Java8 Stream流

Stream流

介绍

Stream流是一种数据渠道，是用于操作数据源（集合，数组等）生成的元素序列。Stream主要用于对于集合迭代器的增强，使之能够完成更加高效的聚合操作（例如：过滤，排序，统计分组等等），或者大批量数据的操作。此外Stream流和lambda表达式的结合使用可以大大增强编码的效率，可读性很强。

注意：

• 流是一次性的，它自己不会存储元素
• 流不会改变源对象，相反，他们会返回一个持有结果的新的Strean流
• 流操作时延迟执行的，这就意味着他们会等到需要结果的时候才去执行
• 流不可以重复使用

并行流和串行流

并行流就是把一个内容分成多个数据块，并用不同的线程分别处理每个数据块的流。

Java8中将并行进行了优化，我们可以很容易的对数据进行并行操作。Stream API 可以声明性地通过parallel() 与sequential() 在并行流与顺序流之间进行切换。

创建流的三种方式

public class CreateStream {
    public static void main(String[] args) {
        //第一种方式：使用集合对象创建流
        List<Integer> list = Arrays.asList(1, 2, 3);
        Stream<Integer> stream1 = list.stream();
        
        //第二种方式：使用数组创建流 Arrays.stream()将数组转成一个流
        IntStream stream2 = Arrays.stream(new int[]{1, 2, 3});
        
        //第三种方式：使用Stream.of()，底层还是采用了Arrays.stream()
        Stream<Integer> stream = Stream.of(1, 2, 3);
    }
}

除了传统的流，还有两种比较特殊的流：

• 空流： Stream.empty()
• 无限流：Stream.generate()和Stream.iterator()。可以配合limit进行使用，限制流的数量

// 接受一个 Supplier 作为参数
Stream.generate(Math::random).limit(10).forEach(System.out::println);
// 初始值是 0，新值是前一个元素值 + 2
Stream.iterate(0, n -> n + 2).limit(10).forEach(System.out::println);

总结来说：

在Java8中的Collection接口中已经扩展了两种获取流的方式：

stream():	返回一个顺序流
parallelStream():	返回一个并行流

同时Java8中的Arrays的静态方法stream()可以获取数组流：

static < Stream<T> stream(T[] array): 返回一个流

重载形式，能够处理对应基本类型的数组：

public static IntStream stream(int[] array)
public static LongStream stream(long[] array)
public static DoubleStream stream(double[] array)

我们还可以显示化的使用静态方法创建一个流：

public static<T> Stream<T> of(T... values)values): 返回一个流

利用静态方法Stream.iterate()和Stream.generate()来创建无线流：

迭代
public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f)
生成
public static<T> Stream<T> generate(Supplier<T> s):

流的特性

1. 不存储数据
2. 不会改变数据源
3. 不可以重复使用

我们通过代码进行演示：

1. Steam流的简单使用：

@Test
public void test01() {
    List<Integer> list = Arrays.asList(1, 6, 3, 5, 2, 4);
    List<Integer> collect = list.stream().filter(item -> item > 3).sorted().collect(Collectors.toList());
    System.out.println(collect);
}

输出结果：

[4, 5, 6]

2. Stream流不会改变数据源：

ublic void test02() {
    List<Integer> list = Arrays.asList(1, 6, 3, 5, 2, 4);
    List<Integer> collect = list.stream().filter(item -> item > 3).sorted().collect(Collectors.toList());
    //打印源数据
    System.out.println(list);
}

输出结果：

[1, 6, 3, 5, 2, 4]

3. 流不可以重复使用

@Test
public void test03() {
    List<Integer> list = Arrays.asList(1, 6, 3, 5, 2, 4);
    Stream<Integer> stream = list.stream();
    Stream<Integer> newStream = stream.filter(item -> item > 3);
    stream.skip(1);
}

输出结果：

java.lang.IllegalStateException: stream has already been operated upon or closed

Stream流的操作类型

第一步：创建流（Stream）

一个数据源，例如：集合，数组等等，获取一个流

第二步：中间操作

一个中间操作链，数据源的数据进行处理

第三步：终止操作（终端操作）

一个终止操作，执行中间操作链，并产生结果

steam流的大致执行流程即如下所示：

Stream流的中间操作

多个中间操作可以连接起来形成一个流水线，除非流水线上触发了终止操作，否则中间操作不会执行任何处理！，则在终止操作时一次性全部处理，称为“惰性求值”。

筛选和切片

方法	描述
filter（Predicate p）	接收Lambda，从流中排除某些元素
distinct（）	筛选，通过流所生成的元素的hashCode()和equals()去除重复元素
limit（long maxSize）	截断流，使其元素不超过给定元素
skip（long n）	跳过元素，返回一个扔掉了前n个元素的流，若流中元素不足n个，则返回一个空气流，与limit（n）互补

映射

方法	描述
map（Function f）	接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
mapToDouble(ToDoubleFunction f)	接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的DoubleStream 。
mapToInt(ToIntFunction f)	接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的IntStream 。
mapToLong(ToLongFunction f)	接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的LongStream 。
flatMap(Function f)	接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流

排序

方法	描述
sorted（）	产生一个新流，其中按照自然顺序排序
sorted（Comparator comp）	产生一个新流，其中按照比较器的顺序排序

Stream流的终止操作

查找与匹配

方法	描述
allMatch（Predicate p）	检查是否匹配所有元素
anyMatch（Predicate p）	检查是否至少匹配一个元素
noneMatch（Predicate p）	检查是否没有匹配的元素
findFirst（）	返回第一个元素
finAny（）	返回当前流中的任意元素
count（）	返回流中的元素总数
max（Comparator c）	返回流中的最大值
min（Comparator c）	返回流中的最小值
forEach（Consumer c）	内部迭代

归约

方法	描述
reduce（T iden，BinaryOperator b）	可以将流中的元素反复结合起来，得到一个值，返回T
anyMatch（Predicate p）	可以将流中的元素反复结合起来得到一个值，返回Optional

备注：因为map和reduce的连接通常称为map-reduce模式

收集

方法	描述
collect（Collector c）	将流转换为其他形式。接收一个Collector 接口的实现，用于给Stream 中元素做汇总的方法

Stream流的案例1

给定一个Apple苹果类：

package com.feng.stream;

/**
 * Created by FengBin on 2021/8/13 14:21
 */
public class Apple {
    private int id;
    private String color;
    private int weight;
    private String address;

    public int getId() {
        return id;
    }

    public void setId(int id) {
        this.id = id;
    }

    public String getColor() {
        return color;
    }

    public void setColor(String color) {
        this.color = color;
    }

    public int getWeight() {
        return weight;
    }

    public void setWeight(int weight) {
        this.weight = weight;
    }

    public String getAddress() {
        return address;
    }

    public void setAddress(String address) {
        this.address = address;
    }

    public Apple(int id, String color, int weight, String address) {
        this.id = id;
        this.color = color;
        this.weight = weight;
        this.address = address;
    }

    @Override
    public String toString() {
        return "Apple{" +
                "id=" + id +
                ", color='" + color + '\'' +
                ", weight=" + weight +
                ", address='" + address + '\'' +
                '}';
    }
}

求出不同颜色的苹果的平均重量

    private static final List<Apple> appleList = Arrays.asList(
          new Apple(1,"red",500,"烟台"),
          new Apple(1,"red",300,"杭州"),
          new Apple(1,"green",500,"南京"),
          new Apple(1,"green",200,"北京")
        );


    
    @Test
    public void test01() {
        appleList.stream().collect(Collectors.groupingBy(item -> item.getColor(),   //基于颜色进行分类
                Collectors.averagingInt(item -> item.getWeight())))     //统计平均重量
                .forEach((k,v) -> {
                    System.out.println(k + ": " + v);
                });
    }

输出结果：

red: 400.0
green: 350.0

上一个节点对下一个节点的影响

@Test
public void test02() {
    appleList.stream()
        .filter(item -> item.getColor().equals("red"))
        .peek(item -> System.out.println("第一层筛选：" + item))
        .filter(item -> item.getWeight() == 500)
        .peek(item -> System.out.println("第二层筛选：" + item))
        .collect(Collectors.toList());
}

输出结果：

第一层筛选：Apple{id=1, color='red', weight=500, address='烟台'}
第二层筛选：Apple{id=1, color='red', weight=500, address='烟台'}
第一层筛选：Apple{id=1, color='red', weight=300, address='杭州'}

通过输出也可以看到节点是一个接着一个通过流的，而不是一起通过的…

Stream流的案例2

当前存在一个数组nums，我们要求记录该数组中每一个数组出现的次数，最后对应元素出现的次数按照次数从大到小进行排序

我们可以使用map，key为数组中的数字，value为对应出现的次数，然后将value值按照从大到小排序即可

@Test
public void test03() {
    int[] nums = {1,2,3,3,4,4,5,5,5,6,7,8,8,8,8,8,9,10};
    Map<Integer,Integer> map = new LinkedHashMap<>();
    for (int i = 0; i < nums.length; i++) {
        map.put(nums[i],map.getOrDefault(nums[i],0) + 1);
    }
    Map<Integer, Integer> collect = map.entrySet().stream()
        .sorted((entry1, entry2) -> entry2.getValue() - entry1.getValue())
        .collect(Collectors.toMap(Map.Entry::getKey, Map.Entry::getValue,(oldValue,newValue) -> oldValue,LinkedHashMap::new));
    collect.forEach((k,v) -> {
        System.out.println(k + ": " + v);
    });
}

输出结果：

8: 5
5: 3
3: 2
4: 2
1: 1
2: 1
6: 1
7: 1
9: 1
10: 1

    .sorted((entry1, entry2) -> entry2.getValue() - entry1.getValue())
    .collect(Collectors.toMap(Map.Entry::getKey, Map.Entry::getValue,(oldValue,newValue) -> oldValue,LinkedHashMap::new));
collect.forEach((k,v) -> {
    System.out.println(k + ": " + v);
});

}

输出结果：

```java
8: 5
5: 3
3: 2
4: 2
1: 1
2: 1
6: 1
7: 1
9: 1
10: 1