Integer arr[] = {1,2,3,5,6,8};
Stream.of(arr)
.filter(i->i>0)
.forEach(System.out::println);
System.out.println(“---------”);
// 为了提高程序代码的效率,我们可以先将流中Integer数据转换为int数据,然后再操作
IntStream intStream = Stream.of(arr)
.mapToInt(Integer::intValue);
intStream.filter(i->i>3)
.forEach(System.out::println);
}
4.15 concat
如果有两个流,希望合并成为一个流,那么可以使用Stream接口的静态方法concat
public static Stream concat(Stream<? extends T> a, Stream<? extends T> b) {
Objects.requireNonNull(a);
Objects.requireNonNull(b);
@SuppressWarnings(“unchecked”)
Spliterator split = new Streams.ConcatSpliterator.OfRef<>(
(Spliterator) a.spliterator(), (Spliterator) b.spliterator());
Stream stream = StreamSupport.stream(split, a.isParallel() || b.isParallel());
return stream.onClose(Streams.composedClose(a, b));
}
使用:
public static void main(String[] args) {
Stream stream1 = Stream.of(“a”,“b”,“c”);
Stream stream2 = Stream.of(“x”, “y”, “z”);
// 通过concat方法将两个流合并为一个新的流
Stream.concat(stream1,stream2).forEach(System.out::println);
}
4.16 综合案例
定义两个集合,然后在集合中存储多个用户名称。然后完成如下的操作:
-
第一个队伍只保留姓名长度为3的成员
-
第一个队伍筛选之后只要前3个人
-
第二个队伍只要姓张的成员
-
第二个队伍筛选之后不要前两个人
-
将两个队伍合并为一个队伍
-
根据姓名创建Person对象
-
打印整个队伍的Person信息
package com.bobo.jdk.stream;
import com.bobo.jdk.lambda.domain.Person;
import java.util.Arrays;
import java.util.List;
import java.util.stream.Stream;
public class StreamTest21Demo {
/**
-
- 第一个队伍只保留姓名长度为3的成员
-
- 第一个队伍筛选之后只要前3个人
-
- 第二个队伍只要姓张的成员
-
- 第二个队伍筛选之后不要前两个人
-
- 将两个队伍合并为一个队伍
-
- 根据姓名创建Person对象
-
- 打印整个队伍的Person信息
-
@param args
*/
public static void main(String[] args) {
List list1 = Arrays.asList(“迪丽热巴”, “宋远桥”, “苏星河”, “老子”, “庄子”, “孙子”, “洪七 公”);
List list2 = Arrays.asList(“古力娜扎”, “张无忌”, “张三丰”, “赵丽颖”, “张二狗”, “张天爱”, “张三”);
// 1. 第一个队伍只保留姓名长度为3的成员
// 2. 第一个队伍筛选之后只要前3个人
Stream stream1 = list1.stream().filter(s -> s.length() == 3).limit(3);
// 3. 第二个队伍只要姓张的成员
// 4. 第二个队伍筛选之后不要前两个人
Stream stream2 = list2.stream().filter(s -> s.startsWith(“张”)).skip(2);
// 5. 将两个队伍合并为一个队伍
// 6. 根据姓名创建Person对象
// 7. 打印整个队伍的Person信息
Stream.concat(stream1,stream2)
//.map(n-> new Person(n))
.map(Person::new)
.forEach(System.out::println);
}
}
输出结果:
Person{name=‘宋远桥’, age=null, height=null}
Person{name=‘苏星河’, age=null, height=null}
Person{name=‘张二狗’, age=null, height=null}
Person{name=‘张天爱’, age=null, height=null}
Person{name=‘张三’, age=null, height=null}
5.1 结果收集到集合中
/**
-
Stream结果收集
-
收集到集合中
*/
@Test
public void test01(){
// Stream stream = Stream.of(“aa”, “bb”, “cc”);
List list = Stream.of(“aa”, “bb”, “cc”,“aa”)
.collect(Collectors.toList());
System.out.println(list);
// 收集到 Set集合中
Set set = Stream.of(“aa”, “bb”, “cc”, “aa”)
.collect(Collectors.toSet());
System.out.println(set);
// 如果需要获取的类型为具体的实现,比如:ArrayList HashSet
ArrayList arrayList = Stream.of(“aa”, “bb”, “cc”, “aa”)
//.collect(Collectors.toCollection(() -> new ArrayList<>()));
.collect(Collectors.toCollection(ArrayList::new));
System.out.println(arrayList);
HashSet hashSet = Stream.of(“aa”, “bb”, “cc”, “aa”)
.collect(Collectors.toCollection(HashSet::new));
System.out.println(hashSet);
}
输出:
[aa, bb, cc, aa]
[aa, bb, cc]
[aa, bb, cc, aa]
[aa, bb, cc]
5.2 结果收集到数组中
Stream中提供了toArray方法来将结果放到一个数组中,返回值类型是Object[],如果我们要指定返回的类型,那么可以使用另一个重载的toArray(IntFunction f)方法
/**
- Stream结果收集到数组中
*/
@Test
public void test02(){
Object[] objects = Stream.of(“aa”, “bb”, “cc”, “aa”)
.toArray(); // 返回的数组中的元素是 Object类型
System.out.println(Arrays.toString(objects));
// 如果我们需要指定返回的数组中的元素类型
String[] strings = Stream.of(“aa”, “bb”, “cc”, “aa”)
.toArray(String[]::new);
System.out.println(Arrays.toString(strings));
}
5.3 对流中的数据做聚合计算
当我们使用Stream流处理数据后,可以像数据库的聚合函数一样对某个字段进行操作,比如获得最大值,最小值,求和,平均值,统计数量。
/**
- Stream流中数据的聚合计算
*/
@Test
public void test03(){
// 获取年龄的最大值
Optional maxAge = Stream.of(
new Person(“张三”, 18)
, new Person(“李四”, 22)
, new Person(“张三”, 13)
, new Person(“王五”, 15)
, new Person(“张三”, 19)
).collect(Collectors.maxBy((p1, p2) -> p1.getAge() - p2.getAge()));
System.out.println(“最大年龄:” + maxAge.get());
// 获取年龄的最小值
Optional minAge = Stream.of(
new Person(“张三”, 18)
, new Person(“李四”, 22)
, new Person(“张三”, 13)
, new Person(“王五”, 15)
, new Person(“张三”, 19)
).collect(Collectors.minBy((p1, p2) -> p1.getAge() - p2.getAge()));
System.out.println(“最新年龄:” + minAge.get());
// 求所有人的年龄之和
Integer sumAge = Stream.of(
new Person(“张三”, 18)
, new Person(“李四”, 22)
, new Person(“张三”, 13)
, new Person(“王五”, 15)
, new Person(“张三”, 19)
)
//.collect(Collectors.summingInt(s -> s.getAge()))
.collect(Collectors.summingInt(Person::getAge))
;
System.out.println(“年龄总和:” + sumAge);
// 年龄的平均值
Double avgAge = Stream.of(
new Person(“张三”, 18)
, new Person(“李四”, 22)
, new Person(“张三”, 13)
, new Person(“王五”, 15)
, new Person(“张三”, 19)
).collect(Collectors.averagingInt(Person::getAge));
System.out.println(“年龄的平均值:” + avgAge);
// 统计数量
Long count = Stream.of(
new Person(“张三”, 18)
, new Person(“李四”, 22)
, new Person(“张三”, 13)
, new Person(“王五”, 15)
, new Person(“张三”, 19)
).filter(p->p.getAge() > 18)
.collect(Collectors.counting());
System.out.println(“满足条件的记录数:” + count);
}
5.4 对流中数据做分组操作
当我们使用Stream流处理数据后,可以根据某个属性将数据分组
/**
- 分组计算
*/
@Test
public void test04(){
// 根据账号对数据进行分组
Map<String, List> map1 = Stream.of(
new Person(“张三”, 18, 175)
, new Person(“李四”, 22, 177)
, new Person(“张三”, 14, 165)
, new Person(“李四”, 15, 166)
, new Person(“张三”, 19, 182)
).collect(Collectors.groupingBy(Person::getName));
map1.forEach((k,v)-> System.out.println(“k=” + k +“\t”+ “v=” + v));
System.out.println(“-----------”);
// 根据年龄分组 如果大于等于18 成年否则未成年
Map<String, List> map2 = Stream.of(
new Person(“张三”, 18, 175)
, new Person(“李四”, 22, 177)
, new Person(“张三”, 14, 165)
, new Person(“李四”, 15, 166)
, new Person(“张三”, 19, 182)
).collect(Collectors.groupingBy(p -> p.getAge() >= 18 ? “成年” : “未成年”));
map2.forEach((k,v)-> System.out.println(“k=” + k +“\t”+ “v=” + v));
}
输出结果:
k=李四 v=[Person{name=‘李四’, age=22, height=177}, Person{name=‘李四’, age=15, height=166}]
k=张三 v=[Person{name=‘张三’, age=18, height=175}, Person{name=‘张三’, age=14, height=165}, Person{name=‘张三’, age=19, height=182}]
k=未成年 v=[Person{name=‘张三’, age=14, height=165}, Person{name=‘李四’, age=15, height=166}]
k=成年 v=[Person{name=‘张三’, age=18, height=175}, Person{name=‘李四’, age=22, height=177}, Person{name=‘张三’, age=19, height=182}]
多级分组: 先根据name分组然后根据年龄分组
/**
- 分组计算–多级分组
*/
@Test
public void test05(){
// 先根据name分组,然后根据age(成年和未成年)分组
Map<String,Map<Object,List>> map = Stream.of(
new Person(“张三”, 18, 175)
, new Person(“李四”, 22, 177)
, new Person(“张三”, 14, 165)
, new Person(“李四”, 15, 166)
, new Person(“张三”, 19, 182)
).collect(Collectors.groupingBy(
Person::getName
,Collectors.groupingBy(p->p.getAge()>=18?“成年”:“未成年”
)
));
map.forEach((k,v)->{
System.out.println(k);
v.forEach((k1,v1)->{
System.out.println(“\t”+k1 + “=” + v1);
});
});
}
输出结果:
李四
未成年=[Person{name=‘李四’, age=15, height=166}]
成年=[Person{name=‘李四’, age=22, height=177}]
张三
未成年=[Person{name=‘张三’, age=14, height=165}]
成年=[Person{name=‘张三’, age=18, height=175}, Person{name=‘张三’, age=19, height=182}]
5.5 对流中的数据做分区操作
Collectors.partitioningBy会根据值是否为true,把集合中的数据分割为两个列表,一个true列表,一个false列表
/**
- 分区操作
*/
@Test
public void test06(){
Map<Boolean, List> map = Stream.of(
new Person(“张三”, 18, 175)
, new Person(“李四”, 22, 177)
, new Person(“张三”, 14, 165)
, new Person(“李四”, 15, 166)
, new Person(“张三”, 19, 182)
).collect(Collectors.partitioningBy(p -> p.getAge() > 18));
map.forEach((k,v)-> System.out.println(k+“\t” + v));
}
输出结果:
false [Person{name=‘张三’, age=18, height=175}, Person{name=‘张三’, age=14, height=165}, Person{name=‘李四’, age=15, height=166}]
true [Person{name=‘李四’, age=22, height=177}, Person{name=‘张三’, age=19, height=182}]
5.6 对流中的数据做拼接
Collectors.joining会根据指定的连接符,将所有的元素连接成一个字符串
/**
- 对流中的数据做拼接操作
*/
@Test
public void test07(){
String s1 = Stream.of(
new Person(“张三”, 18, 175)
, new Person(“李四”, 22, 177)
, new Person(“张三”, 14, 165)
, new Person(“李四”, 15, 166)
, new Person(“张三”, 19, 182)
).map(Person::getName)
.collect(Collectors.joining());
// 张三李四张三李四张三
System.out.println(s1);
String s2 = Stream.of(
new Person(“张三”, 18, 175)
, new Person(“李四”, 22, 177)
, new Person(“张三”, 14, 165)
, new Person(“李四”, 15, 166)
, new Person(“张三”, 19, 182)
).map(Person::getName)
.collect(Collectors.joining(“_”));
// 张三_李四_张三_李四_张三
System.out.println(s2);
String s3 = Stream.of(
new Person(“张三”, 18, 175)
, new Person(“李四”, 22, 177)
, new Person(“张三”, 14, 165)
, new Person(“李四”, 15, 166)
, new Person(“张三”, 19, 182)
).map(Person::getName)
.collect(Collectors.joining(“_”, “###”, “$$$”));
// ###张三_李四_张三_李四_张三$$$
System.out.println(s3);
}
6.1 串行的Stream流
我们前面使用的Stream流都是串行,也就是在一个线程上面执行。
/**
- 串行流
*/
@Test
public void test01(){
Stream.of(5,6,8,3,1,6)
.filter(s->{
System.out.println(Thread.currentThread() + “” + s);
return s > 3;
}).count();
}
输出:
Thread[main,5,main]5
Thread[main,5,main]6
Thread[main,5,main]8
Thread[main,5,main]3
Thread[main,5,main]1
Thread[main,5,main]6
6.2 并行流
parallelStream其实就是一个并行执行的流,它通过默认的ForkJoinPool,可以提高多线程任务的速度。
6.2.1 获取并行流
我们可以通过两种方式来获取并行流。
-
通过List接口中的parallelStream方法来获取
-
通过已有的串行流转换为并行流(parallel)
实现:
/**
- 获取并行流的两种方式
*/
@Test
public void test02(){
List list = new ArrayList<>();
// 通过List 接口 直接获取并行流
Stream integerStream = list.parallelStream();
// 将已有的串行流转换为并行流
Stream parallel = Stream.of(1, 2, 3).parallel();
}
6.2.2 并行流操作
/**
- 并行流操作
*/
@Test
public void test03(){
Stream.of(1,4,2,6,1,5,9)
.parallel() // 将流转换为并发流,Stream处理的时候就会通过多线程处理
.filter(s->{
System.out.println(Thread.currentThread() + " s=" +s);
return s > 2;
}).count();
}
效果
Thread[main,5,main] s=1
Thread[ForkJoinPool.commonPool-worker-2,5,main] s=9
Thread[ForkJoinPool.commonPool-worker-6,5,main] s=6
Thread[ForkJoinPool.commonPool-worker-13,5,main] s=2
Thread[ForkJoinPool.commonPool-worker-9,5,main] s=4
Thread[ForkJoinPool.commonPool-worker-4,5,main] s=5
Thread[ForkJoinPool.commonPool-worker-11,5,main] s=1
6.3 并行流和串行流对比
我们通过for循环,串行Stream流,并行Stream流来对500000000亿个数字求和。来看消耗时间
package com.bobo.jdk.res;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import java.util.stream.LongStream;
public class Test03 {
private static long times = 500000000;
private long start;
@Before
public void befor(){
start = System.currentTimeMillis();
}
@After
public void end(){
long end = System.currentTimeMillis();
System.out.println(“消耗时间:” + (end - start));
}
/**
- 普通for循环 消耗时间:138
*/
@Test
public void test01(){
System.out.println(“普通for循环:”);
long res = 0;
for (int i = 0; i < times; i++) {
res += i;
}
}
/**
-
串行流处理
-
消耗时间:203
*/
@Test
public void test02(){
System.out.println(“串行流:serialStream”);
LongStream.rangeClosed(0,times)
.reduce(0,Long::sum);
}
/**
- 并行流处理 消耗时间:84
*/
@Test
public void test03(){
LongStream.rangeClosed(0,times)
.parallel()
.reduce(0,Long::sum);
}
}
通过案例我们可以看到parallelStream的效率是最高的。
Stream并行处理的过程会分而治之,也就是将一个大的任务切分成了多个小任务,这表示每个任务都是一个线程操作。
6.4 线程安全问题
在多线程的处理下,肯定会出现数据安全问题。如下:
@Test
public void test01(){
List list = new ArrayList<>();
for (int i = 0; i < 1000; i++) {
list.add(i);
}
System.out.println(list.size());
List listNew = new ArrayList<>();
// 使用并行流来向集合中添加数据
list.parallelStream()
//.forEach(s->listNew.add(s));
.forEach(listNew::add);
System.out.println(listNew.size());
}
运行效果:
839
或者直接抛异常
java.lang.ArrayIndexOutOfBoundsException
at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)
at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
at java.lang.reflect.Constructor.newInstance(Constructor.java:423)
at java.util.concurrent.ForkJoinTask.getThrowableException(ForkJoinTask.java:598)
…
Caused by: java.lang.ArrayIndexOutOfBoundsException: 366
at java.util.ArrayList.add(ArrayList.java:463)
针对这个问题,我们的解决方案有哪些呢?
-
加同步锁
-
使用线程安全的容器
-
通过Stream中的toArray/collect操作
实现:
/**
- 加同步锁
*/
@Test
public void test02(){
List listNew = new ArrayList<>();
Object obj = new Object();
IntStream.rangeClosed(1,1000)
.parallel()
.forEach(i->{
synchronized (obj){
listNew.add(i);
}
});
System.out.println(listNew.size());
}
/**
- 使用线程安全的容器
*/
@Test
public void test03(){
Vector v = new Vector();
Object obj = new Object();
IntStream.rangeClosed(1,1000)
.parallel()
.forEach(i->{
synchronized (obj){
v.add(i);
}
});
System.out.println(v.size());
}
/**
- 将线程不安全的容器转换为线程安全的容器
*/
@Test
public void test04(){
List listNew = new ArrayList<>();
// 将线程不安全的容器包装为线程安全的容器
List synchronizedList = Collections.synchronizedList(listNew);
Object obj = new Object();
IntStream.rangeClosed(1,1000)
.parallel()
.forEach(i->{
synchronizedList.add(i);
});
System.out.println(synchronizedList.size());
}
/**
-
我们还可以通过Stream中的 toArray方法或者 collect方法来操作
-
就是满足线程安全的要求
*/
@Test
public void test05(){
List listNew = new ArrayList<>();
Object obj = new Object();
List list = IntStream.rangeClosed(1, 1000)
.parallel()
.boxed()
.collect(Collectors.toList());
System.out.println(list.size());
}
parallelStream使用的是Fork/Join框架。Fork/Join框架自JDK 7引入。Fork/Join框架可以将一个大任务拆分为很多小任务来异步执行。 Fork/Join框架主要包含三个模块:
-
线程池:ForkJoinPool
-
任务对象:ForkJoinTask
-
执行任务的线程:ForkJoinWorkerThread
7.1 Fork/Join原理-分治法
ForkJoinPool主要用来使用分治法(Divide-and-Conquer Algorithm)来解决问题。典型的应用比如快速排序算法,ForkJoinPool需要使用相对少的线程来处理大量的任务。比如要对1000万个数据进行排序,那么会将这个任务分割成两个500万的排序任务和一个针对这两组500万数据的合并任务。以此类推,对于500万的数据也会做出同样的分割处理,到最后会设置一个阈值来规定当数据规模到多少时,停止这样的分割处理。比如,当元素的数量小于10时,会停止分割,转而使用插入排序对它们进行排序。那么到最后,所有的任务加起来会有大概2000000+个。问题的关键在于,对于一个任务而言,只有当它所有的子任务完成之后,它才能够被执行。
7.2 Fork/Join原理-工作窃取算法
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
总结
阿里伤透我心,疯狂复习刷题,终于喜提offer 哈哈~好啦,不闲扯了
1、JAVA面试核心知识整理(PDF):包含JVM,JAVA集合,JAVA多线程并发,JAVA基础,Spring原理,微服务,Netty与RPC,网络,日志,Zookeeper,Kafka,RabbitMQ,Hbase,MongoDB,Cassandra,设计模式,负载均衡,数据库,一致性哈希,JAVA算法,数据结构,加密算法,分布式缓存,Hadoop,Spark,Storm,YARN,机器学习,云计算共30个章节。
2、Redis学习笔记及学习思维脑图
3、数据面试必备20题+数据库性能优化的21个最佳实践
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
G9nLmNzZG4ubmV0L3FxXzM4NTI2NTcz,size_16,color_FFFFFF,t_70)
7.2 Fork/Join原理-工作窃取算法
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。[外链图片转存中…(img-x74UbP9L-1712928646116)]
[外链图片转存中…(img-cDFLs3G9-1712928646117)]
[外链图片转存中…(img-UGxnBXik-1712928646117)]
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
总结
阿里伤透我心,疯狂复习刷题,终于喜提offer 哈哈~好啦,不闲扯了
[外链图片转存中…(img-SGstSsC2-1712928646117)]
1、JAVA面试核心知识整理(PDF):包含JVM,JAVA集合,JAVA多线程并发,JAVA基础,Spring原理,微服务,Netty与RPC,网络,日志,Zookeeper,Kafka,RabbitMQ,Hbase,MongoDB,Cassandra,设计模式,负载均衡,数据库,一致性哈希,JAVA算法,数据结构,加密算法,分布式缓存,Hadoop,Spark,Storm,YARN,机器学习,云计算共30个章节。
[外链图片转存中…(img-w7XmbCTt-1712928646118)]
2、Redis学习笔记及学习思维脑图
[外链图片转存中…(img-MoMxZW2b-1712928646118)]
3、数据面试必备20题+数据库性能优化的21个最佳实践
[外链图片转存中…(img-4duBRbeS-1712928646118)]
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!