一文掌握 Java8 Stream 中 Collectors 的 24 个操作

最新推荐文章于 2024-07-15 16:01:38 发布

Y1567409

最新推荐文章于 2024-07-15 16:01:38 发布

阅读量944

点赞数 26

分类专栏：程序员文章标签： java 前端大数据

本文链接：https://blog.csdn.net/Y1567409/article/details/137930862

版权

程序员专栏收录该内容

742 篇文章 1 订阅

订阅专栏

元素数量：counting

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

这个比较简单，就是统计聚合结果的元素数量：

// 3

students.stream().collect(Collectors.counting())

平均值：averagingDouble、averagingInt、averagingLong

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

这几个方法是计算聚合元素的平均值，区别是输入参数需要是对应的类型。

比如，求学生的分数平均值，因为分数是double类型，所以在不转类型的情况下，需要使用averagingDouble：

// 22.123

students.stream().collect(Collectors.averagingDouble(Student::getScore))

如果考虑转换精度，也是可以实现：

// 22.0

students.stream().collect(Collectors.averagingInt(s -> (int)s.getScore()))

// 22.0

students.stream().collect(Collectors.averagingLong(s -> (long)s.getScore()))

如果是求学生的平均年龄，因为年龄是int类型，就可以随意使用任何一个函数了：

// 11.0

students.stream().collect(Collectors.averagingInt(Student::getAge))

// 11.0

students.stream().collect(Collectors.averagingDouble(Student::getAge))

// 11.0

students.stream().collect(Collectors.averagingLong(Student::getAge))

注意：这三个方法的返回值都是Double类型。

和：summingDouble、summingInt、summingLong

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

这三个方法和上面的平均值方法类似，也是需要注意元素的类型，在需要类型转换时，需要强制转换：

// 66

students.stream().collect(Collectors.summingInt(s -> (int)s.getScore()))

// 66.369

students.stream().collect(Collectors.summingDouble(Student::getScore))

// 66

students.stream().collect(Collectors.summingLong(s -> (long)s.getScore()))

但是对于不需要强制转换的类型，可以随意使用任何一个函数：

// 33

students.stream().collect(Collectors.summingInt(Student::getAge))

// 33.0

students.stream().collect(Collectors.summingDouble(Student::getAge))

// 33

students.stream().collect(Collectors.summingLong(Student::getAge))

注意：这三个方法返回值和平均值的三个方法不一样，summingDouble返回的是Double类型、summingInt返回的是Integer类型，summingLong返回的是Long类型。

最大值/最小值元素：maxBy、minBy

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

顾名思义，这两个函数就是求聚合元素中指定比较器中的最大/最小元素。比如，求年龄最大/最小的Student对象：

// Optional[Student(id=3, name=王五, birthday=2011-03-03, age=10, score=32.123)]，注意返回类型是Optional

students.stream().collect(Collectors.minBy(Comparator.comparing(Student::getAge)))

// Optional[Student(id=1, name=张三, birthday=2009-01-01, age=12, score=12.123)]，注意返回类型是Optional

students.stream().collect(Collectors.maxBy(Comparator.comparing(Student::getAge)))

从源码可以看出来，这两个方法算是作者给的福利，用于完善数据统计的结果。内部都是封装了reducing方法和BinaryOperator工具类，这些下面会讲到。

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

return reducing(BinaryOperator.maxBy(comparator));

}

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

return reducing(BinaryOperator.minBy(comparator));

}

统计结果：summarizingDouble、summarizingInt、summarizingLong

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

既然是数据操作，基本上逃不出计数、求平局、求和、最大、最小这几个，所以作者也是很贴心的实现了一组聚合的数据统计方法。

这组方法与求和、求平均的方法类似，都需要注意方法类型。比如，按照分数统计的话，需要进行类型转换：

// IntSummaryStatistics{count=3, sum=66, min=12, average=22.000000, max=32}

students.stream().collect(Collectors.summarizingInt(s -> (int) s.getScore()))

// DoubleSummaryStatistics{count=3, sum=66.369000, min=12.123000, average=22.123000, max=32.123000}

students.stream().collect(Collectors.summarizingDouble(Student::getScore))

// LongSummaryStatistics{count=3, sum=66, min=12, average=22.000000, max=32}

students.stream().collect(Collectors.summarizingLong(s -> (long) s.getScore()))

如果是用年龄统计的话，三个方法通用：

// IntSummaryStatistics{count=3, sum=33, min=10, average=11.000000, max=12}

students.stream().collect(Collectors.summarizingInt(Student::getAge))

// DoubleSummaryStatistics{count=3, sum=33.000000, min=10.000000, average=11.000000, max=12.000000}

students.stream().collect(Collectors.summarizingDouble(Student::getAge))

// LongSummaryStatistics{count=3, sum=33, min=10, average=11.000000, max=12}

students.stream().collect(Collectors.summarizingLong(Student::getAge))

注意：这三个方法返回值不一样，summarizingDouble返回DoubleSummaryStatistics类型，summarizingInt返回IntSummaryStatistics类型，summarizingLong返回LongSummaryStatistics类型。

聚合、分组

=====

聚合元素：toList、toSet、toCollection

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

这几个函数比较简单，是将聚合之后的元素，重新封装到队列中，然后返回。比如，得到所有Student的 ID 列表，只需要根据需要的结果类型使用不同的方法即可：

// List: [1, 2, 3]

final List idList = students.stream().map(Student::getId).collect(Collectors.toList());

// Set: [1, 2, 3]

final Set idSet = students.stream().map(Student::getId).collect(Collectors.toSet());

// TreeSet: [1, 2, 3]

final Collection idTreeSet = students.stream().map(Student::getId).collect(Collectors.toCollection(TreeSet::new));

注意：toList方法返回的是List子类，toSet返回的是Set子类，toCollection返回的是Collection子类。我们都知道，Collection的子类包括List、Set等众多子类，所以toCollection更加灵活。

聚合元素：toMap、toConcurrentMap

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

这两个方法的作用是将聚合元素，重新组装为Map结构，也就是 k-v 结构。两者用法一样，区别是toMap返回的是Map，toConcurrentMap返回ConcurrentMap，也就是说，toConcurrentMap返回的是线程安全的 Map 结构。

比如，我们需要聚合Student的 id：

// {1=Student(id=1, name=张三, birthday=2009-01-01, age=12, score=12.123), 2=Student(id=2, name=李四, birthday=2010-02-02, age=11, score=22.123), 3=Student(id=3, name=王五, birthday=2011-03-03, age=10, score=32.123)}

final Map<String, Student> map11 = students.stream()

.collect(Collectors.toMap(Student::getId, Function.identity()));

但是，如果 id 有重复的，会抛出java.lang.IllegalStateException: Duplicate key异常，所以，为了保险起见，我们需要借助toMap另一个重载方法：

final Map<String, Student> map2 = students.stream()

.collect(Collectors.toMap(Student::getId, Function.identity(), (x, y) -> x));

可以看到，toMap有不同的重载方法，可以实现比较复杂的逻辑。比如，我们需要得到根据 id 分组的Student的姓名：

// {1=张三, 2=李四, 3=王五}

final Map<String, String> map3 = students.stream()

.collect(Collectors.toMap(Student::getId, Student::getName, (x, y) -> x));

比如，我们需要得到相同年龄得分最高的Student对象集合：

// {10=Student(id=3, name=王五, birthday=2011-03-03, age=10, score=32.123), 11=Student(id=2, name=李四, birthday=2010-02-02, age=11, score=22.123), 12=Student(id=1, name=张三, birthday=2009-01-01, age=12, score=12.123)}

final Map<Integer, Student> map5 = students.stream()

.collect(Collectors.toMap(Student::getAge, Function.identity(), BinaryOperator.maxBy(Comparator.comparing(Student::getScore))));

所以，toMap可玩性很高。

分组：groupingBy、groupingByConcurrent

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

groupingBy与toMap都是将聚合元素进行分组，区别是，toMap结果是 1:1 的 k-v 结构，groupingBy的结果是 1:n 的 k-v 结构。

比如，我们对Student的年龄分组：

// List: {10=[Student(id=3, name=王五, birthday=2011-03-03, age=10, score=32.123)], 11=[Student(id=2, name=李四, birthday=2010-02-02, age=11, score=22.123)], 12=[Student(id=1, name=张三, birthday=2009-01-01, age=12, score=12.123)]}

final Map<Integer, List> map1 = students.stream().collect(Collectors.groupingBy(Student::getAge));

// Set: {10=[Student(id=3, name=王五, birthday=2011-03-03, age=10, score=32.123)], 11=[Student(id=2, name=李四, birthday=2010-02-02, age=11, score=22.123)], 12=[Student(id=1, name=张三, birthday=2009-01-01, age=12, score=12.123)]}

final Map<Integer, Set> map12 = students.stream().collect(Collectors.groupingBy(Student::getAge, Collectors.toSet()));

既然groupingBy也是分组，是不是也能够实现与toMap类似的功能，比如，根据 id 分组的Student：

final Map<String, Student> map3 = students.stream()

.collect(Collectors.groupingBy(Student::getId, Collectors.collectingAndThen(Collectors.toList(), list -> list.get(0))));

为了对比，把toMap的写法放在这：

final Map<String, Student> map2 = students.stream()

.collect(Collectors.toMap(Student::getId, Function.identity(), (x, y) -> x));

如果想要线程安全的Map，可以使用groupingByConcurrent。

分组：partitioningBy

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

partitioningBy与groupingBy的区别在于，partitioningBy借助Predicate断言，可以将集合元素分为true和false两部分。比如，按照年龄是否大于 11 分组：

// List: {false=[Student(id=2, name=李四, birthday=2010-02-02, age=11, score=22.123), Student(id=3, name=王五, birthday=2011-03-03, age=10, score=32.123)], true=[Student(id=1, name=张三, birthday=2009-01-01, age=12, score=12.123)]}

final Map<Boolean, List> map6 = students.stream().collect(Collectors.partitioningBy(s -> s.getAge() > 11));

// Set: {false=[Student(id=3, name=王五, birthday=2011-03-03, age=10, score=32.123), Student(id=2, name=李四, birthday=2010-02-02, age=11, score=22.123)], true=[Student(id=1, name=张三, birthday=2009-01-01, age=12, score=12.123)]}

final Map<Boolean, Set> map7 = students.stream().collect(Collectors.partitioningBy(s -> s.getAge() > 11, Collectors.toSet()));

链接数据：joining

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

这个方法对String类型的元素进行聚合，拼接成一个字符串返回，作用与java.lang.String#join类似，提供了 3 个不同重载方法，可以实现不同的需要。比如：

// javagosql

Stream.of(“java”, “go”, “sql”).collect(Collectors.joining());

// java, go, sql

Stream.of(“java”, “go”, “sql”).collect(Collectors.joining(", "));

// 【java, go, sql】

Stream.of(“java”, “go”, “sql”).collect(Collectors.joining(", ", “【”, “】”));

操作链：collectingAndThen

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

这个方法在groupingBy的例子中出现过，它是先对集合进行一次聚合操作，然后通过Function定义的函数，对聚合后的结果再次处理。

比如groupingBy中的例子：

final Map<String, Student> map3 = students.stream()

.collect(Collectors.groupingBy(Student::getId, Collectors.collectingAndThen(Collectors.toList(), list -> list.get(0))));

显示将结果聚合成List列表，然后取列表的第 0 个元素返回，通过这种方式，实现 1:1 的 map 结构。

再来一个复杂一些的，找到聚合元素中年龄数据正确的Student列表：

// []，结果为空，是因为例子中所有人的年龄都是对的

students.stream()

.collect(

Collectors.collectingAndThen(Collectors.toList(), (

list -> list.stream()

.filter(s -> (LocalDate.now().getYear() - s.getBirthday().getYear()) != s.getAge())

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

虽然面试套路众多，但对于技术面试来说，主要还是考察一个人的技术能力和沟通能力。不同类型的面试官根据自身的理解问的问题也不尽相同，没有规律可循。

上面提到的关于这些JAVA基础、三大框架、项目经验、并发编程、JVM及调优、网络、设计模式、spring+mybatis源码解读、Mysql调优、分布式监控、消息队列、分布式存储等等面试题笔记及资料

有些面试官喜欢问自己擅长的问题，比如在实际编程中遇到的或者他自己一直在琢磨的这方面的问题，还有些面试官，尤其是大厂的比如 BAT 的面试官喜欢问面试者认为自己擅长的，然后通过提问的方式深挖细节，刨根到底。
《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！
ommunity.csdnimg.cn/images/e5c14a7895254671a72faed303032d36.jpg" alt=“img” style=“zoom: 33%;” />