一文掌握stream，让你的代码提高一个逼格

一文掌握stream，让你的代码提高一个逼格

Stream 是什么？

Stream 是Java 8的新特性之一，是对容器对象功能的增强，借助Lambda表达式，以函数式的方式处理数据，以提高广大程序员的生产力。

• stream 将要处理的元素当做流；

• 借助steam api对流元素进行中间操作，比如筛选、排序、聚合等；

• 提高了开发效率和程序的可读性

• 提供串行和并行两种模式

什么是流？

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（可以理解为对Iterator的增强）。Stream并行遍历依赖于Fork/Join框架来拆分任务和加速任务处理。

Stream的结构

整个Stream的操作可以分为三大阶段

• 数据源创建 只有一次

• 中间操作 （各种筛选、排序、聚合等），lazy，多次

• 终端操作（获取想要的结果） 终止只有一次

我们看下java.util.stream包：

BaseStream一共有四个继承接口

• Stream 通用的

• LongStream 可以理解为Stream，减少了装箱拆箱的损耗，还有一些别的额外操作

• IntStream 可以理解为Stream，减少了装箱拆箱的损耗，还有一些别的额外操作

• DoubleStream 可以理解为Stream，减少了装箱拆箱的损耗，还有一些别的额外操作

每个具体接口里有哪些方法，可以具体看代码 我们重点看下Stream接口：

我们看下Stream里面的方法

数据源创建

• empty() 创建一个空的Stream

• of() 创建有限元素的Stream

• iterate() 创建无限元素的Stream

• generate() 创建无限元素的Stream

中间操作：

• filter 过滤，按lambda表达式

• map (mapTo*, flatMap* ) 映射，按lambda表达式

• distinct 去重

• sorted 排序 （可以自定义Comparator）

• peek 可以理解为克隆一份，优先级高，两边引用的对象都一样

• skip 跳过Stream中前n个元素

• limit 只取前n个，这个比较特殊，可以理解为短路，因为返回Stream，就归到了中间操作

• concat() 将两个Stream拼接到一起合成一个

• parallel（父）

• sequential（父）

• unordered（父）

终止操作

• reduce 将Stream元素按一个规则组合起来，如sum，avg

• collect 将流转化为其他形式

• foreach 遍历Stream的元素

• foreachOrdered 按Stream的顺序执行

• toArray 将Stream转为数组

• min 根据指定的Comparator返回一个最小的Optional对象

• max 根据指定的Comparator返回一个最大的Optional对象

• count 返回Stream中元素的个数

short-circuiting （可以理解为特殊的终止操作）

短路操作，有时候在遍历的过程中，达到某个条件就终止

• anyMatch 判断Stream中的元素是否有满足指定条件的元素，有满足的返回true

• allMatch 判断Stream中元素是否全部满足指定条件，全部满足返回true

• noneMatch 都不满足指定条件，返回true

• findFirst 找到第一个元素的Optional对象

• findAny 返回任意一个元素，并行中随机，串行中一直返回第一个

数据源的创建方式

• 从Collection和数组获得

public interface Collection<E> extends Iterable<E> {//串行default Stream<E> stream() {return StreamSupport.stream(spliterator(), false);}// 并行default Stream<E> parallelStream() {return StreamSupport.stream(spliterator(), true);}
}

• 从数组获取

//通过Arrays的静态方法获取
public class Arrays {//有很多重载方法public static IntStream stream(int[] array) {return stream(array, 0, array.length);}//这里有很多指定类型的Stream重载public static *Stream stream(....) {return stream(...);}public static <T> Stream<T> stream(T[] array, int startInclusive, int endExclusive) {return StreamSupport.stream(spliterator(array, startInclusive, endExclusive), false);}
}
// 通过Stream的静态方法获取
public interface Stream<T> extends BaseStream<T, Stream<T>> {public static<T> Stream<T> of(T t) {return StreamSupport.stream(new Streams.StreamBuilderImpl<>(t), false);}@SafeVarargs@SuppressWarnings("varargs") // Creating a stream from an array is safepublic static<T> Stream<T>  values) {return Arrays.stream(values);}//这里还有一些其他的方式获取，就不列举了
}

• 从BufferedReader获得

public class BufferedReader extends Reader {public Stream<String> lines() {.....return StreamSupport.stream(Spliterators.spliteratorUnknownSize(iter, Spliterator.ORDERED | Spliterator.NONNULL), false);}
}

• 静态工厂

// LongStream 和DoubleStream类似
public interface IntStream extends BaseStream<Integer, IntStream> {public static IntStream range(int startInclusive, int endExclusive) {if (startInclusive >= endExclusive) {return empty();} else {return StreamSupport.intStream(new Streams.RangeIntSpliterator(startInclusive, endExclusive, false), false);}}
}public final class Files {public static Stream<Path> walk(Path start,  options) throws IOException {return walk(start, Integer.MAX_VALUE, options);}
}

• 自己构建

通过实现java.util.Spliterator 自己构建，具体可以参考其中的任意一个示例

• 其他方式

public class Random implements java.io.Serializable {ints(...)longs(...)doubles(...)
}public final class Pattern  implements java.io.Serializable{public Stream<String> splitAsStream(final CharSequence input) {}
}public class JarFile extends ZipFile {public Stream<JarEntry> stream() {}
}

我们通过以上方式构建，跟踪源代码，我们发现最终指向的是：

public final class StreamSupport {}

中间操作

**一个流可以后面跟随零个或多个中间操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。

中间操作都是lazy的，多个中间操作只会在终止操作的时候融合（融合的不仅仅是中间操作，还有数据源的创建）起来，一次循环完成。我们可以这样简单的理解，Stream里有个中间操作函数的集合，每次转换操作就是把转换函数放入这个集合中，在终止 操作的时候循环Stream对应的集合，然后对每个元素执行所有的函数。**

比如：下面的这两个创建的都是无限流，如果不是最终遍历的时候才执行，那么我们为了取几个数，创建的数据源是多大呢？

我们把jvm的参数设置为3mb，如下图：

    @Testpublic void generate(){Stream.iterate(0, (x) -> x + 2).limit(5).forEach(System.out::println);ate(()-> Math.random()).limit(5L).forEach(System.out::println);}

输出结果：

0
2
4
6
8
0.9473776969196388
0.6723046943435518
0.1704873740373829
0.169983516956142
0.6080414664225631

我们看下基础依赖，用于构建测试所需要的对象

public class Java8StreamTest {List<LoginInfo> list = null;Map<String,LoginInfo> map = null;private int getAge(){int age =new Random().nextInt(100);return age>18 ? age : 18;}private long getDate(){long det = new Random().nextLong();return System.currentTimeMillis() - det;}private String getLoginSource(){String[] sources = {"ios","android","h5"};return sources[new Random().nextInt(sources.length)];}private String getNickName(int i){String[] nicks = {"yxk","yxkong","tao","java"};return nicks[new Random().nextInt(nicks.length)] +i;}private String getMobile(int i){long[] nicks = {15600000000L,13600000000L,15100000000L,13300000000L};return nicks[new Random().nextInt(nicks.length)] + Long.valueOf(i) +"";}@Beforepublic void init(){list = new ArrayList<>();map = new HashMap<>();LoginInfo info = null;for (int i = 0; i < 100; i++) {info = new LoginInfo(Long.valueOf(i),getMobile(i),getNickName(i),getDate(),getLoginSource(),getAge(),getDate());list.add(info);map.Mobile(),info);}}@Testpublic void test(){list.stream().forEach(System.out::println);}
}
class LoginInfo implements Serializable {private Long userId;private String mobile;private String nickName;private long loginTime;private String loginSource;private int age;private long registerTime;public LoginInfo(Long userId, String mobile, String nickName, long loginTime, String loginSource, int age, long registerTime) {this.userId = bile = mobile;this.nickName = nickName;this.loginTime = loginTime;this.loginSource = loginSource;this.age = isterTime = registerTime;}public Long getUserId() {return userId;}public String getMobile() {return mobile;}public String getNickName() {return nickName;}public long getLoginTime() {return loginTime;}public String getLoginSource() {return loginSource;}public int getAge() {return age;}public long getRegisterTime() {return registerTime;}@Overridepublic String toString() {return "LoginInfo{" +"userId=" + userId +", mobile='" + mobile + ''' +", nickName='" + nickName + ''' +", loginTime=" + loginTime +", loginSource='" + loginSource + ''' +", age=" + age +", registerTime=" + registerTime +'}';}
}

• filter 操作，过滤满足条件的数据

    @Testpublic void filter(){/*** 我们过滤得到年龄>18 且小于30的登录渠道为h5的用户*/list.stream().filter(s-&Age()>18 && s.getAge()<30).filter(s->"h5".LoginSource())).forEach(System.out::println);boolean exist = list.stream().filter(s-&Age()>18 && s.getAge()<30).filter(s->"h5".LoginSource())).anyMatch(s-&NickName().contains("yxk"));System.out.println(exist);}

• map/flatmap map 的意思是将Stream里的对象进行映射，至于映射成什么，看你写的lambda

flatmap 和map的意思差不多，只不过flatmap映射的是一个Stream对象，这点不同

    @Testpublic void map(){list.stream().map(s -> s.getNickName()).limit(3).forEach(System.out::println);list.stream().flatMap(s->Stream.NickName())).limit(3).forEachOrdered(System.out::println);}

• distinct/sorted 去重

    @Testpublic void distinctAndSorted(){int[] nums = {5,1,3,3,1};Arrays.stream(nums).distinct().sorted().forEach(System.out::println);list.stream().distinct().sorted((a,b)-> a.getMobile()Mobile())).limit(3).forEach(System.out::println);list.stream().distinct().sorted((a,b)-> b.getMobile()Mobile())).limit(3).forEach(System.out::println);//可以推断出中间操作是按顺序执行的list.stream().distinct().limit(3).sorted((a,b)-> a.getMobile()Mobile())).forEach(System.out::println);list.stream().distinct().limit(3).sorted((a,b)-> b.getMobile()Mobile())).forEach(System.out::println);}

• peek和skip

    @Testpublic void skipAndPeek(){list.stream().skip(98).peek(s-> s.Age()+100)).forEach(System.out::println);}

• reduce 归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

    @Testpublic void reduce(){int[] nums = {5,1,3,3,1};final OptionalInt reduceSum = Arrays.stream(nums).reduce(Integer::sum);final int sum = Arrays.stream(nums).sum();Assert.AsInt(),sum);final OptionalInt reduceMax = Arrays.stream(nums).reduce(Integer::max);final OptionalInt max = Arrays.stream(nums).max();Assert.assertEquals(reduceMax,max);}

• collect

    @Testpublic void collect(){//转成listfinal List<LoginInfo> list1 = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).List());list1.forEach(l-> System.out.println("list:"&#UserId()));//转成setfinal Set<LoginInfo> set = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).Set());set.forEach(l-> System.out.println("set:"&#UserId()));//转成map key是userId,value 是 LoginInfofinal Map<Long, LoginInfo> map = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).Map(LoginInfo::getUserId, l -> l));map.forEach((k,v)-> System.out.println("map:"+k));//转成map  key是userId,value 是agefinal Map<Long, Integer> map1 = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).Map(LoginInfo::getUserId, LoginInfo::getAge));// 按loginSource 进行分组final Map<String, List<LoginInfo>> map2 = list.stream().upingBy(LoginInfo::getLoginSource));map2.forEach((k,v)-> System.out.println(k+" size:"+ v.size()));// 年龄大于60进行分组final ConcurrentMap<Boolean, List<Integer>> concurrentMap = list.stream().flatMap(l -> Stream.Age())).upingByConcurrent(l -> l.intValue() > 60));concurrentMap.forEach((k,v)-> System.out.println(k+" size:"+ v.size()));// 将nickName 拼接起来 [yxkong0,]final String collect = list.stream().map(LoginInfo::getNickName).collect(Collectors.joining(",","[","]"));System.out.println(collect);}

• foreach

    @Testpublic void foreach(){//foreach无序list.stream().parallel().limit(5).forEach(System.out::println);//forEachOrdered 按.sorted的顺序list.stream().sorted((a,b)-&UserId()UserId())).parallel().limit(5).forEachOrdered(System.out::println);}

• toArray

    @Testpublic void toArray(){final Object[] objects = list.stream().limit(5).toArray();Arrays.stream(objects).forEach(System.out::println);//明确指定类型LoginInfofinal LoginInfo[] infos = list.stream().limit(5).toArray(LoginInfo[]::new);Arrays.stream(infos).forEach(System.out::println);}

• min、max 、count

    @Testpublic void maxAndMinAndCount(){final Optional<LoginInfo> max = list.stream().filter(l -> l.getAge() < 18).max((m, n) -> m.getUserId()UserId()));Assert.assertFalse("没有符合条件的数据",max.isPresent());final Optional<LoginInfo> max1 = list.stream().max((m, n) -> m.getUserId()UserId()));System.out.());final Optional<LoginInfo> min = list.stream().min((m, n) -> m.getUserId()UserId()));System.out.());final long count = list.stream().count();Assert.assertEquals("总数等于100",100,count);}

• short-circuiting

    @Testpublic  void shortCircuiting(){final boolean noneMatch = list.stream().noneMatch(l -> l.getAge() > 100);Assert.assertTrue("没有符合年龄大于100的数据",noneMatch);final boolean anyMatch1 = list.stream().anyMatch(l -> l.getAge() > 90);Assert.assertTrue("有符合条件的数据",anyMatch1);final boolean allMatch = list.stream().allMatch(l -> l.getAge() >= 18);Assert.assertTrue("所有登录用户都满足大于等于18",allMatch);final Optional<LoginInfo> first = list.stream().findFirst();System.out.());final Optional<LoginInfo> any = list.stream().findAny();final Optional<LoginInfo> any1 = list.stream().findAny();final Optional<LoginInfo> any2 = list.stream().findAny();Assert.assertTrue("都相等",any.equals(any1) && any.equals(any2));final Optional<LoginInfo> pany = list.stream().parallel().findAny();final Optional<LoginInfo> pany1 = list.stream().parallel().findAny();final Optional<LoginInfo> pany2 = list.stream().parallel().findAny();Assert.assertFalse("在parallel情况下不相等",pany.equals(pany1) && pany.equals(pany2));}

总结

• 中间操作多次执行

• 中间操作惰性执行

• 中间操作按顺序执行

• 终止操作一次后无法再获取流

• Stream支持并行操作

如果觉得对你有帮助，请关注公众号：5ycode，后续会不断更新哦