流式处理介绍:
流式处理是JAVA8的新特性之一;能够让操作集合更加简洁
流式处理流程:
过滤:
filter:
distinct: 去重
List<Integer> evens = nums.stream().filter(num -> num % 2 == 0).distinct() .collect(Collectors.toList());
limit: limit(2) limit返回包含前n个元素的流,当集合大小小于n时,则返回实际长度
sort:
List<Student> sortedCivilStudents = students.stream().filter(student -> "土木工程".equals(student.getMajor()))
.sorted((s1, s2) -> s1.getAge() - s2.getAge()).limit(2).collect(Collectors.toList());skip: 跳过前n个元素,
比如我们希望找出排序在2之后的土木工程专业的学生
List<Student> civilStudents = students.stream().filter(student -> "土木工程"
.equals(student.getMajor())).skip(2).collect(Collectors.toList());
映射:
在SQL中,借助SELECT关键字后面添加需要的字段名称,可以仅输出我们需要的字段数据,而流式处理的映射操作也是实现这一目的,在java8的流式处理中,主要包含两类映射操作:map和flatMap
Map:
除了上面这类基础的map,java8还提供了 mapToDouble(Number::DoubleValue)
map(Studnet::getName)
mapToDouble(ToDoubleFunction<? super T> mapper),
mapToInt(ToIntFunction<? super T> mapper),
mapToLong(ToLongFunction<? super T> mapper),这些映射分别返回对应类型的流
----》》 此外使用这些数值流的好处还在于可以避免jvm装箱操作所带来的性能消耗
例子:
假设我们希望筛选出所有专业为计算机科学的学生姓名,那么我们可以在filter筛选的基础之上,通过map将学生实体映射成为学生姓名字符串
List<String> names = students.stream().filter(student -> "计算机科学".equals(student.getMajor()))
.map(Student::getName).collect(Collectors.toList());
例子2:
比如我们希望计算所有专业为计算机科学学生的年龄之和
int totalAge = students.stream().filter(student -> "计算机科学".equals(student.getMajor()))
.mapToInt(Student::getAge).sum();
flatMap:
flatMap将由map映射得到的Stream<String[]>,转换成由各个字符串数组映射成的流Stream<String>,再将这些小的流扁平化成为一个由所有字符串构成的大流Steam<String>,从而能够达到我们的目的。
flatMapToDouble(Function<? super T,? extends DoubleStream> mapper),
flatMapToInt(Function<? super T,? extends IntStream> mapper),
flatMapToLong(Function<? super T,? extends LongStream> mapper)。public class StreamTest { public static void main(String[] args) { String[] strs = {"java8", "is", "easy", "to", "use"}; List<String[]> distinctStrs = Arrays.stream(strs).map(str->str.split("")).distinct().collect(Collectors.toList()); for(String[] strArr : distinctStrs){ for(String str : strArr){ System.out.print(str+","); } System.out.println(); } System.out.println("************************"); List<String> distinctStrs2 = Arrays.stream(strs) .map(str -> str.split("")) // 映射成为Stream<String[]> .flatMap(Arrays::stream) // 扁平化为Stream<String> .distinct() .collect(Collectors.toList()); for(String str : distinctStrs2){ System.out.println(str+","); } } }总结:map操作后,得到一个字符串数组string[]
distinct只有对于一个包含多个字符的流进行操作才能达到我们的目的,即对Stream<String>进行操作。此时flatMap就可以达到我们的目的
public class Arrays { public static <T> Stream<T> stream(T[] array) { return stream(array, 0, array.length); } }
j,a,v,a,8,
i,s,
e,a,s,y,
t,o,
u,s,e,
************************
j,
a,
v,
8,
i,
s,
e,
y,
t,
o,
u,
终端操作:
allMatch 用于检测是否全部都满足指定的参数行为,如果全部满足则返回true
例如我们希望检测是否所有的学生都已满18周岁
boolean isAdult = students.stream().allMatch(student -> student.getAge() >= 18);
anyMatch
则是检测是否存在一个或多个满足指定的参数行为,如果满足则返回true,例如我们希望检测是否有来自武汉大学的学生,那么可以实现为:
boolean hasWhu = students.stream().anyMatch(student
-> "武汉大学".equals(student.getSchool()));
noneMathch
noneMatch用于检测是否不存在满足指定行为的元素,如果不存在则返回true,例如我们希望检测是否不存在专业为计算机科学的学生,可以实现如下:
boolean noneCs = students.stream().noneMatch(student -> "计算机科学".equals(student.getMajor()));
findFirst
用于返回满足条件的第一个元素,比如我们希望选出专业为土木工程的排在第一个学生,那么可以实现如下:
Optional<Student> optStu = students.stream().filter(student -> "土木工程".equals(student.getMajor())).findFirst();
归约:
如我的目标不是返回一个新的集合,而是希望对经过参数化操作后的集合进行进一步的运算,那么我们可用对集合实施归约操作。java8的流式处理提供了reduce方法来达到这一目的
Integer[] intArr = {1,4,2,9,3}; List<Integer> listNum = Arrays.asList(intArr); Integer totalNum= listNum.stream(). reduce(0, Integer::sum); Integer totalNum2= listNum.stream(). reduce(0,(a,b)->a+b); System.out.println("total="+totalNum); System.out.println("total2="+totalNum2);
total=19
total2=19
收集:
前面利用collect(Collectors.toList())是一个简单的收集操作,是对处理结果的封装,对应的还有toSet、toMap,以满足我们对于结果组织的需求。这些方法均来自于java.util.stream.Collectors,我们可以称之为收集器
List<String[]> distinctStrs = Arrays.stream(strs).map(str->str.split("")).distinct().collect(Collectors.toList());
foreach:
glsIdList.stream().forEach(s->{
glsIdAll.append((String)s.get("gls_id")).append(",");
});
stream() 里面如果使用外部可变变量,则可能会报错