Java Stream流中的实用操作，各种流操作的参考示例分析

String str = “11, 22, 33, 44, 55”;

// 11 22 33 44 55 165

System.out.println(Stream.of(str.split(“,”)).peek(System.out :: println).mapToInt(Integer :: valueOf).sum());

终止操作

====

循环-forEach

==========

• forEach用来循环遍历每一个元素

// 创建一个实体类,包含有一个属性为num属性.并且有一个build()方法用于为num赋值

String str = “1, 2, 3”

/*

• 输出 num = 1, num = 2, num = 3

*/

Stream.of(str.split(“,”)).map(x -> new User(x)).forEach(System.out :: println);

Stream.of(str.split(“,”)).map(User :: new).forEach(System.out :: println);

Stream.of(str.split(“,”)).map(x -> User.build(x)).forEach(System.out :: println);

Stream.of(str.split(“,”)).map(User :: build).forEach(System.out :: println);

计算-min,max,count,sum

====================

• min: 返回Stream流元素中的最小值

• max: 返回Stream流元素中的最大值

• count: 返回Stream流元素中的总个数

• sum: 对Stream流元素进行求和

List list = Arrays.asList(1, 2, 3, 4, 5, 6);

// 求集合的最大值 - 6

System.out.println(list.stream().max((a, b) -> a - b).get());

// 求集合的最小值 - 1

System.out.println(list.stream().min((a, b) -> a - b).get());

// 统计元素的个数 - 6

System.out.println(list.stream().count());

// 元素求和

String str = “11, 22, 33, 44, 55”;

System.out.println(Stream.of(str.split(“,”)).mapToInt(x -> Integer.valueOf(x)).sum());

System.out.println(Stream.of(str.split(“,”)).mapToInt(Integer :: valueOf).sum());

System.out.println(Stream.of(str.split(“,”)).map(x -> Integer.valueOf(x)).mapToInt(x -> x).sum());

System.out.println(Stream.of(str.split(“,”)).map(Integer :: valueOf).mapToInt(x -> x).sum());

匹配-anyMatch,allMatch,noneMatch,findFirst,findAny

================================================

• anyMatch: 接收一个Predicate函数,只要Stream流中有一个元素满足该断言则返回true, 否则返回false

• allMatch: 接收一个Predicate函数,当Stream流中每一个元素都满足该断言则返回true, 否则返回false

• noneMatch: 接收一个Predicate函数,当Stream流中每一个元素都不符合该断言则返回true, 否则返回false

• findFirst: 返回Stream流中的第一个元素

• findAny: 返回Stream流中的任意一个元素

List list = Arrays.asList(1, 2, 3, 4, 5, 6);

// 如果集合的元素都大于等于0则返回true

System.out.println(list.stream().allMatch(x -> x >= 0));

// 如果集合中有大于5的元素,返回false

Systemm.out.println(list.stream().noneMatch(x -> x > 5));

// 如果集合中有大于3的元素则返回true

System.out.println(list.stream().anyMatch(x -> x > 3));

// 取第一个偶数

System.out.println(list.stream().filter(x -> x % 2 == 0).findFirst().get());

// 取任意一个偶数

System.out.println(list.stream().filter(x -> x % 2 == 0).findAny().get());

收集器-toArray,collect

===================

• collect: 接收一个Collector实例,将流中元素转变为另外一种数据结构

• Collector<T, A, R> 是一个接口,包含5个抽象方法: Supplier< A > supplier(): 创建一个结果容器 BiConsumer<A, T> accumulator(): 消费型接口. 第一个参数为容器A, 第二个参数为流中元素T BinaryOperator< A > combiner(): 函数接口. 该函数的作用是将各个子流程的运行结果,即accumulator函数操作后的容器A进行合并 Function<A, R> finisher(): 函数式接口. 参数为容器A, 返回类型为collect方法需要的结果类型R Set< Chracteristics > characteristics(): 返回一个不可变的Set集合,用来表明该Collector的特性

// 将对象值转化为List

List ageList = userList.stream().map(User :: getAge).collect(Collectors.toList());

// 将对象值转化为Set

Set ageSet = userList.stream().map(User :: getAge).collect(Collectors.toMap());

// 将对象值转换为Map. 要求key的取值不能相同

Map<String, Integer> userMap = userList.stream().collect(Colletors.toMap(User :: getName, User :: getAge));

// 字符串分隔符连接

String joinName = userList.stream().map(User :: getName).collect(Collectors.join(“,”, “(”, “)”))

// 聚合操作 - 计算对象总数

Long count = userList.stream().collect(Collectors.counting());

// 聚合操作 - 计算最大值

Integer maxAge = userList.stream().map(User :: getAge).collect(Collectors.maxBy(Integer :: compare)).get();

// 聚合操作 - 计算对象值总数

Integer sumAge = userList.stream().collect(Collectors.summingInt(User :: getAge));

// 聚合操作 - 计算对象值的平均数

Double averageAge = userList.stream().collet(Collectors.averagingDouble(User :: getAge));

// 根据Age分组

Map<Integer, List> ageMap = userList.stream().collect(Collectors.groupingBy(User :: getAge));

// 根据条件分区: 一部分大于10, 一部分小于10

Map<Boolean, List> partMap = userList.stream().collect(Collectors.partitionBy(x -> x.getAge() > 10));

// 规约

Integer value = userList.stream().map(User :: getAge).collect(Collectors.reducing(Integer :: sum)).get();

parallelStream

==============

• parallelStream是流并行处理程序的代替方法

List strings = Arrays.asList(“I”, “want”, “to”, “be”, “”, “great”);

long count = strings.parallelStream().filter(string -> string.isEmpty()).count();

• 可以很容易的在顺序运行和并行之间进行直接切换

Collectors

==========

• Collectors类实现很多归约操作,比如将流转换成集合和聚合元素

• Collectors可用于返回列表和字符串

List strings = Arrays.asList(“I”, “want”, “to”, “be”, “”, “great”);

// 过滤掉空字符串

List filtered = strings.stream().filter(string -> !string.isEmpty()).collect(Collectors.toList());

// 合并字符串

String mergedString = strings.stream().filter(string -> !string.isEmpty()).collect(Collectors.joining(“,”));

averagingDouble

===============

/**

• 返回一个Collector,生成应用于输入元素double值函数的算术平均值

• 结果可能会存在误差

• @param mapper 获取需要计算算数平均值的值的映射器

• @return Collector<T, ?, Double> 计算算术平均值的Collector

*/

public static Collector<T, ?, Double> averagingDouble(ToDoubleFunction<? super T> mapper) {

/*

• 在收集操作的数组中:

• 索引0 - 运行总和的高位

• 索引1 - 补偿计算总和的低位

• 索引2 - 可见值的数量

*/

return new CollectorImpl<>(

() -> new double[4],

(a, t) -> { double val = mapper.applyAsDouble(t); sumWithCompensation(a, val); a[2]++; a[3]+= val;},

(a, b) -> { sumWithCompensation(a, b[0]); sumWithCompensation(a, b[1]); a[2] += b[2]; a[3] += b[3]; return a; },

a -> (a[2] == 0) ? 0.0d : (computeFinalSum(a) / a[2]),

CH_NOID);

}

averagingInt

============

/**

• 返回一个Collector,生成应用于输入元素int值函数的算术平均值

• @param mapper 获取需要计算算数平均值的值的映射器

• @return Collector<T, ?, Double> 计算算术平均值的Collector

*/

public static Collector<T, ?, Double> averagingInt(ToIntFunction<? super T> mapper) {

return new CollectorImpl<>(

() -> new long[2],

(a, t) -> { a[0] += mapper.applyAsInt(t); a[1]++; },

(a, b) -> { a[0] += b[0]; a[1] += b[1]; return a; },

a -> (a[1] == 0) ? 0.0d : (double) a[0] / a[1], CH_NOID);

}

averagingLong

=============

/**

• 返回一个Collector,生成应用于输入元素long值函数的算术平均值

• @param mapper 获取需要计算算数平均值的值的映射器

• @return Collector<T, ?, Double> 计算算术平均值的Collector

*/

public static Collector<T, ?, Double> averagingLong(ToLongFunction<? super T> mapper) {

return new CollectorImpl<>(

() -> new long[2],

(a, t) -> { a[0] += mapper.applyAsLong(t); a[1]++; },

(a, b) -> { a[0] += b[0]; a[1] += b[1]; return a; },

a -> (a[1] == 0) ? 0.0d : (double) a[0] / a[1], CH_NOID);

}

collectingAndThen

=================

/**

• 调整Collector进行额外的转换

• @param downstream 生成的下游收集器

• @param finisher 额外执行的操作

• @return Collector<T,A,RR> 进行额外操作的下游收集器

*/

public static<T,A,R,RR> Collector<T,A,RR> collectingAndThen(Collector<T,A,R> downstream, Function<R,RR> finisher) {

Set<Collector.Characteristics> characteristics = downstream.characteristics();

if (characteristics.contains(Collector.Characteristics.IDENTITY_FINISH)) {

if (characteristics.size() == 1)

characteristics = Collectors.CH_NOID;

else {

characteristics = EnumSet.copyOf(characteristics);

characteristics.remove(Collector.Characteristics.IDENTITY_FINISH);

characteristics = Collections.unmodifiableSet(characteristics);

}

}

return new CollectorImpl<>(downstream.supplier(),

downstream.accumulator(),

downstream.combiner(),

downstream.finisher().andThen(finisher),

characteristics);

}

counting

========

/**

• 返回Collector中指定类型元素的数量

• @return Collector<T, ?, Long> 指定输入元素数量的收集器

*/

public static Collector<T, ?, Long> counting() {

return summingLong(e -> 1L);

}

groupingBy

==========

/**

• 返回一个对输入的指定类型的元素执行分组操作的Collector

• • 根据分组函数进行分组操作
• • 并将结果以Map类型返回

• @param classifier 指定的分组函数

• @return Collector<T, ?, Map<K, List>> Map类型的返回结果

*/

public static <T, K> Collector<T, ?, Map<K, List>> groupingBy(Function<? super T, ? extends K> classifier) {

return groupingBy(classifier, toList());

}

/**

• 返回一个对输入的指定类型的元素执行级联分组操作的Collector

• • 根据分组函数进行分组操作
• • 然后根据下游收集器对关联key的value值执行指定的规约操作

• @param classifier 指定的分组函数

• @param downstream 指定执行规约操作的下游收集器

• @return Collector<T, ?, Map<K, D>> 实现了级联分组操作的结果

*/

public static <T, K, A, D> Collector<T, ?, Map<K, D>> groupingBy(Function<? super T, ? extends K> classifier, Collector<? super T, A, D> downstream) {

return groupingBy(classifier, HashMap::new, downstream);

}

/**

• 返回一个对输入的指定类型的元素执行级联分组操作的,并以指定的Map实现方式保存结果返回的Collector

• • 根据分组函数进行分组操作
• • 再根据下游收集器对关联key的value值执行指定的规约操作
• • 然后将结果保存到指定方式实现的Map中

• @param classifier 指定的分组函数

• @param mapFactory 指定的Map实现

• @param downstream 指定执行规约操作的下游收集器

• @return Collector<T, ?, M> 实现了级联分组操作的Collector结果

*/

public static <T, K, D, A, M extends Map<K, D>> Collector<T, ?, M> groupingBy(Function<? super T, ? extends K> classifier, Supplier mapFactory, Collector<? super T, A, D> downstream) {

Supplier downstreamSupplier = downstream.supplier();

BiConsumer<A, ? super T> downstreamAccumulator = downstream.accumulator();

BiConsumer<Map<K, A>, T> accumulator = (m, t) -> {

K key = Objects.requireNonNull(classifier.apply(t), “element cannot be mapped to a null key”);

A container = m.computeIfAbsent(key, k -> downstreamSupplier.get());

downstreamAccumulator.accept(container, t);

};

BinaryOperator<Map<K, A>> merger = Collectors.<K, A, Map<K, A>>mapMerger(downstream.combiner());

@SuppressWarnings(“unchecked”)

Supplier<Map<K, A>> mangledFactory = (Supplier<Map<K, A>>) mapFactory;

if (downstream.characteristics().contains(Collector.Characteristics.IDENTITY_FINISH)) {

return new CollectorImpl<>(mangledFactory, accumulator, merger, CH_ID);

}

else {

@SuppressWarnings(“unchecked”)

Function<A, A> downstreamFinisher = (Function<A, A>) downstream.finisher();

Function<Map<K, A>, M> finisher = intermediate -> {

intermediate.replaceAll((k, v) -> downstreamFinisher.apply(v));

@SuppressWarnings(“unchecked”)

M castResult = (M) intermediate;

return castResult;

};

return new CollectorImpl<>(mangledFactory, accumulator, merger, finisher, CH_NOID);

}

}

groupingByConcurrent

====================

/**

• 返回一个对输入的指定类型的元素执行分组操作的并行Collector

• • 根据分组函数进行分组操作
• • 并将结果以Map类型返回

• @param classifier 指定的分组函数

• @return Collector<T, ?, ConcurrentMap<K, List>> 实现分组操作的并发无序的Collector

*/

public static <T, K> Collector<T, ?, ConcurrentMap<K, List>> groupingByConcurrent(Function<? super T, ? extends K> classifier) {

return groupingByConcurrent(classifier, ConcurrentHashMap::new, toList());

}

/**

• 返回一个对输入的指定类型的元素执行级联分组操作的并行Collector

• • 根据分组函数进行分组操作
• • 然后根据下游收集器对关联key的指定value值执行指定的规约操作

• @param classifier 指定的分组函数

• @downstream 指定执行规约操作的下游收集器

• @return Collector<T, ?, ConcurrentMap<K, D>> 实现分组操作的并发无序的Collector

*/

public static <T, K, A, D> Collector<T, ?, ConcurrentMap<K, D>> groupingByConcurrent(Function<? super T, ? extends K> classifier, Collector<? super T, A, D> downstream) {

return groupingByConcurrent(classifier, ConcurrentHashMap::new, downstream);

}

/**

• 返回一个对输入的指定类型的元素执行级联分组操作的并行Collector

• • 根据分组函数进行分组操作
• • 再根据下游收集器对关联key的指定value值执行指定的规约操作
• • 然后将结果保存到指定方式实现的Map中

• @param classifier 指定的分组函数

• @param mapFactory 指定的Map实现

• @downstream 指定执行规约操作的下游收集器

• @return Collector<T, ?, ConcurrentMap<K, D>> 实现分组操作的并发无序的Collector

*/

public static <T, K, A, D, M extends ConcurrentMap<K, D>> Collector<T, ?, M> groupingByConcurrent(Function<? super T, ? extends K> classifier, Supplier mapFactory, Collector<? super T, A, D> downstream) {

Supplier downstreamSupplier = downstream.supplier();

BiConsumer<A, ? super T> downstreamAccumulator = downstream.accumulator();

BinaryOperator<ConcurrentMap<K, A>> merger = Collectors.<K, A, ConcurrentMap<K, A>>mapMerger(downstream.combiner());

@SuppressWarnings(“unchecked”)

Supplier<ConcurrentMap<K, A>> mangledFactory = (Supplier<ConcurrentMap<K, A>>) mapFactory;

BiConsumer<ConcurrentMap<K, A>, T> accumulator;

if (downstream.characteristics().contains(Collector.Characteristics.CONCURRENT)) {

accumulator = (m, t) -> {

K key = Objects.requireNonNull(classifier.apply(t), “element cannot be mapped to a null key”);

A resultContainer = m.computeIfAbsent(key, k -> downstreamSupplier.get());

downstreamAccumulator.accept(resultContainer, t);

};

}

else {

accumulator = (m, t) -> {

K key = Objects.requireNonNull(classifier.apply(t), “element cannot be mapped to a null key”);

A resultContainer = m.computeIfAbsent(key, k -> downstreamSupplier.get());

synchronized (resultContainer) {

downstreamAccumulator.accept(resultContainer, t);

}

};

}

if (downstream.characteristics().contains(Collector.Characteristics.IDENTITY_FINISH)) {

return new CollectorImpl<>(mangledFactory, accumulator, merger, CH_CONCURRENT_ID);

}

else {

@SuppressWarnings(“unchecked”)

Function<A, A> downstreamFinisher = (Function<A, A>) downstream.finisher();

Function<ConcurrentMap<K, A>, M> finisher = intermediate -> {

intermediate.replaceAll((k, v) -> downstreamFinisher.apply(v));

@SuppressWarnings(“unchecked”)

M castResult = (M) intermediate;

return castResult;

};

return new CollectorImpl<>(mangledFactory, accumulator, merger, finisher, CH_CONCURRENT_NOID);

}

}

joining

=======

/**

• 返回一个根据接收元素的顺序将元素连接成一个String字符串的Collector

• @return Collector<CharSequence, ?, String> 根据接收元素的顺序将元素连接成一个字符串的Collector

*/

public static Collector<CharSequence, ?, String> joining() {

return new CollectorImpl<CharSequence, StringBuilder, String>(

StringBuilder::new, StringBuilder::append,

(r1, r2) -> { r1.append(r2); return r1; },

StringBuilder::toString, CH_NOID);

}

/**

• 返回一个根据接收元素的顺序将元素连接成一个String字符串并以指定的分隔符分割的Collector

• @param delimiter 用于每个元素之间的分割符

• @return Collector<CharSequence, ?, String> 根据接收元素的顺序将元素连接成一个字符串并以指定分割符分割的Collector

*/

public static Collector<CharSequence, ?, String> joining(CharSequence delimiter) {

return joining(delimiter, “”, “”);

}

/**

• 返回一个根据接收元素的顺序将元素连接成一个String字符串并以指定的分隔符分割和指定前缀和后缀的Collector

• @param delimiter 用于每个元素之间的分割符

• @param prefix 指定的前缀

• @param suffix 指定的后缀

• @return Collector<CharSequence, ?, String> 根据接收元素的顺序将元素连接成一个字符串并以指定分割符分割和指定的前缀和后缀的Collector

*/

public static Collector<CharSequence, ?, String> joining(CharSequence delimiter, CharSequence prefix, CharSequence suffix) {

return new CollectorImpl<>(

() -> new StringJoiner(delimiter, prefix, suffix),

StringJoiner::add, StringJoiner::merge,

StringJoiner::toString, CH_NOID);

}

mapping

=======

/**

• 在累积元素之前应用映射函数将类型为U的收集器调整为类型为T的收集器

• mapping操作对多级规约操作最有用

• @param mapper 映射函数

• @param downstream 下游收集器

• @return Collector<T, ?, R> 执行映射函数操作后的收集器

*/

public static <T, U, A, R> Collector<T, ?, R> mapping(Function<? super T, ? extends U> mapper, Collector<? super U, A, R> downstream) {

BiConsumer<A, ? super U> downstreamAccumulator = downstream.accumulator();

return new CollectorImpl<>(downstream.supplier(),

(r, t) -> downstreamAccumulator.accept(r, mapper.apply(t)),

downstream.combiner(), downstream.finisher(),

downstream.characteristics());

}

maxBy

=====

/**

• 返回一个根据给定的比较器Comparator生成最大元素的Collector,使用Optional描述

• @param comparator 指定的比较器

• @return Collector<T, ?, Optional> 根据比较器生成最大元素的Collector

*/

public static Collector<T, ?, Optional> maxBy(Comparator<? super T> comparator) {

return reducing(BinaryOperator.maxBy(comparator));

}

minBy

=====

/**

• 返回一个根据给定的比较器Comparator生成最小元素的Collector,使用Optional描述

• @param comparator 指定的比较器

• @return Collector<T, ?, Optional> 根据比较器生成最小元素的Collector

*/

public static Collector<T, ?, Optional> (Comparator<? super T> comparator) {

return reducing(BinaryOperator.minBy(comparator));

}

partitioningBy

==============

/**

• 返回一个根据指定规则分类的Collector,结果保存到Map<Boolean, List>中

• @param predicate 指定的分类规则

• @return Collector<T, ?, Map<Boolean, List>> 按照指定规则进行分类,并将结果保存到Map<Boolean, List>的收集器

*/

public static Collector<T, ?, Map<Boolean, List>> partitioningBy(Predicate<? super T> predicate) {

return partitioningBy(predicate, toList());

}

/**

• 返回一个根据指定规则分类的Collector,并将结果值按照下游收集器执行规约操作,然后将规约后的结果保存到Map<Boolean, D>中

• @param predicate 指定的分类规则

• @param downstream 指定的执行规约操作的下游收集器

• @return Collector<T, ?, Map<Boolean, D>> 按照指定规则进行分类,并将结果值按照下游收集器执行规约操作,然后将规约后的结果保存到Map<Boolean, D>的收集器

*/

public static <T, D, A> Collector<T, ?, Map<Boolean, D>> partitioningBy(Predicate<? super T> predicate, Collector<? super T, A, D> downstream) {

BiConsumer<A, ? super T> downstreamAccumulator = downstream.accumulator();

BiConsumer<Partition, T> accumulator = (result, t) ->

downstreamAccumulator.accept(predicate.test(t) ? result.forTrue : result.forFalse, t);

BinaryOperator op = downstream.combiner();

BinaryOperator<Partition> merger = (left, right) ->

new Partition<>(op.apply(left.forTrue, right.forTrue),

op.apply(left.forFalse, right.forFalse));

Supplier<Partition> supplier = () ->

new Partition<>(downstream.supplier().get(),

downstream.supplier().get());

if (downstream.characteristics().contains(Collector.Characteristics.IDENTITY_FINISH)) {

return new CollectorImpl<>(supplier, accumulator, merger, CH_ID);

}

else {

Function<Partition, Map<Boolean, D>> finisher = par ->

new Partition<>(downstream.finisher().apply(par.forTrue),

downstream.finisher().apply(par.forFalse));

return new CollectorImpl<>(supplier, accumulator, merger, finisher, CH_NOID);

}

}

reducing

========

/**

• 返回一个按照指定的规约操作获得结果的Colletor.结果以Optional描述

• @param op 指定的规约操作

• @return Collector<T, ?, Optional> 按照指定的规约操作执行的结果

*/

public static Collector<T, ?, Optional> reducing(BinaryOperator op) {

class OptionalBox implements Consumer {

T value = null;

boolean present = false;

@Override

public void accept(T t) {

if (present) {

value = op.apply(value, t);

}

else {

value = t;

present = true;

}

}

}

return new CollectorImpl<T, OptionalBox, Optional>(

OptionalBox::new, OptionalBox::accept,

(a, b) -> { if (b.present) a.accept(b.value); return a; },

a -> Optional.ofNullable(a.value), CH_NOID);

}

/**

• 返回一个使用指定标识,按照指定的规约操作获得结果的Colletor

• @param identity 指定的标识,也是结果为空时的返回值

• @param op 指定的规约操作

• @return Collector<T, ?, T> 按照指定的规约操作执行的结果,当结果为空时返回指定的标识identity

*/

public static Collector<T, ?, T> reducing(T identity, BinaryOperator op) {

return new CollectorImpl<>(

boxSupplier(identity),

(a, t) -> { a[0] = op.apply(a[0], t); },

(a, b) -> { a[0] = op.apply(a[0], b[0]); return a; },

a -> a[0],

CH_NOID);

}

/**

• 返回一个使用指定标识,按照指定的映射操作和规约操作获得结果的Colletor

• @param identity 指定的标识,也是结果为空时的返回值

• @param mapper 指定的映射操作

• @param op 指定的规约操作

• @return Collector<T, ?, Optional> 按照指定的映射操作和规约操作执行的结果,当结果为空时返回指定的标识identity

*/

public static <T, U> Collector<T, ?, U> reducing(U identity, Function<? super T, ? extends U> mapper, BinaryOperator op) {

return new CollectorImpl<>(

boxSupplier(identity),

(a, t) -> { a[0] = op.apply(a[0], mapper.apply(t)); },

(a, b) -> { a[0] = op.apply(a[0], b[0]); return a; },

a -> a[0], CH_NOID);

}

summarizingDouble

=================

/**

• 返回一个使用double类型映射每一个输入元素并返回结果值汇总信息的Collector

• @param mapper 指定的映射操作

• @return Collector<T, ?, DoubleSummaryStatistics> 汇总信息的规约操作

*/

public static Collector<T, ?, DoubleSummaryStatistics> summarizingDouble(ToDoubleFunction<? super T> mapper) {

return new CollectorImpl<T, DoubleSummaryStatistics, DoubleSummaryStatistics>(

DoubleSummaryStatistics::new,

(r, t) -> r.accept(mapper.applyAsDouble(t)),

(l, r) -> { l.combine®; return l; }, CH_ID);

}

summarizingInt

==============

/**

• 返回一个使用int类型映射每一个输入元素并返回结果值汇总信息的Collector

• @param mapper 指定的映射操作

• @return Collector<T, ?, IntSummaryStatistics> 汇总信息的规约操作

*/

public static Collector<T, ?, IntSummaryStatistics> summarizingInt(ToIntFunction<? super T> mapper) {

return new CollectorImpl<T, IntSummaryStatistics, IntSummaryStatistics>(

IntSummaryStatistics::new,

(r, t) -> r.accept(mapper.applyAsInt(t)),

(l, r) -> { l.combine®; return l; }, CH_ID);

}

summarizingLong

===============

/**

• 返回一个使用long类型映射每一个输入元素并返回结果值汇总信息的Collector

• @param mapper 指定的映射操作

• @return Collector<T, ?, IntSummaryStatistics> 汇总信息的规约操作

*/

public static Collector<T, ?, LongSummaryStatistics> summarizingLong(ToLongFunction<? super T> mapper) {

return new CollectorImpl<T, LongSummaryStatistics, LongSummaryStatistics>(

LongSummaryStatistics::new,

(r, t) -> r.accept(mapper.applyAsLong(t)),

(l, r) -> { l.combine®; return l; }, CH_ID);

}

summingDouble

=============

/**

• 返回一个使用double类型映射每一个输入元素并返回元素之和的Collector

• 如果不存在元素则返回0

• @param mapper 指定的映射操作

• @return Collector<T, ?, Double> 执行元素求和规约操作的Collector

*/

public static Collector<T, ?, Double> summingDouble(ToDoubleFunction<? super T> mapper) {

/*

• 在为收集操作分配的数组中:

• 索引0 - 运行和的高位

• 索引1 - 补偿计算的和的低阶位求和

• 索引2 - 当存在无穷大结果和时正确的符号

*/

return new CollectorImpl<>(

() -> new double[3],

(a, t) -> { double val = mapper.applyAsDouble(t);

sumWithCompensation(a, val);

a[2] += val;},

(a, b) -> { sumWithCompensation(a, b[0]);

a[2] += b[2];

return sumWithCompensation(a, b[1]); },

a -> computeFinalSum(a),

CH_NOID);

}

summingInt

==========

/**

• 返回一个使用int类型映射每一个输入元素并返回元素之和的Collector

• 如果不存在元素则返回0

• @param mapper 指定的映射操作

• @return Collector<T, ?, Integer> 执行元素求和规约操作的Collector

*/

public static Collector<T, ?, Integer> summingInt(ToIntFunction<? super T> mapper) {

return new CollectorImpl<>(

() -> new int[1],

(a, t) -> { a[0] += mapper.applyAsInt(t); },

(a, b) -> { a[0] += b[0]; return a; },

a -> a[0], CH_NOID);

}

summingLong

===========

/**

• 返回一个使用long类型映射每一个输入元素并返回元素之和的Collector

• 如果不存在元素则返回0

• @param mapper 指定的映射操作

• @return Collector<T, ?, Integer> 执行元素求和规约操作的Collector

*/

public static Collector<T, ?, Long> summingLong(ToLongFunction<? super T> mapper) {

return new CollectorImpl<>(

() -> new long[1],

(a, t) -> { a[0] += mapper.applyAsLong(t); },

(a, b) -> { a[0] += b[0]; return a; },

a -> a[0], CH_NOID);

}

toCollection

============

/**

• 返回一个将接收的元素按照接收顺序放入生成的集合的Collector

• @param collectionFactory 指定的生成的集合

• @return Collector<T, ?, C> 将接收的元素按照接收顺序生成集合的Collector

*/

public static <T, C extends Collection> Collector<T, ?, C> toCollection(Supplier collectionFactory) {

return new CollectorImpl<>(collectionFactory, Collection::add,

(r1, r2) -> { r1.addAll(r2); return r1; },

CH_ID);

}

toConcurrentMap

===============

/**

• 返回一个将接收的元素放入并发的Map中的并发Collector,其中Map的key和value按照指定的映射函数生成

• @param keyMapper 键的映射器

• @param valueMapper 值的映射器

• @return Collector<T, ?, ConcurrentMap<K,U>> 将接收的元素按照放入并发的Map中的并发无序Collector

*/

public static <T, K, U> Collector<T, ?, ConcurrentMap<K,U>> toConcurrentMap(Function<? super T, ? extends K> keyMapper, Function<? super T, ? extends U> valueMapper) {

return new CollectorImpl<>(ConcurrentHashMap::new,

uniqKeysMapAccumulator(keyMapper, valueMapper),

最后

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，自己不成体系的自学效果低效漫长且无助。

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，不论你是刚入门Java开发的新手，还是希望在技术上不断提升的资深开发者，这些资料都将为你打开新的学习之门！

如果你觉得这些内容对你有帮助，需要这份全套学习资料的朋友可以戳我获取！！

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！
or

• @param collectionFactory 指定的生成的集合

• @return Collector<T, ?, C> 将接收的元素按照接收顺序生成集合的Collector

*/

public static <T, C extends Collection> Collector<T, ?, C> toCollection(Supplier collectionFactory) {

return new CollectorImpl<>(collectionFactory, Collection::add,

(r1, r2) -> { r1.addAll(r2); return r1; },

CH_ID);

}

toConcurrentMap

===============

/**

• 返回一个将接收的元素放入并发的Map中的并发Collector,其中Map的key和value按照指定的映射函数生成

• @param keyMapper 键的映射器

• @param valueMapper 值的映射器

• @return Collector<T, ?, ConcurrentMap<K,U>> 将接收的元素按照放入并发的Map中的并发无序Collector

*/

public static <T, K, U> Collector<T, ?, ConcurrentMap<K,U>> toConcurrentMap(Function<? super T, ? extends K> keyMapper, Function<? super T, ? extends U> valueMapper) {

return new CollectorImpl<>(ConcurrentHashMap::new,

uniqKeysMapAccumulator(keyMapper, valueMapper),

最后

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，自己不成体系的自学效果低效漫长且无助。

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-oBSJrhWP-1715701912857)]

[外链图片转存中…(img-SUQ8ph9f-1715701912858)]

[外链图片转存中…(img-Lp1tUEHz-1715701912858)]

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，不论你是刚入门Java开发的新手，还是希望在技术上不断提升的资深开发者，这些资料都将为你打开新的学习之门！

如果你觉得这些内容对你有帮助，需要这份全套学习资料的朋友可以戳我获取！！

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！