JDK8新特性【Stream】

Java 8 API添加了一個(gè)新的抽象稱為流Stream，可以讓你以一種聲明的方式處理數(shù)據(jù)。
Stream 使用一種類似用 SQL 語(yǔ)句從數(shù)據(jù)庫(kù)查詢數(shù)據(jù)的直觀方式來(lái)提供一種對(duì) Java 集合運(yùn)算和表達(dá)的高階抽象。
這種風(fēng)格將要處理的元素集合看作一種流， 流在管道中傳輸， 并且可以在管道的節(jié)點(diǎn)上進(jìn)行處理， 比如篩選， 排序，聚合等。
元素流在管道中經(jīng)過(guò)中間操作（intermediate operation）的處理，最后由最終操作(terminal operation)得到前面處理的結(jié)果。

+--------------------+       +------+   +------+   +---+   +-------+
| stream of elements +-----> |filter+-> |sorted+-> |map+-> |collect|
+--------------------+       +------+   +------+   +---+   +-------+

以上的流程轉(zhuǎn)換為 Java 代碼為：

List<Integer> transactionsIds = 
widgets.stream()
             .filter(b -> b.getColor() == RED)
             .sorted((x,y) -> x.getWeight() - y.getWeight())
             .mapToInt(Widget::getWeight)
             .sum();

一、什么是 Stream？

Stream（流）是一個(gè)來(lái)自數(shù)據(jù)源的元素隊(duì)列并支持聚合操作

元素是特定類型的對(duì)象，形成一個(gè)隊(duì)列。 Java中的Stream并不會(huì)存儲(chǔ)元素，而是按需計(jì)算。
數(shù)據(jù)源 流的來(lái)源。 可以是集合，數(shù)組，I/O channel， 產(chǎn)生器generator 等。
聚合操作 類似SQL語(yǔ)句一樣的操作， 比如filter, map, reduce, find, match, sorted等。
和以前的Collection操作不同， Stream操作還有兩個(gè)基礎(chǔ)的特征：

  • Pipelining: 中間操作都會(huì)返回流對(duì)象本身。 這樣多個(gè)操作可以串聯(lián)成一個(gè)管道， 如同流式風(fēng)格（fluent style）。 這樣做可以對(duì)操作進(jìn)行優(yōu)化， 比如延遲執(zhí)行(laziness)和短路( short-circuiting)。
  • 內(nèi)部迭代： 以前對(duì)集合遍歷都是通過(guò)Iterator或者For-Each的方式, 顯式的在集合外部進(jìn)行迭代， 這叫做外部迭代。 Stream提供了內(nèi)部迭代的方式， 通過(guò)訪問(wèn)者模式(Visitor)實(shí)現(xiàn)。

二、Stream的使用流程

首先當(dāng)我們?cè)谑褂靡粋€(gè)流的時(shí)候通常包括三個(gè)基本的步驟：獲取一個(gè)數(shù)據(jù)源（Stream Source）→ 數(shù)據(jù)轉(zhuǎn)換→執(zhí)行操作獲取想要的結(jié)果。

第一部分：獲取一個(gè)數(shù)據(jù)源（Stream Source）

想要對(duì)流進(jìn)行操作，首先你必須獲取一個(gè)流的對(duì)象，獲取流的對(duì)象就要有一個(gè)能夠生成流的數(shù)據(jù)源（Stream Source），流的數(shù)據(jù)源有很多，比較常用的兩個(gè)數(shù)據(jù)源：集合（Collection）、數(shù)組。

第二部分：流的構(gòu)造與轉(zhuǎn)換

構(gòu)造成流的幾種常見(jiàn)的方法：

    //常用的構(gòu)造流的幾種方法
    public static void StreamInitDemo(){
        //1. 直接用Stream類生成Stream對(duì)象
        Stream stream = Stream.of("a","b","c");

        //2. 通過(guò)Arrays來(lái)獲取Stream對(duì)象
        String [] stringAry = new String[] {"a","b","c"};
        stream = Arrays.stream(stringAry);

        //3. 通過(guò)集合對(duì)象來(lái)獲取Stream對(duì)象
        List<String> list = Arrays.asList(stringAry);
        stream = list.stream();
    }

以上都是講數(shù)據(jù)源轉(zhuǎn)化為流，得到流對(duì)象后我們會(huì)進(jìn)行一些相應(yīng)的操作，那么操作完以后我們想要的不會(huì)是流對(duì)象，其只是一個(gè)工具，最后我們想要會(huì)是String或者一個(gè)數(shù)組或者一個(gè)集合，也有可能是一個(gè)map，這就涉及到了流的轉(zhuǎn)換，接下來(lái)請(qǐng)看演示代碼：

    //流轉(zhuǎn)換為其他數(shù)據(jù)結(jié)構(gòu)
    public static void StreamTransDemo(){
        Stream stream = Stream.of("a", "b", "c");
        //1. Stream類對(duì)象轉(zhuǎn)成數(shù)組
        String[] strings = (String[]) stream.toArray(String[]::new);
        //2. Stream轉(zhuǎn)成集合
        List<String> list1 = (List<String>) stream.collect(Collectors.toList());
        List<String> list2 = (List<String>) stream.collect(Collectors.toCollection(ArrayList::new));
        Set set = (Set) stream.collect(Collectors.toSet());
        Stack stack = (Stack) stream.collect(Collectors.toCollection(Stack::new));
        //Stream轉(zhuǎn)成String
        String str = stream.collect(Collectors.joining()).toString();
    }

第三部分：Stream的操作

image.png

如圖，流的操作類型分為三種：Intermediate、Termianl、Short-circuiting。

  • Intermediate表示中間的，這類方法的返回值還是一個(gè)Stream流對(duì)象，因此你可以再對(duì)其進(jìn)行操作，比如你想先進(jìn)行過(guò)濾，然后再過(guò)濾等操作。
  • Terminal 則表示這是流的最終操作，當(dāng)這種類型的對(duì)流進(jìn)行操作后，就無(wú)法對(duì)流進(jìn)行操作了。
  • Short-circuiting 表示：對(duì)于一個(gè) intermediate 操作，如果它接受的是一個(gè)無(wú)限大（infinite/unbounded）的 Stream，但返回一個(gè)有限的新 Stream。對(duì)于一個(gè) terminal 操作，如果它接受的是一個(gè)無(wú)限大的 Stream，但能在有限的時(shí)間計(jì)算出結(jié)果。

那么它們這三種類型都包含哪些方法呢？

  • Intermediate：
    map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered

  • Terminal：
    forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator

  • Short-circuiting：
    anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 limit

1.map

map的作用就是把放入Stream中的每一個(gè)元素都執(zhí)行一般操作后再返回一個(gè)Stream。這就相當(dāng)于隱式的迭代器（iterator）。

//這個(gè)操作將 wordList 集合中的元素全部轉(zhuǎn)換成大寫(xiě)然后再調(diào)用
//collect方法獲得一個(gè)list集合。
List<String> output = wordList.stream().map(String::toUpperCase).collect(Collectors.toList());

在這個(gè)方法中map是一個(gè)Intermediate方法，其返回一個(gè)Stream，但是通常情況下我們想要其轉(zhuǎn)成list 或者 數(shù)組，因此調(diào)用 collect 方法，它是Terminal 最后獲得一個(gè)List集合。再比如：

//獲取 nums 中每個(gè)元素的平方
List<Integer> nums = Arrays.asList(1, 2, 3, 4);
List<Integer> squareNums = nums.stream().map(n -> n * n).collect(Collectors.toList());

從上面例子可以看出，map 生成的是個(gè) 1:1 映射，每個(gè)輸入元素，都按照規(guī)則轉(zhuǎn)換成為另外一個(gè)元素。還有一些場(chǎng)景，是一對(duì)多映射關(guān)系的，這時(shí)需要 flatMap。
map可以把Stream中的元素按照給定的Function進(jìn)行轉(zhuǎn)換，新生成的Stream只包含轉(zhuǎn)換生成的元素。但如果Stream中的元素是集合，則無(wú)能為力，這個(gè)時(shí)候就需要flatmap。

flatMap：和map類似，不同的是其每個(gè)元素轉(zhuǎn)換得到的是Stream對(duì)象，會(huì)把子Stream中的元素壓縮到父集合中，就好像多個(gè)流都被合并起來(lái)，扁平化為一個(gè)流。
flat:水平的; 平坦的; 平滑的;

2.flatMap
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());

flatMap 把放入 Stream 中的層級(jí)結(jié)構(gòu)扁平化，就是將最底層元素抽出來(lái)放到一起，最終 output 的新 Stream 里面已經(jīng)沒(méi)有 List 了，都是直接的數(shù)字。

3.filter

filter 對(duì)原始 Stream 進(jìn)行某項(xiàng)測(cè)試，通過(guò)測(cè)試的元素被留下來(lái)生成一個(gè)新 Stream。

//篩選出集合中的所有的偶數(shù)
Integer[] sixNums = {1, 2, 3, 4, 5, 6};
Integer[] evens = Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new);

4.forEach

forEach 方法接收一個(gè) Lambda 表達(dá)式，然后在 Stream 的每一個(gè)元素上執(zhí)行該表達(dá)式。

//打印出Person 中的姓名字段
//java 8的代碼
roster.stream()
        .filter(p -> p.getGender() == Person.Sex.MALE)
            .forEach(p -> System.out.println(p.getName()));
//java 8之前的代碼
for (Person p : roster) {
        if (p.getGender() == Person.Sex.MALE) {
            System.out.println(p.getName());
        }
 }

對(duì)一個(gè)人員集合遍歷，找出男性并打印姓名。可以看出來(lái)，forEach 是為 Lambda 而設(shè)計(jì)的，保持了最緊湊的風(fēng)格。而且 Lambda 表達(dá)式本身是可以重用的，非常方便。當(dāng)需要為多核系統(tǒng)優(yōu)化時(shí)，可以 parallelStream().forEach()，只是此時(shí)原有元素的次序沒(méi)法保證，并行的情況下將改變串行時(shí)操作的行為，此時(shí) forEach 本身的實(shí)現(xiàn)不需要調(diào)整，而 Java8 以前的 for 循環(huán) code 可能需要加入額外的多線程邏輯。

但一般認(rèn)為，forEach 和常規(guī) for 循環(huán)的差異不涉及到性能，它們僅僅是函數(shù)式風(fēng)格與傳統(tǒng) Java 風(fēng)格的差別。另外一點(diǎn)需要注意，forEach 是 terminal 操作，因此它執(zhí)行后，Stream 的元素就被“消費(fèi)”掉了，你無(wú)法對(duì)一個(gè) Stream 進(jìn)行兩次 terminal 運(yùn)算。下面的代碼是錯(cuò)誤的：

stream.forEach(element -> doOneThing(element));
stream.forEach(element -> doAnotherThing(element));

相反，具有相似功能的 intermediate 操作 peek 可以達(dá)到上述目的。如下是出現(xiàn)在該 api javadoc 上的一個(gè)示例。

5.peek

//peek 對(duì)每個(gè)元素執(zhí)行操作并返回一個(gè)新的 Stream
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());

6.findFirst

這是一個(gè) termimal 兼 short-circuiting 操作，它總是返回 Stream 的第一個(gè)元素，或者空。
這里比較重點(diǎn)的是它的返回值類型：Optional。這也是一個(gè)模仿 Scala 語(yǔ)言中的概念，作為一個(gè)容器，它可能含有某值，或者不包含。使用它的目的是盡可能避免 NullPointerException。

String strA = " abcd ", strB = null;
print(strA);
print("");
print(strB);
getLength(strA);
getLength("");
getLength(strB);
public static void print(String text) {
 // Java 8代碼實(shí)現(xiàn)
 Optional.ofNullable(text).ifPresent(System.out::println);
 // Java 8以前的代碼實(shí)現(xiàn)
 if (text != null) {
 System.out.println(text);
 }
 }
public static int getLength(String text) {
 // Java 8代碼實(shí)現(xiàn)
return Optional.ofNullable(text).map(String::length).orElse(-1);
 // Java 8以前的代碼實(shí)現(xiàn)
// return if (text != null) ? text.length() : -1;
 };

在更復(fù)雜的 if (xx != null) 的情況中，使用 Optional 代碼的可讀性更好，而且它提供的是編譯時(shí)檢查，能極大的降低 NPE 這種 Runtime Exception 對(duì)程序的影響，或者迫使程序員更早的在編碼階段處理空值問(wèn)題，而不是留到運(yùn)行時(shí)再發(fā)現(xiàn)和調(diào)試。

Stream 中的 findAny、max/min、reduce 等方法等返回 Optional 值。還有例如 IntStream.average() 返回 OptionalDouble 等等。

7.reduce

這個(gè)方法的主要作用是把 Stream 元素組合起來(lái)。它提供一個(gè)起始值（種子），然后依照運(yùn)算規(guī)則（BinaryOperator），和前面 Stream 的第一個(gè)、第二個(gè)、第 n 個(gè)元素組合。從這個(gè)意義上說(shuō)，字符串拼接、數(shù)值的 sum、min、max、average 都是特殊的 reduce。例如 Stream 的 sum 就相當(dāng)于

Integer sum = integers.reduce(0, (a, b) -> a+b); 
或
Integer sum = integers.reduce(0, Integer::sum);

也有沒(méi)有起始值的情況，這時(shí)會(huì)把 Stream 的前面兩個(gè)元素組合起來(lái)，返回的是 Optional。

// 字符串連接，concat = "ABCD"
String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat); 
// 求最小值，minValue = -3.0
double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min); 
// 求和，sumValue = 10, 有起始值
int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);
// 求和，sumValue = 10, 無(wú)起始值
sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();
// 過(guò)濾，字符串連接，concat = "ace"
concat = Stream.of("a", "B", "c", "D", "e", "F").
 filter(x -> x.compareTo("Z") > 0).
 reduce("", String::concat);

上面代碼例如第一個(gè)示例的 reduce()，第一個(gè)參數(shù)（空白字符）即為起始值，第二個(gè)參數(shù)（String::concat）為 BinaryOperator。這類有起始值的 reduce() 都返回具體的對(duì)象。而對(duì)于第四個(gè)示例沒(méi)有起始值的 reduce()，由于可能沒(méi)有足夠的元素，返回的是 Optional，請(qǐng)留意這個(gè)區(qū)別。

8.limit/skip

limit 返回 Stream 的前面 n 個(gè)元素；skip 則是扔掉前 n 個(gè)元素（它是由一個(gè)叫 subStream 的方法改名而來(lái)）。

//limit 和 skip 對(duì)運(yùn)行次數(shù)的影響
public void testLimitAndSkip() {
 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(10).skip(3).collect(Collectors.toList());
 System.out.println(personList2);
}
private 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;
 }
}

輸出結(jié)果為：

name1
name2
name3
name4
name5
name6
name7
name8
name9
name10
[name4, name5, name6, name7, name8, name9, name10]

這是一個(gè)有 10，000 個(gè)元素的 Stream，但在 short-circuiting 操作 limit 和 skip 的作用下，管道中 map 操作指定的 getName() 方法的執(zhí)行次數(shù)為 limit 所限定的 10 次，而最終返回結(jié)果在跳過(guò)前 3 個(gè)元素后只有后面 7 個(gè)返回。

有一種情況是 limit/skip 無(wú)法達(dá)到 short-circuiting 目的的，就是把它們放在 Stream 的排序操作后，原因跟 sorted 這個(gè) intermediate 操作有關(guān)：此時(shí)系統(tǒng)并不知道 Stream 排序后的次序如何，所以 sorted 中的操作看上去就像完全沒(méi)有被 limit 或者 skip 一樣。

//limit 和 skip 對(duì) sorted 后的運(yùn)行次數(shù)無(wú)影響
List<Person> persons = new ArrayList();
 for (int i = 1; i <= 5; i++) {
 Person person = new Person(i, "name" + i);
 persons.add(person);
 }
List<Person> personList2 = persons.stream().sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).limit(2).collect(Collectors.toList());
System.out.println(personList2);

name2
name1
name3
name2
name4
name3
name5
name4
[stream.StreamDW$Person@816f27d, stream.StreamDW$Person@87aac27]

即雖然最后的返回元素?cái)?shù)量是 2，但整個(gè)管道中的 sorted 表達(dá)式執(zhí)行次數(shù)沒(méi)有像前面例子相應(yīng)減少。

最后有一點(diǎn)需要注意的是，對(duì)一個(gè) parallel 的 Steam 管道來(lái)說(shuō)，如果其元素是有序的，那么 limit 操作的成本會(huì)比較大，因?yàn)樗姆祷貙?duì)象必須是前 n 個(gè)也有一樣次序的元素。取而代之的策略是取消元素間的次序，或者不要用 parallel Stream。

9.sorted

對(duì) Stream 的排序通過(guò) sorted 進(jìn)行，它比數(shù)組的排序更強(qiáng)之處在于你可以首先對(duì) Stream 進(jìn)行各類 map、filter、limit、skip 甚至 distinct 來(lái)減少元素?cái)?shù)量后，再排序，這能幫助程序明顯縮短執(zhí)行時(shí)間。

//優(yōu)化：排序前進(jìn)行 limit 和 skip
List<Person> persons = new ArrayList();
 for (int i = 1; i <= 5; i++) {
 Person person = new Person(i, "name" + i);
 persons.add(person);
}
List<Person> personList2 = persons.stream().limit(2).sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList());
System.out.println(personList2);

結(jié)果會(huì)簡(jiǎn)單很多：

name2
name1
[stream.StreamDW$Person@6ce253f1, stream.StreamDW$Person@53d8d10a]

當(dāng)然，這種優(yōu)化是有 business logic 上的局限性的：即不要求排序后再取值。

10.min/max/distinct

min 和 max 的功能也可以通過(guò)對(duì) Stream 元素先排序，再 findFirst 來(lái)實(shí)現(xiàn)，但前者的性能會(huì)更好，為 O(n)，而 sorted 的成本是 O(n log n)。同時(shí)它們作為特殊的 reduce 方法被獨(dú)立出來(lái)也是因?yàn)榍笞畲笞钚≈凳呛艹Ｒ?jiàn)的操作。

//找出最長(zhǎng)一行的長(zhǎng)度
BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log"));
int longest = br.lines().mapToInt(String::length).max().getAsInt();
br.close();
System.out.println(longest);

下面的例子則使用 distinct 來(lái)找出不重復(fù)的單詞。

//找出全文的單詞，轉(zhuǎn)小寫(xiě)，并排序
BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log"));
List<String> words = br.lines().flatMap(line -> Stream.of(line.split(" "))).
  filter(word -> word.length() > 0).
  map(String::toLowerCase).
  distinct().
  sorted().
  collect(Collectors.toList());
br.close();
System.out.println(words);

11.Match

Stream 有三個(gè) match 方法，從語(yǔ)義上說(shuō)：

  • allMatch：Stream 中全部元素符合傳入的 predicate，返回 true
  • anyMatch：Stream 中只要有一個(gè)元素符合傳入的 predicate，返回 true
  • noneMatch：Stream 中沒(méi)有一個(gè)元素符合傳入的 predicate，返回 true

Predicate是個(gè)斷言式接口其參數(shù)是<T,boolean>，也就是給一個(gè)參數(shù)T，返回boolean類型的結(jié)果。跟Function一樣，Predicate的具體實(shí)現(xiàn)也是根據(jù)傳入的lambda表達(dá)式來(lái)決定的。

它們都不是要遍歷全部元素才能返回結(jié)果。例如 allMatch 只要一個(gè)元素不滿足條件，就 skip 剩下的所有元素，返回 false。

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);

輸出結(jié)果：

All are adult? false
Any child? true

其它demo：

    //Map通過(guò)Stream轉(zhuǎn)換為set集合
    public static void demo(){
        //新創(chuàng)建一個(gè)map，然后給map賦值
        Map<String,Object> map = new HashMap<>();
        map.put("a","張三");
        map.put("b","李四");
        map.put("c","王五");
        map.put("d","趙六");
        map.put("e","孫七");
        map.put("f","陳八");
        //根據(jù)map中的key過(guò)濾得到key不是a的結(jié)果然后獲取value值
        List<Object> relult = map.entrySet().
                stream().
                filter((e)->!e.getKey().equals("a")).
                map((e)->e.getValue()).
                collect(Collectors.toList());
        System.out.println(relult.toString());
    }

運(yùn)行結(jié)果：

[李四，王五，趙六，孫七，陳八]
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書(shū)系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

友情鏈接更多精彩內(nèi)容