Java 8 vs. Scala（二）：Stream vs. Collection

【编者按】在之前文章中，我们介绍了 Java 8和Scala的Lambda表达式对比。在本文，将进行 Hussachai Puripunpinyo Java 和 Scala 对比三部曲的第二部分，主要关注 Stream 和 Collection，本文由 OneAPM 工程师编译整理。

首先，为大家做一个简短的介绍，collection 是有限的数据集，而 stream 是数据的序列集，可以是有限的或无限的。

Streams API 是 Java 8 中新发布的 API，主要用于操作 collection 和 streaming 数据。Collections API 会改变数据集状态，而 Streams API 则不会。例如，当你调用Collections.sort(list)时，该方法会对传入的参数进行排序，而调用list.stream().sorted() 则会复制一份数据进行操作，保持原数据不变。你可以在这里获得更多关于 API 数据流的信息

以下是笔者从 Java 8 文档中摘出的 collections 和 streams 之间的比较。强烈建议大家阅读 完整版。

Streams 和 collections 有以下几点区别：

1. 无存储。steam 不是存储数据元素的数据结构。而是通过计算操作管道从源头传输数据元素。

2.本质是函数。对 Stream 对象操作能得到一个结果，但是不会修改原始数据。

1. Laziness-seeking（延迟搜索）：Stream 的很多操作如 filter、map、sort 和 duplicate removal(去重）可以延迟实现，意思是我们只要检查到满足要求的元素就可以返回。

2. 可能是不受限制的：Streams 允许 Client 取足够多的元素直到满足某个条件为止。而 Collections 不能这么做。

3. 消耗的。Steam 中的元素在 steam 生存期内只能被访问一次。

Java 和 Scala 都可以很简单地同时计算 collection 中的值。在 Java 中，你只需调用parallelStream()* 或者 stream().parallel()，而不是stream()。在 Scala 中，在调用其他方法之前，必须先调用 par()函数。而且可以通过添加 parallelism 来提高程序的性能。不幸的是，大多数时间它的执行速度都非常慢。事实上，parallelism 是一个很容易被误用的功能。 点这阅读这有趣的文章

在 JavaDoc 中， parallelStream()方法的介绍是：可能返回一个并行的 stream（collection作为数据源），所以它也可能返回一个串行 stream。（有人做过关于该API的研究）

图像标题

Java 的 Stream API 是延后执行的。这意味着，没有指定一个终结操作（比如 collect() 方法调用），那么所有的中间调用（比如 filter 调用）是不会被执行的。延迟的流处理主要是为了优化 stream API 的执行效率。比如对一个数据流进行过滤、映射以及求和运算，通过使用延后机制，那么所有操作只要遍历一次，从而减少中间调用。同时，延后执行允许每个操作只处理必要的数据。相反，Scala 的 collections 是即时处理的。这样是否意味着，在测试中，Java Stream API始终优于 Scala ？如果只比较 Java 的 Stream API 和 Scala的 Collection API，那么Java Stream API 的确优于 Scala Collection API。但在 Scala 中有更多的选择。通过简单地调用toStream()，就可以将一个 Collection 转换成一个 Stream，或者可以使用 view （一种提供延后处理能力的 Collection）来处理数据集合。

下面粗略介绍下 Scala 的 Stream 和 View 特性

Scala 的 Stream

Scala 的 Stream 和 Java 的有所不同。在 Scala Stream 中，无需调用终结操作去取得Stream 的结果。Stream 是一个继承 Abstractseq、 Linearseq和 GenericTraversableTemplate trait的抽象类。所以，你可以把Stream当作 SEQ。

如果你不熟悉 Scala，可以将 Seq 当作 Java 里的 List。（Scala 中的 List 不是一个接口）。

这里需知道 Streams 中的元素都是延迟计算的，正因为此，Stream能够计算无限数据流。如果要计算集合中的所有元素，Stream 和 List 有相同的性能。一旦计算出结果，数值将被缓存。 Stream 有一个 force 函数，能够强制评估 stream 再返回结果。注意，不要在无限流中调用该函数，也不要强制该 API 处理整个 stream 的操作，比如 size()、tolist()、foreach() 等，这些操作在 Scala 的 Stream 中都是隐式的。

在 Scala Stream 中实现 Fibonacci 数列。

def fibFrom(a: Int, b: Int): Stream[Int] = a #:: fibFrom(b, a + b)
val fib1 = fibFrom(0, 1) //0 1 1 2 3 5 8 …
val fib5 = fibFrom(0, 5) //0 5 5 10 15 …
//fib1.force //Don’t do this cause it will call the function infinitely and soon you will get the OutOfMemoryError
//fib1.size //Don’t do this too with the same reason as above.
fib1.take(10) //Do this. It will take the first 10 from the inifite Stream.
fib1.take(20).foreach(println(_)) //Prints 20 first numbers

:: 是 collection 中常用的连接数据的方法。而 #:: 表示是连接数据但是是延迟执行的（Scala中的方法名都很随意）。

Scala 的 View

再次重申，Scala 的 collection 是一个严格 collection，而 view 是非严格的。View 是基于一个基础 collection 的 collection，其中所有的转换都会延迟执行。通过调用 view 函数可以将严格 collection 转换成 view，也可以通过调用 force 方法转换回来。View 并不缓存结果，每次调用时才会执行转换。就像数据库的 View，但它是虚拟 collection。

创建一个数据集。

public class Pet {
    public static enum Type {
        CAT, DOG
    }
    public static enum Color {
        BLACK, WHITE, BROWN, GREEN
    }
    private String name;
    private Type type;
    private LocalDate birthdate;
    private Color color;
    private int weight;
    ...
}

假设有一个宠物集，接下来会利用该集合详细说明。

过滤器

要求：从集合过滤一只胖乎乎的宠物，胖乎乎的定义是体重超过 50 磅，还想得到一个在 2013年1月1日出生的宠物名单。下面的代码片段显示了如何以不同的方式实现该滤波器的工作。

Java 方法1：传统方式

//Before Java 8
List<Pet> tmpList = new ArrayList<>();
for(Pet pet: pets){
    if(pet.getBirthdate().isBefore(LocalDate.of(2013, Month.JANUARY, 1))
            && pet.getWeight() > 50){
        tmpList.add(pet);
    }
}

这种方式在命令式语言中十分常见。首先，必须创建一个临时集合，然后遍历所有元素，存储满足条件的元素到临时集中。的确有点绕口，但其结果和效率都非常不错。但本人不得不扫兴地说，传统方法比 Streams API 更快。不过，完全不用担心性能问题，因为代码的简洁比轻微的性能增益更重要。

Java 方法2：Streams API

//Java 8 - Stream
pets.stream()
    .filter(pet -> pet.getBirthdate().isBefore(LocalDate.of(2013,   Month.JANUARY, 1)))
    .filter(pet -> pet.getWeight() > 50)
    .collect(toList())

以上代码表示，使用 Streams API 过滤集合中的元素。之所以故意两次调用过滤函数，是想表明 Streams 的 API 设计就像一个 Builder pattern。在 Builder pattern 调用构建方法之前，可以将各种方法串联起来。在 Streams API 中，构建方法被称为终结操作，非终结操作的叫做中间操作。终结操作可能不同于构造函数，因为它在 Streams API 中只能被调用一次。但还有很多可使用的终结操作，比如 collect、count、min、max、iterator、toArray。这些操作会产生结果，而终端操作会消耗值，例如 forEach。那么，你认为传统方法和 Streams API 哪一个的可读性更强？

Java 方法3：Collections API

//Java 8 - Collection
pets.removeIf(pet -> !(pet.getBirthdate().isBefore(LocalDate.of(2013,Month.JANUARY, 1))
                && pet.getWeight() > 50));
//Applying De-Morgan's law.
pets.removeIf(pet -> pets.get(0).getBirthdate().toEpochDay() >= LocalDate.of(2013, Month.JANUARY, 1).toEpochDay()
                || pet.getWeight() <= 50);

这种方法是最简短的。但是，它修改了原始集合，而前面的方法不会。removeif 函数将Predicate（函数接口）作为参数。Predicate 是一个行为参数，它只有一个名为 test 抽象方法，只需要一个对象并返回布尔值。注意，这里必须使用“！”取反，或者可以应用 De Morgan 定理，使得代码看起来像二次声明。

Scala 方法：Collection、View和Stream

//Scala - strict collection
pets.filter { pet => pet.getBirthdate.isBefore(LocalDate.of(2013, Month.JANUARY, 1))}
.filter { pet => pet.getWeight > 50 } //List[Pet]
//Scala - non-strict collection
pets.views.filter { pet => pet.getBirthdate.isBefore(LocalDate.of(2013, Month.JANUARY, 1))}
.filter { pet => pet.getWeight > 50 } //SeqView[Pet]
//Scala - stream
pets.toStream.filter { pet => pet.getBirthdate.isBefore(LocalDate.of(2013,  Month.JANUARY, 1))}
.filter { pet => pet.getWeight > 50 } //Stream[Pet]

Scala 的解决方案类似于 Java 的 Streams API。但首先，必须调用 view 函数把严格集转向非严格集，然后再用 tostream 函数把严格集转成一个 stream。

接下来直接上代码。

分组

通过元素的一个属性对起所在集合做 group。结果是 Map<T, List>，其中T是一个泛型类型。

要求：通过类型对宠物分组，诸如狗，猫等等。

注意：groupingBy 是 java.util.stream.Collectors 的静态的 helper method。

排序

根据属性对集合中的元素排序。结果会是任何类型的集合，根据配置来维持元素顺序。

要求：需按照类型、名字和颜色排序。

映射

将给定函数应用在集合元素中。根据定义的函数不同，其返回的结果类型也不同。

要求：需将宠物转化成字符串，以%s — name: %s, color: %s的格式。

寻找第一个

返回第一个能与指定 predicate 匹配的值。

要求：找一个名为Handsome的宠物。无论有多少个Handsome，只取第一个。

这个问题有点棘手。不知道你是否注意，在 Scala 中笔者所使用的是 find 函数而不是 filter ？如果用 filter 代替 find，它就会计算集合中所有元素，因为 scala collection 是严格的。但是，在 Java 的 Streams API 中你可以放心使用 filter，因为它会计算需要的第一个值，并不会计算所有元素。这就是延迟执行的好处!

接下来，向大家介绍 scala 中更多集合延迟执行的实例。我们假定 filter 总是返回 true，然后再取第二个值。将会是什么结果呢？

pets.filter { x => println(x.getName); true }.get(1) --- (1)

pets.toStream.filter { x => println(x.getName); true }.get(1) -- (2)

如上所示，（1）式将会打印出集合中所有宠物的名字，而（2）式则只输出前2个宠物的名字。这就是 lazy collection 的好处，总是延迟计算。

pets.view.filter { x => println(x.getName); true }.get(1) --- (3)

（3）式和（2）式会有一样的结果吗？错！它的结果和（1）是一样的，你知道为什么吗？

通过比较 Java 和 Scala 中的一些共同的操作方法 ——filter、group、map 和 find；很明显 Scala 的方法比 Java 更简洁。你更喜欢哪一个呢?哪一个的可读性更强？

在文章的下一个部分，我们将比较哪种方式更快。敬请期待！

原文链接： https://dzone.com/articles/java-8-vs-scalapart-ii-streams-api

OneAPM for Java 能够深入到所有 Java 应用内部完成应用性能管理和监控，包括代码级别性能问题的可见性、性能瓶颈的快速识别与追溯、真实用户体验监控、服务器监控和端到端的应用性能管理。想阅读更多技术文章，请访问 OneAPM 官方博客。