Stream流的深度总结

Stream流的深度总结

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

String[] arr = {"zhangsan", "lisi", "wangwu", "xxd"};
//数组创建流的方式
//1、使用Array.stream()创建流
Stream<String> stream1 = Arrays.stream(arr);
//2、使用Stream.of()创建流，底层依旧采用Arrays.stream方法
Stream<String> stream2 = Stream.of(arr);

//集合本省继承了流，使用stream()可以创建一个流
List<String> list = Arrays.asList(arr);
Stream<String> stream3 = list.stream();

//Map可以分别通过keySet()和values()来创建对应的流
Map<Integer, String> map = list.stream().collect(Collectors.toMap(String::length, x -> x));
Stream<Map.Entry<Integer, String>> stream4 = map.entrySet().stream();
Stream<String> stream5 = map.values().stream();

第二步：中间操作

一个中间操作链，数据源的数据进行处理

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

第三步：终止操作

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：

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

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流的实战操作

说了这么多理论相关，其实还是在日常使用中进行使用更加接地气一些，这里列举几个通俗的场景，通过Stream流帮助我们快速掌握其使用的方法：

场景1: 过滤操作 filter

给定我们一个字符串数组，先将其转换成List集合形式，然后，我们使用Stream流过滤包含“林”的字符串，将其进行终端操作再收集成一个字符串的集合。

String[] arr = {"zhangsan", "lisi", "wangwu", "xxd", "lisi", "周杰伦", "林俊杰", "许嵩", "林俊杰", "林志颖"};
List<String> list = Arrays.asList(arr);
//Predicate<? super T> predicate：接收一个输入参数返回布尔类型结果的函数式接口
List<String> res = list.stream().filter(e -> e.contains("林")).collect(Collectors.toList());
//Consumer<? super T> action：接收一个输入参数，并且无返回值的操作，这里使用类名::方法名进行输出
res.forEach(System.out::println);

输出结果：

林俊杰
林俊杰
林志颖

场景2：映射操作 map

我们这里需要统计字符串数组中每一个元素的长度，将其返回成一个新的结果集

String[] arr = {"周杰伦", "林俊杰", "许嵩", "林俊杰", "林志颖"};
List<String> list = Arrays.asList(arr);
//map(Function<? super T, ? extends R> mapper)：接收一个输入参数为T，返回结果为R的函数式接口
List<Integer> lens = list.stream().map(String::length).collect(Collectors.toList());
lens.forEach(System.out::println);

输出结果：

3
3
2
3
3

场景3：匹配操作

String[] arr = {"zhangsan", "lisi", "wangwu", "xxd", "lisi", "周杰伦", "林俊杰", "许嵩", "林俊杰", "林志颖"};
List<String> list = Arrays.asList(arr);
/**
  * anyMatch():只要任意一个元素匹配，返回true
  * allMatch():需要全部匹配才返回true，否则返回false
  * noneMatch():全部都不匹配才返回false，否则返回true
  */
boolean anyMatch = list.stream().anyMatch(e -> e.contains("林"));
System.out.println(anyMatch);
boolean allMatch = list.stream().allMatch(e -> e.contains("林"));
System.out.println(allMatch);
boolean noneMatch = list.stream().noneMatch(e -> e.contains("风"));
System.out.println(noneMatch);

输出结果：

true
false
true

场景4：归约操作 reduce

String[] arr = {"周杰伦", "和", "许嵩", "，林俊杰", "是实力歌手"};
List<String> list = Arrays.asList(arr);
Optional<String> optional = list.stream().reduce((a, b) -> a + b);
if (optional.isPresent()) {
  System.out.println(optional.get());
}

输出结果：

周杰伦和许嵩，林俊杰是实力歌手

场景5：合并/转换操作

日常我们可能需要对List进行操作，将其变成一个String字符串，或者是Map；又或者我们拿到一个Map集合，需要收集它的Key或者Value，将其变成一个List集合等

List -> String

String[] arr = {"周杰伦", "许嵩", "林俊杰", "陈奕迅"};
List<String> list = Arrays.asList(arr);
String res = list.stream().collect(Collectors.joining(", ")).toString();
System.out.println(res);

输出结果：

周杰伦, 许嵩, 林俊杰, 陈奕迅

List -> Map

ArrayList<Student> list = Lists.newArrayList();
list.add(new Student(1,"zhang"));
list.add(new Student(2,"li"));
list.add(new Student(3,"wang"));
list.add(new Student(4,"zhao"));
list.add(new Student(5,"sun"));
list.add(new Student(6,"xdm"));
list.add(new Student(1,"newZhang"));
//list ==> map
Map<Integer, Student> studentMap = list.stream().collect(Collectors.toMap(Student::getAge, x -> x));
System.out.println(studentMap);
LinkedHashMap<Integer, Student> linkedHashMap = list.stream().collect(Collectors.toMap(Student::getAge, x -> x, (k, v) -> v, LinkedHashMap::new));
System.out.println(linkedHashMap);

输出结果：

{1=Student(age=1, name=newZhang), 2=Student(age=2, name=li), 3=Student(age=3, name=wang), 4=Student(age=4, name=zhao), 5=Student(age=5, name=sun), 6=Student(age=6, name=xdm)}

Map -> List

Map<Integer, Student> map = new HashMap<>();
for (int i = 0; i < 5; i++) {
  map.put(i, new Student(i, "student" + i));
}
//map ==> list
List<Integer> ageList = map.keySet().stream().collect(Collectors.toList());
List<Student> studentList = map.values().stream().collect(Collectors.toList());
System.out.println(ageList);
System.out.println(studentList);

[0, 1, 2, 3, 4]
[Student(age=0, name=student0), Student(age=1, name=student1), Student(age=2, name=student2), Student(age=3, name=student3), Student(age=4, name=student4)]