Java8 新特性之Stream API

一、Stream API 概述

Java8中有两个最为重要的改变。第一个是Lambda表达式；另外一个则是Stream API

Stream API(java.util.stream)把真正的函数式编程风格引入到Java中。这是目前为止对Java类库最好的补充，因为Stream API 可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。

Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。使用Stream API 对集合数据进行操作，就类似于使用SQL执行数据库查询。也可以使用Stream API 来并行执行操作。简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

二、为什么要使用Stream API

实际开发中，项目中多数数据源都来自于MySQL，Oracle等。但现在数据源可以更多了，有MongoDB，Redis等，而这些NoSQL的数据就需要Java层面去处理。

Stream 和 Collection 集合的区别：Collection是一种静态的内存数据结构，而Stream 是有关计算的。前者是主要面向内存，存储在内存中，后者主要面向CPU，通过CPU实现计算。

Stream是数据渠道，用于操作数据源（集合、数组等）所生成的元素序列。“集合讲的是数据，Stream讲的是计算！”

注意：

1. Stream自己不会存储元素。
2. Stream不会改变源对象。相反，他们会返回一个持有结果的新Stream。
3. Stream操作是延迟执行的。这意味着他们会等到需要的结果的时候才执行。

三、Stream操作步骤

• 1 - 创建 Stream

  一个数据源（如：集合、数组），获取一个流

• 2 - 中间操作

  一个中间操作链，对数据源的数据进行处理。

• 3 - 终止操作（终端操作）

  一旦执行终止操作，就执行中间操作链，并产生结果。之后，不会再被使用。

四、创建Stream方式

方式一：通过集合

Java8 中的Collection接口被扩展，提供了两个获取流的默认方法：

• default Stream<E> Stream()：返回一个顺序流

• default Stream<E> parallelStream()：返回一个并行流

// default Stream<E> Stream()：返回一个顺序流
Stream<Employee> stream = list.stream();
// default Stream<E> parallelStream()：返回一个并行流
Stream<Employee> parallelStream = list.parallelStream();

方式二：通过数组

Java8 中的 Arrays 的静态方法 stream() 可以获取数组流

• static <T> 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)

int[] arr = new int[]{1,2,3,4,5};
IntStream intStream = Arrays.stream(arr);

Employee e1 = new Employee(1001,"tom",18,1200D);
Employee e2 = new Employee(1002, "jane", 18, 1200D);
Employee[] arr1 = new Employee[]{e1,e2};
Stream<Employee> employeeStream = Arrays.stream(arr1);

方式三：通过Stream的of()方法

可以调用Stream类静态方法of()，通过显示值创建一个流。它可以接收任意数量的参数。

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

// 方式三：通过Stream的of()方法
Stream<Integer> integerStream = Stream.of(1, 2, 3, 4, 5, 6);

方式四：创建无限流

可以使用静态方法Stream.iterate() 和 Stream.generate()，创建无限流

• 迭代

  public static <T> Stream<T> iterate(final T seed,final UnaryOperator<T> f)

  //迭代
  // public static<T> Stream<T> iterate(final T seed,final UnaryOperator<T> f)
  // 遍历前10个偶数
  Stream.iterate(0, t -> t + 2).limit(10).forEach(System.out::println);
  // 若无limit(10)限制，将会无限打印
  

• 生成

  public static <T> Stream<T> generate(Supplier<T> s)

  // 生成随机数
  // public static<T> Stream<T> generate(Supplier<T> s)
  Stream.generate(Math::random).limit(10).forEach(System.out::println);
  

五、Stream中间操作

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

1 - 筛选与切片

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数量
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，则返回一个空流。与limit(n) 互补

示例数据（下面所有示例都是这数据）

// 实体类
public class Employee{
    private Integer id;
    private String name;
    private Integer age;
    private Double salary;
}

public class StreamAPITest {
    public static List<Employee> getEmployees(){
        List<Employee> list = new ArrayList<>();

        list.add(new Employee(1001,"马化腾",34,6000.38));
        list.add(new Employee(1002,"马云",12,5000.01));
        list.add(new Employee(1003,"刘强东",33,3000.90));
        list.add(new Employee(1004,"雷军",26,9870.9));
        list.add(new Employee(1005,"李彦宏",65,4567.09));
        list.add(new Employee(1006,"比尔盖茨",42,9500.88));
        list.add(new Employee(1007,"任正非",26,8863.99));
        list.add(new Employee(1008,"扎克伯格",33,2001.66));

        return list;
    }
}

示例1 - filter() 查询工资大于7000的员工

List<Employee> list = StreamAPITest.getEmployees();
Stream<Employee> stream = list.stream(); // 获取一个流
// filter()
stream.filter(e -> e.getSalary() > 7000).forEach(System.out::println);

输出结果：

Employee{id=1004, name='雷军', age=26, salary=9870.9}
Employee{id=1006, name='比尔盖茨', age=42, salary=9500.88}
Employee{id=1007, name='任正非', age=26, salary=8863.99}

示例2 - limit(n) 输出流中前3个元素

List<Employee> list = StreamAPITest.getEmployees();
Stream<Employee> stream = list.stream(); // 获取一个流
// limit(n)
list.stream().limit(3).forEach(System.out::println);

输出结果：

Employee{id=1001, name='马化腾', age=34, salary=6000.38}
Employee{id=1002, name='马云', age=12, salary=5000.01}
Employee{id=1003, name='刘强东', age=33, salary=3000.9}

示例3 - skip(n) 跳过流中前7个元素

List<Employee> list = StreamAPITest.getEmployees();
Stream<Employee> stream = list.stream(); // 获取一个流
// skip(n)
list.stream().skip(7).forEach(System.out::println);

输出结果：

Employee{id=1008, name='扎克伯格', age=33, salary=2001.66}

示例4 - distinct() 去重

List<Employee> list = StreamAPITest.getEmployees();
list.add(new Employee(1001,"马化腾",34,6000.38));
list.add(new Employee(1001,"马化腾",34,6000.38));
list.add(new Employee(1001,"马化腾",34,6000.38));
list.add(new Employee(1001,"马化腾",34,6000.38));
Stream<Employee> stream = list.stream(); // 获取一个流
list.stream().distinct().forEach(System.out::println);

输出结果：

Employee{id=1001, name='马化腾', age=34, salary=6000.38}
Employee{id=1002, name='马云', age=12, salary=5000.01}
Employee{id=1003, name='刘强东', age=33, salary=3000.9}
Employee{id=1004, name='雷军', age=26, salary=9870.9}
Employee{id=1005, name='李彦宏', age=65, salary=4567.09}
Employee{id=1006, name='比尔盖茨', age=42, salary=9500.88}
Employee{id=1007, name='任正非', age=26, salary=8863.99}
Employee{id=1008, name='扎克伯格', age=33, salary=2001.66}

2 - 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。
map ToDouble(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
map ToInt(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
map ToLong(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

示例1 - map()

List<String> list1 = Arrays.asList("aa", "bb", "cc", "dd");
// 将list1 里面的元素变成大写
list1.stream().map(str -> str.toUpperCase()).forEach(System.out::println);

输出结果：

AA
BB
CC
DD

示例2 - map() 获取员工姓名长度大于3的员工姓名

List<Employee> list = StreamAPITest.getEmployees();
Stream<String> nameStream = list.stream().map(e -> e.getName());
nameStream.distinct().filter(name -> name.length() > 3).forEach(System.out::println);

输出结果：

比尔盖茨
扎克伯格

示例3 flatMap()

// classname:StreamAPITest2
// 将字符串的多个字符构成的集合转换为对应的Stream的实例
public static Stream<Character> fromStringToStream(String str){
    ArrayList<Character> list = new ArrayList<>();
    for(Character c : str.toCharArray()){
        list.add(c);
    }
    return list.stream();
}

List<String> list1 = Arrays.asList("aa", "bb", "cc", "dd");

如果list1的stream使用map方法，得到的一个Stream流里面的元素还是一个个Stream流，就类比List的add()方法，如果使用flatMap方法，得到的是元素就是字符元素，类比List的addAll()方法

// map 要做两层遍历
Stream<Stream<Character>> streamStream = list1.stream().map(StreamAPITest2::fromStringToStream);
// 遍历
streamStream.forEach(s -> {
    s.forEach(System.out::println);
});
// flatMap
Stream<Character> characterStream = list1.stream().flatMap(StreamAPITest2::fromStringToStream);
characterStream.forEach(System.out::println);

两者输出结果一样：

a
a
b
b
c
c
d
d

3 - 排序

方法	描述
sorted()	产生一个新的流，其中按自然顺序排列
sorted(Comparator com)	产生一个新的流，其中按比较器顺序排列

示例1 - sorted 整数排序

List<Employee> employees = StreamAPITest.getEmployees();
// sorted
List<Integer> list = Arrays.asList(12, 34, 56, 23, 22, 9, 23, 54);
list.stream().sorted().forEach(System.out::println);

输出结果

9
12
22
23
23
34
54
56

示例2 - sorted(Comparator com)自定义排序，员工按照年龄排序

// 仅仅按照年龄排序（从小到大）
List<Employee> employees = StreamAPITest.getEmployees();
employees.stream().sorted((e1, e2) ->Integer.compare(e1.getAge(), e2.getAge())).forEach(System.out::println);

// 年龄从小到大排序，年龄相同，工资从大到小排
employees.stream().sorted((e1, e2) -> {
            int ageValue = Integer.compare(e1.getAge(), e2.getAge());
            if(ageValue != 0){
                return ageValue;
            } else {
                return -Double.compare(e1.getSalary(), e2.getSalary());
            }
        }).forEach(System.out::println);

六、Stream终止操作

终止操作会从流的流水线生成结果。其结果可以是任何不是流的值，例如：List，Integer，甚至是 void。

流进行了终止操作后，不能再次使用。

1 - 匹配与查找

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)	检查是否没有匹配所有元素
findFirst()	返回第一个元素
findAny()	返回当前流中的任意元素
count	返回流中元素的总个数
max(Comparator c)	返回流中最大值
min(Comparator c)	返回流中最小值
forEach(Consumer c)	内部迭代

示例：

public class StreamAPITest4 {
    public static void main(String[] args) {
        List<Employee> employees = StreamAPITest.getEmployees();

        // 练习：是否所有员工的年龄都大于18
        boolean allMatch = employees.stream().allMatch(e -> e.getAge() > 18);
        System.out.println(allMatch); // false

        // 是否存在员工工资大于10000
        System.out.println(employees.stream().anyMatch(e -> e.getSalary() > 10000));

        // 是否存在员工的姓 “雷”
        boolean b = employees.stream().noneMatch(e -> e.getName().startsWith("雷"));
        System.out.println(b);

        // 返回第一个元素
        Optional<Employee> employee = employees.stream().findFirst();
        System.out.println(employee);

        // 返回当前流中的任意元素
        Optional<Employee> anyEmployee= employees.parallelStream().findAny();
        System.out.println(anyEmployee);

        // count 求个数
        long count = employees.stream().filter(e -> e.getSalary() > 5000).count();
        System.out.println(count); // 5

        // max(Comparator c) 返回最高工资
        Optional<Double> max = employees.stream().map(e -> e.getSalary()).max(Double::compare);
        System.out.println(max);

        // min 返回最低工资的员工
        Optional<Employee> min = employees.stream().min((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary()));
        System.out.println(min);

        employees.stream().forEach(System.out::println);

    }
}

2 - 归约

方法	描述
reduce(T identity,BinaryOperator b)	可以将流中元素反复结合起来，得到一个值。返回T
reduce(BinaryOperator b)	可以将流中元素反复结合起来，得到一个值。返回Optional

备注：map和reduce的连接通常称为map-reduce模式，因Google用它来进行网络搜索而出名

示例:

List<Employee> employees = StreamAPITest.getEmployees();

List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8,9,10);
Integer sum = list.stream().reduce(0, Integer::sum); // 初始值0 identity
System.out.println(sum); // 55 
// 1.计算1-10的自然数的和

// 计算公司所有员工工资的总和
Optional<Double> sumSalary = employees.stream().map(e -> e.getSalary()).reduce(Double::sum);
Optional<Double> sumSalary2 = employees.stream().map(e -> e.getSalary()).reduce((s1,s2) -> s1+s2);

System.out.println(sumSalary);
System.out.println(sumSalary2);

3 - 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

Collector接口中方法的实现决定了如何对流执行收集的操作（如收集到List、Set、Map）。

示例：

// 查找员工工资大于6000的员工信息，保存到List 或 Set
List<Employee> employees = StreamAPITest.getEmployees();
List<Employee> employeeList = employees.stream().filter(e -> e.getSalary() > 6000).collect(Collectors.toList());
employeeList.forEach(System.out::println);

System.out.println();

Set<Employee> employeeSet = employees.stream().filter(e -> e.getSalary() > 6000).collect(Collectors.toSet());
employeeSet.forEach(System.out::println);

另外，Collectors实用类提供了很多静态方法，可以方便地创建常见收集器实例，具体方法与实例如下表：

• Collection<T> toCollection 把流中的元素收集到创建的集合中

  Collection<Employee> emps = list.stream().collect(Collectors.toCollection(ArrayList::new));
  

• Long counting() 计算流中元素的个数

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

• Integer summingInt 对流中元素的整数属性求和

  int total = list.stream().collect(Collectors.summingInt(Employee::getSalary));
  

• Double averagingInt 计算流中元素Integer属性的平均值

  double avg = list.stream().collect(Collectors.averagingInt(Employee::getSalary));
  

• IntSummaryStatistics summarizingInt 收集流中Integer属性的统计值，如平均值

  int intSummaryStatistics   = list.stream().collect(Collectors.summarizingInt  (Employee::getSalary));
  

• String joining 连接流中每个字符串

  String str = list.stream().map(Employee::getName).collect(Collectors.joining());
  

• Optional <T> maxBy 根据比较器选择最大值

  Optional<Emp> max = list.stream().collect(Collectors.maxBy(e -> e.getSalary()));
  

• Optional <T> minBy 根据比较器选择最小值

  Optional<Emp> min = list.stream().collect(Collectors.minBy(e -> e.getSalary()));
  

• reducing 返回值为归约产生的类型 从一个作为累加器的初始值开始，利用BinaryOperator与流中元素逐个结合，从而归约成单个值

  int total = list.stream().collect(Collectors.reducing(0,Employee::getSalary,Integer::sum);
  

• collectionAndThen 返回值为转换函数返回的类型，包裹另外一个收集器，对其结果转换函数

  int how = list.stream().collect(Collectors.collectionAndThen(Collectors.toList(),List::size);
  

• Map<K,List<T>> groupingBy 根据某个属性值对流分组，属性为K，结果为V

  Map<Emp.Status,List<Emp>> map = list.stream().collect(Collectors.groupingBy(Employee::getStatus));
  

• Map<Boolean,List<T>> partitioningBy 根据true或false 进行分区

  Map<Boolean,List<Employee>> vd = list.stream().collect(Collectors.partitioningBy(Employee::getManage))