Java8新特性二--Stream

Java8的另一大新特性就是引入了Stream流操作，并且升级了集合类的接口，使得程序员可以在更高的层面对集合做一些抽象操作,之前有一篇文章讲过函数式编程的思想，而Stream就是用函数式编程在集合上进行复杂操作的工具。

这篇文章将从以下三点带大家认识Stream

一.Stream的基本用法

二.其他转换Stream的方法

三.功能强大的汇聚操作

一.Stream的基本用法

先看一个简单的例子：

List<Student> students;//省略掉students的构造方法
List<String> nameList = students.stream()
		.filter(e -> e.getMathScore() >= 60)
		.map(e -> e.getName())
		.collect(Collectors.toList());

麻雀虽小，五脏俱全，上面这行代码可以简单概括Stream的用法，包括Stream的生成、filter操作、map操作、reduce操作 

如上图所示，Stream的操作可以分为上面几部

1.创建一个Strream,最常用的就是通过集合的.stream方法将一个集合转化为Stream，Java8中所有的集合都实现了这个方法，可以轻松调用。

2.Stream的过滤方法，这个方法传入了一个Pridicate类型的lambda表达式(上一节有提到过)，它过滤出符合条件的元素，生成新的Stream，在上面代码中我们过滤出所有数学成绩及格的同学，filter示意图如下

.

3.map函数，map函数接收一个Function类型接口（在上节讲过），将Stream中的每个元素进行一个转化，生成新的Stream，上例中我们做了获取学生姓名的操作， 将Student类型的元素转化为String类型的元素，最后生成一个包学生姓名的String类型的Stream，map函数的示意图如下

4.汇聚操作，前面几步都是对Stream进行的处理，他们的返回类型都是Stream，最后一步操就是将处理后的Stream转换成List的操作，它的作用就是将Stream转换成我们需要的结果对象。本例只是汇聚操作的一小部分，Stream的汇聚操作非常强大，比如查找姓名最长的名字、计算名字的总个数。如果是Int类型的Stream，还可以进行min()、max()、average()等操作，而光是一个collect()方法，就可以玩出很多花样，后面我们会讲到。

5.惰性求值和及早求值，在上面例子中，前面的过滤、转换操作都是对Stream的一种描述，这些方法只是刻画了操作Stream的方法，并没有真正执行，这种方法叫做惰性求值方法，只有在最后调用聚集操作时，才会真正执行操作Stream的方法，生成新的集合，这种方法叫做及早求值方法。区分惰性求值方法和及早求值方法很简单，只要看方法的返回类型是否为Stream，像filter、map这种就是惰性求值方法，而collect()方法返回了一个List,就是一个及早求值方法。

二.其他转换Stream的方法

上面我们讲到了filter、map等常用的操作stream的方法，下面介绍一些其他操作Stream的方法，也非常有用

1.flatMap map是将Stream中的元素转化为另外一种类型然后生成新的Stream，flatMap和它比较相似，不过flatMap是将流中的每个元素都转化为一个Stream，然后将这些Stream拼起来，返回一个新的Stream。

看一个例子

List<Integer> together = Stream.of(asList(1, 2), asList(3, 4))
                                .flatMap(e -> e.stream())
                                .peek(e -> System.out.println(e))
                                .collect(toList());

Stream.of(T... values)是Stream的一个静态构造函数，调用flatMap将原Stream中的每个列表转换成Stream对象，然后将Stream列表合并，生成新的Stream。flatMap方法相关函数接口和map方法一样，都是Function接口，只是方法的返回值限定为Stream罢了，flatMap的示意图如下。

2.distinct 从名字就可以看出来它的作用是对Stream内的元素进行去重，不过去重逻辑依赖于元素的equals方法。

3.limit  同样，看到名字我们就懂这个函数的用法了，截取Stream前N个元素返回新的Stream。

4.skip 丢弃Stream中前N个元素，返回新的Stream，若Stream中元素个数小于等于N则返回空的Stream。

5.peek 生成一个包含原Stream的所有元素的新Stream，同时会提供一个消费函数（Consumer ），新Stream每个元素被消费的时候都会执行给定的消费函数。

先看示例图

通俗地将就是对Stream中元素循环执行一段代码。

看代码

List<Integer> list = Stream.of(1, 2, 3, 4).
        peek(System.out::println).collect(Collectors.toList());

这段代码类似于foreach()，会依次打印流中每个元素，看peek的参数，还记得上节讲过的方法引用吗？这里引用了System.out类的println方法，这是一个Consumer类型函数接口，也可这样写 e->System.out.println(e)

三.功能强大的汇聚操作

Stream中的汇聚操作有三种：collect()、reduce()以及sum max min count等这些特殊用途的汇聚操作

1.花样繁多的收集器collec()

前面我们使用collect(toList())，从流中生成列表，这是最常见的数据结构，但有时候我们需要生成其他类型的数据结构如Map或String，

这时候就需要用到收集器了，一种通用的、从流生成复杂值的结构，只要将它传给collect方法，所有的流就可以使用它了。

幸运的是，标准类库已经为我们提供了很多有用的收集器，下面我们就来看看，以下收集器都是从java.util.stream.Collectors类中静态导入的。

(1)数据分块 partitioningBy

这个方法将流分为两部分，它接收一个Predicate 类型参数判断元素应该属于哪一部分，对true List中的元素，Predicate返回true，对false List中的元素，Predicate都返回false，下面就是将一个整数流分为两部分，true List部分大于2，false List部分小于 2

 Map<Boolean, List<Integer>> map  
	= Stream.of(1, 2, 3, 4).collect(partitioningBy(e -> e>2));

partitioningBy的示意图如下

(2)数据分组 groupingBy

这个收集器接收一个Function类型参数，将数据分为不同的组，类似SQL中的group by操作。

Map<String, List<Student>> map = 
	students.stream().collect(groupingBy(e -> e.getClassRoom()));

这里我们groupingBy的参数就是获取学生的班级，这样收集器就会把流中的学生自动按班级号分类，存放在对应的Map中。

它的示意图如下

(3)字符串操作 jioining()

很多时候我们处理流都是为了得到一个字符串对象，比如我们希望的得到"[小明，李白，韩梅梅]"这样的学生姓字符串，在以前可能需要for循环去处理

现在只需要在流上调用joining()收集器即可，非常方便

String names = 
	students.stream()
	.map(e -> e.getName())
	.collect(joining(",", "[", "]"));

2.reduce() 通用的汇聚操作

reduce操作可以实现从一组值中生成一个值。下图演示了一个reduce的典型流程，实现了对整数流的求和。

代码：

int sum = Stream.of(1, 2, 3, 4).reduce(0, (acc, e)-> acc+e);

Reduce方法定义如下：

T reduce(T identity, BinaryOperator<T> accumulator);

reduce第一个参数是一个初始值，用来作为第一次组合函数的参数，第二个参数是一个BinaOperator类型的函数。reduce会遍历Stream中每个函数，每一步操作都是以上一步操作的结果和当前元素作为参数，执行组合函数，生成新的结果，然后继续下一步组合函数，直到遍历完所有元素。

在本例中 reduce函数 为(acc, e) -> acc+e 它接收上一轮acc值和当前元素，返回新的acc值。

实际上，max() min() count()这些汇聚操作都是一种reduce操作，只是因为他们被经常用到，才被封装起来。

3.其他的汇聚操作

– allMatch：是不是Stream中的所有元素都满足给定的匹配条件
– anyMatch：Stream中是否存在任何一个元素满足匹配条件
– findFirst: 返回Stream中的第一个元素，如果Stream为空，返回空Optional
– noneMatch：是不是Stream中的所有元素都不满足给定的匹配条件
– max和min：使用给定的比较器（Operator），返回Stream中的最大|最小值

三.Stream的并行操作

Java8中Stream的另一大特性就是支持对Stream进行并行操作，我们只需要在将集合的stream()方法改为parallelStream()或者调用Stream的parallel()方法即可将Stream转化为一个支持并行化操作的Stream。

比如上面的一些例子就可以改成这样：

students.parallelStream()
.filter(e -> e.getMathScore()>=60)
.map(e -> e.getName()).collect(toList());//并行过滤和map
int sum = Stream.of(1, 2, 3, 4).parallel().reduce(0, (acc, e)-> acc+e);//并行求和

不过为了支持并行操作 ，Stream的reduce操作也要遵从一些约定：

1.reduce初始值必须为组合函数的“恒等值”，拿恒等值和其他值作组合操作时，其他值必须保持不变。用公式来表示就是R(inital, element)=element，R代表reduce参数中的组合函数，比如用reduce操作求和，组合函数为(acc, element) -> acc+element，则其初值必须为0，因为任何数字加0，值不变。

2.组合函数必须符合结合律。用公式表示就是R(R(a, b), c)=R(a, R(b,c))

只有reduce操作满足这两点约束，才能在并行环境下正常工作，关于这个结论的证明，在此就不详细列出，有兴趣的读者欢迎和笔者讨论。

因为笔者不建议大家过度使用并行操作，除了一些简单的运算。第一要注意reduce的这两个约束，第二并行流是否比串行流快，这一点在实际生产环境中是有很多影响因素的：数据大小、数据结构、是否装箱、物理机核的数量、单元处理开销等等。有可能一个流并行处理后的耗时比串行还慢。

关于Stream的知识就介绍到这里， 大家在平时开发过程中可以多使用流去处理一些集合，或者将老旧的代码用Stream的操作方式重构，相信会有很大收获，Stream的API很多，只有多用多练，才能灵活使用。

下节我们将为大家带来Java8的另一大特性Optional的用法介绍，欢迎关注。

上节回顾《初始Java8- lambda表达式》

PS:部分示意图来自[RxJava](https://github.com/Netflix/RxJava)