【157期】面试官问，招银网络java面试

List integerList = Arrays.asList(1, 2, 3, 4, 5);

Stream stream = integerList.stream();

通过集合的stream方法生成流

2.通过数组生成

int[] intArr = new int[]{1, 2, 3, 4, 5};

IntStream stream = Arrays.stream(intArr);

通过Arrays.stream方法生成流，并且该方法生成的流是数值流【即IntStream】而不是Stream<Integer>。补充一点使用数值流可以避免计算过程中拆箱装箱，提高性能。

Stream API提供了mapToInt、mapToDouble、mapToLong三种方式将对象流【即Stream】转换成对应的数值流，同时提供了boxed方法将数值流转换为对象流

3.通过值生成

Stream stream = Stream.of(1, 2, 3, 4, 5);

通过Stream的of方法生成流，通过Stream的empty方法可以生成一个空流

4.通过文件生成

Stream lines = Files.lines(Paths.get(“data.txt”), Charset.defaultCharset())

通过Files.line方法得到一个流，并且得到的每个流是给定文件中的一行

5.通过函数生成 提供了iterate和generate两个静态方法从函数中生成流

iterator

Stream stream = Stream.iterate(0, n -> n + 2).limit(5);

iterate方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为iterator生成的流为无限流，通过limit方法对流进行了截断，只生成5个偶数

generator

Stream stream = Stream.generate(Math::random).limit(5);

generate方法接受一个参数，方法参数类型为Supplier，由它为流提供值。generate生成的流也是无限流，因此通过limit对流进行了截断

流的操作类型

---

流的操作类型主要分为两种

1.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，仅仅调用到这类方法，并没有真正开始流的遍历，真正的遍历需等到终端操作时，常见的中间操作有下面即将介绍的filter、map等

2.终端操作

一个流有且只能有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作，因此一个流只能被遍历一次，若想在遍历需要通过源数据在生成流。终端操作的执行，才会真正开始流的遍历。如下面即将介绍的count、collect等

流使用

---

流的使用将分为终端操作和中间操作进行介绍

中间操作

filter筛选

List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);

Stream stream = integerList.stream().filter(i -> i > 3);

通过使用filter方法进行条件筛选，filter的方法参数为一个条件

distinct去除重复元素

List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);

Stream stream = integerList.stream().distinct();

通过distinct方法快速去除重复的元素

limit返回指定流个数

List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);

Stream stream = integerList.stream().limit(3);

通过limit方法指定返回流的个数，limit的参数值必须>=0，否则将会抛出异常

skip跳过流中的元素

List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);

Stream stream = integerList.stream().skip(2);

通过skip方法跳过流中的元素，上述例子跳过前两个元素，所以打印结果为2,3,4,5，skip的参数值必须>=0，否则将会抛出异常

map流映射

所谓流映射就是将接受的元素映射成另外一个元素

List stringList = Arrays.asList(“Java 8”, “Lambdas”,  “In”, “Action”);

Stream stream = stringList.stream().map(String::length);

通过map方法可以完成映射，该例子完成中String -> Integer的映射，之前上面的例子通过map方法完成了Dish->String的映射

flatMap流转换

将一个流中的每个值都转换为另一个流

List wordList = Arrays.asList(“Hello”, “World”);

List strList = wordList.stream()

.map(w -> w.split(" "))

.flatMap(Arrays::stream)

.distinct()

.collect(Collectors.toList());

map(w -> w.split(" "))的返回值为Stream<String[]>，我们想获取Stream<String>，可以通过flatMap方法完成Stream ->Stream的转换

元素匹配

提供了三种匹配方式

1.allMatch匹配所有

List integerList = Arrays.asList(1, 2, 3, 4, 5);

if (integerList.stream().allMatch(i -> i > 3)) {

System.out.println(“值都大于3”);

}

通过allMatch方法实现

2.anyMatch匹配其中一个

List integerList = Arrays.asList(1, 2, 3, 4, 5);

if (integerList.stream().anyMatch(i -> i > 3)) {

System.out.println(“存在大于3的值”);

}

等同于

for (Integer i : integerList) {

if (i > 3) {

System.out.println(“存在大于3的值”);

break;

}

}

存在大于3的值则打印，java8中通过anyMatch方法实现这个功能

3.noneMatch全部不匹配

List integerList = Arrays.asList(1, 2, 3, 4, 5);

if (integerList.stream().noneMatch(i -> i > 3)) {

System.out.println(“值都小于3”);

}

通过noneMatch方法实现。推荐：Java进阶学习资料

终端操作

---

统计流中元素个数

1.通过count

List integerList = Arrays.asList(1, 2, 3, 4, 5);

Long result = integerList.stream().count();

通过使用count方法统计出流中元素个数

2.通过counting

List integerList = Arrays.asList(1, 2, 3, 4, 5);

Long result = integerList.stream().collect(counting());

最后一种统计元素个数的方法在与collect联合使用的时候特别有用

查找

提供了两种查找方式

1.findFirst查找第一个

List integerList = Arrays.asList(1, 2, 3, 4, 5);

Optional result = integerList.stream().filter(i -> i > 3).findFirst();

通过findFirst方法查找到第一个大于三的元素并打印

2.findAny随机查找一个

List integerList = Arrays.asList(1, 2, 3, 4, 5);

Optional result = integerList.stream().filter(i -> i > 3).findAny();

通过findAny方法查找到其中一个大于三的元素并打印，因为内部进行优化的原因，当找到第一个满足大于三的元素时就结束，该方法结果和findFirst方法结果一样。提供findAny方法是为了更好的利用并行流，findFirst方法在并行上限制更多【本篇文章将不介绍并行流】

reduce将流中的元素组合起来

假设我们对一个集合中的值进行求和

jdk8之前

int sum = 0;

for (int i : integerList) {

sum += i;

}

jdk8之后通过reduce进行处理

int sum = integerList.stream().reduce(0, (a, b) -> (a + b));

一行就可以完成，还可以使用方法引用简写成：

int sum = integerList.stream().reduce(0, Integer::sum);

reduce接受两个参数，一个初始值这里是0，一个BinaryOperator<T> accumulator

来将两个元素结合起来产生一个新值，

另外reduce方法还有一个没有初始化值的重载方法。推荐：Java进阶学习资料。

获取流中最小最大值

通过min/max获取最小最大值

Optional min = menu.stream().map(Dish::getCalories).min(Integer::compareTo);

Optional max = menu.stream().map(Dish::getCalories).max(Integer::compareTo);

也可以写成：

OptionalInt min = menu.stream().mapToInt(Dish::getCalories).min();

OptionalInt max = menu.stream().mapToInt(Dish::getCalories).max();

min获取流中最小值，max获取流中最大值，方法参数为Comparator<? super T> comparator

通过minBy/maxBy获取最小最大值

Optional min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo));

Optional max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo));

minBy获取流中最小值，maxBy获取流中最大值，方法参数为Comparator<? super T> comparator

通过reduce获取最小最大值

Optional min = menu.stream().map(Dish::getCalories).reduce(Integer::min);

Optional max = menu.stream().map(Dish::getCalories).reduce(Integer::max);

求和

通过summingInt

int sum = menu.stream().collect(summingInt(Dish::getCalories));

如果数据类型为double、long，则通过summingDouble、summingLong方法进行求和

通过reduce

int sum = menu.stream().map(Dish::getCalories).reduce(0, Integer::sum);

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大纲截图出来，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，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024b （备注Java）

总结：绘上一张Kakfa架构思维大纲脑图（xmind）

其实关于Kafka，能问的问题实在是太多了，扒了几天，最终筛选出44问：基础篇17问、进阶篇15问、高级篇12问，个个直戳痛点，不知道如果你不着急看答案，又能答出几个呢？

若是对Kafka的知识还回忆不起来，不妨先看我手绘的知识总结脑图（xmind不能上传，文章里用的是图片版）进行整体架构的梳理

梳理了知识，刷完了面试，如若你还想进一步的深入学习解读kafka以及源码，那么接下来的这份《手写“kafka”》将会是个不错的选择。

• Kafka入门

• 为什么选择Kafka

• Kafka的安装、管理和配置

• Kafka的集群

• 第一个Kafka程序

• Kafka的生产者

• Kafka的消费者

• 深入理解Kafka

• 可靠的数据传递

• Spring和Kafka的整合

• SpringBoot和Kafka的整合

• Kafka实战之削峰填谷

• 数据管道和流式处理(了解即可)

g-VuNWS82p-1711804769139)]

总结：绘上一张Kakfa架构思维大纲脑图（xmind）

[外链图片转存中…(img-j43KeBUu-1711804769140)]

其实关于Kafka，能问的问题实在是太多了，扒了几天，最终筛选出44问：基础篇17问、进阶篇15问、高级篇12问，个个直戳痛点，不知道如果你不着急看答案，又能答出几个呢？

若是对Kafka的知识还回忆不起来，不妨先看我手绘的知识总结脑图（xmind不能上传，文章里用的是图片版）进行整体架构的梳理

梳理了知识，刷完了面试，如若你还想进一步的深入学习解读kafka以及源码，那么接下来的这份《手写“kafka”》将会是个不错的选择。

• Kafka入门

• 为什么选择Kafka

• Kafka的安装、管理和配置

• Kafka的集群

• 第一个Kafka程序

• Kafka的生产者

• Kafka的消费者

• 深入理解Kafka

• 可靠的数据传递

• Spring和Kafka的整合

• SpringBoot和Kafka的整合

• Kafka实战之削峰填谷

• 数据管道和流式处理(了解即可)

[外链图片转存中…(img-c2SkkhOR-1711804769140)]

[外链图片转存中…(img-yPcG2HJR-1711804769140)]