector<T,?,Long>	counting() 返回 Collector类型的接受元件 T计数输入元件的数量。
static <T,K> Collector<T,?,Map<K,List>>	groupingBy(Function<? super T,? extends K> classifier) 返回 Collector “由基团”上的类型的输入元件操作实现 T ，根据分类功能分组元素，并且在返回的结果 Map 。
static <T,K,A,D> Collector<T,?,Map<K,D>>	groupingBy(Function<? super T,? extends K> classifier, Collector<? super T,A,D> downstream) 返回 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static <T,K,D,A,M extends Map<K,D>>Collector<T,?,M>	groupingBy(Function<? super T,? extends K> classifier, Supplier mapFactory, Collector<? super T,A,D> downstream) 返回 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static <T,K> Collector<T,?,ConcurrentMap<K,List>>	groupingByConcurrent(Function<? super T,? extends K> classifier) 返回一个并发 Collector “由基团”上的类型的输入元件操作实现 T ，根据分类功能分组元素。
static <T,K,A,D> Collector<T,?,ConcurrentMap<K,D>>	groupingByConcurrent(Function<? super T,? extends K> classifier, Collector<? super T,A,D> downstream) 返回一个并发 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static <T,K,A,D,M extends ConcurrentMap<K,D>> Collector<T,?,M>	groupingByConcurrent(Function<? super T,? extends K> classifier, Supplier mapFactory, Collector<? super T,A,D> downstream) 返回一个并发 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static Collector<CharSequence,?,String>	joining() 返回一个 Collector ，按照遇到的顺序将输入元素连接到一个 String中。
static Collector<CharSequence,?,String>	joining(CharSequence delimiter) 返回一个 Collector ，按照遇到的顺序连接由指定的分隔符分隔的输入元素。
static Collector<CharSequence,?,String>	joining(CharSequence delimiter, CharSequence prefix, CharSequence suffix) 返回一个 Collector ，它将按照指定的 Collector分隔的输入元素与指定的前缀和后缀进行连接。
static <T,U,A,R> Collector<T,?,R>	mapping(Function<? super T,? extends U> mapper, Collector<? super U,A,R> downstream) 适应一个 Collector类型的接受元件 U至类型的一个接受元件 T通过积累前应用映射函数到每个输入元素。
static Collector<T,?,Optional>	maxBy(Comparator<? super T> comparator) 返回一个 Collector ，它根据给出的 Comparator产生最大元素，描述为 Optional 。
static Collector<T,?,Optional>	minBy(Comparator<? super T> comparator) 返回一个 Collector ，根据给出的 Comparator产生最小元素，描述为 Optional 。
static Collector<T,?,Map<Boolean,List>>	partitioningBy(Predicate<? super T> predicate) 返回一个 Collector ，根据Predicate对输入元素进行 Predicate ，并将它们组织成 Map<Boolean, List> 。
static <T,D,A> Collector<T,?,Map<Boolean,D>>	partitioningBy(Predicate<? super T> predicate, Collector<? super T,A,D> downstream) 返回一个 Collector ，它根据Predicate对输入元素进行 Predicate ，根据另一个 Collector减少每个分区的值，并将其组织成 Map<Boolean, D> ，其值是下游缩减的结果。
static Collector<T,?,Optional>	reducing(BinaryOperator op) 返回一个 Collector ，它在指定的 Collector下执行其输入元素的 BinaryOperator 。
static Collector<T,?,T>	reducing(T identity, BinaryOperator op) 返回 Collector执行下一个指定的减少其输入元件的 BinaryOperator使用所提供的身份。
static <T,U> Collector<T,?,U>	reducing(U identity, Function<? super T,? extends U> mapper, BinaryOperator op) 返回一个 Collector ，它在指定的映射函数和 BinaryOperator下执行其输入元素的 BinaryOperator 。
static Collector<T,?,DoubleSummaryStatistics>	summarizingDouble(ToDoubleFunction<? super T> mapper) 返回一个 Collector ， double生产映射函数应用于每个输入元素，并返回结果值的汇总统计信息。
static Collector<T,?,IntSummaryStatistics>	summarizingInt(ToIntFunction<? super T> mapper) 返回一个 Collector ， int生产映射函数应用于每个输入元素，并返回结果值的汇总统计信息。
static Collector<T,?,LongSummaryStatistics>	summarizingLong(ToLongFunction<? super T> mapper) 返回一个 Collector ， long生产映射函数应用于每个输入元素，并返回结果值的汇总统计信息。
static Collector<T,?,Double>	summingDouble(ToDoubleFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的双值函数的和。
static Collector<T,?,Integer>	summingInt(ToIntFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的整数值函数的和。
static Collector<T,?,Long>	summingLong(ToLongFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的长值函数的和。
static <T,C extends Collection> Collector<T,?,C>	toCollection(Supplier collectionFactory) 返回一个 Collector ，按照遇到的顺序将输入元素累加到一个新的 Collection中。
static <T,K,U> Collector<T,?,ConcurrentMap<K,U>>	toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper) 返回一个并发的 Collector ，它将元素累加到 ConcurrentMap ，其键和值是将所提供的映射函数应用于输入元素的结果。
static <T,K,U> Collector<T,?,ConcurrentMap<K,U>>	toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction) 返回一个并发的 Collector ，它将元素累加到一个 ConcurrentMap ，其键和值是将提供的映射函数应用于输入元素的结果。
static <T,K,U,M extends ConcurrentMap<K,U>>	Collector<T,?,M> toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction, Supplier mapSupplier) 返回一个并发的 Collector ，它将元素累加到一个 ConcurrentMap ，其键和值是将所提供的映射函数应用于输入元素的结果。
static Collector<T,?,List>	toList() 返回一个 Collector ，它将输入元素 List到一个新的 List 。
static <T,K,U> Collector<T,?,Map<K,U>>	toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper) 返回一个 Collector ，它将元素累加到一个 Map ，其键和值是将所提供的映射函数应用于输入元素的结果。
static <T,K,U> Collector<T,?,Map<K,U>>	toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction) 返回一个 Collector ，它将元素累加到 Map ，其键和值是将提供的映射函数应用于输入元素的结果。
static <T,K,U,M extends Map<K,U>> Collector<T,?,M>	toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction, Supplier mapSupplier) 返回一个 Collector ，它将元素累加到一个 Map ，其键和值是将所提供的映射函数应用于输入元素的结果。
static Collector<T,?,Set> toSet()	返回一个 Collector ，将输入元素 Set到一个新的 Set 。

总结

对于Java中新特性除了 Stream 还有lamaba表达式都是可以帮忙我们很好的去优化代码，使我们的代码简洁且意图明确，避免繁琐的重复性的操作，对于文中有兴趣的小伙伴可以操作起来，又不懂的小伙伴可以在下面进行留言，小农看到了会第一时间回复大家，谢谢，大家加油！