Java中的流式编程(Stream)

1 Stream介绍

Stream是Java 8 的新功能，是对集合(Collection)对象功能的增强，可以非常方便地对集合中的对象进行操作。
与Lambda表达式结合，可以提高编程效率、代码的简洁性与可读性。Stream流其实是一个集合元素的函数模型，
它并不是集合，也不是数据结构，其实本身并不存储任何元素Stream是一个来自数据源的元素队列。
注意： Stream就如同一个迭代器，单向不可往复。

2 Stream方法

2.1 过滤

• peek()：帮助调试，允许无修改地查看流中的元素。
• sorted()：排序，可以传入Comparator参数。
• disrinct()：消除流中的重复元素。
• filter(Predicate)：过滤操作则会留下使用过滤方法返回值为true的元素。

2.2 应用函数到元素

• map(Function)：将原来流中的每个元素都调用参数里的方法，其返回值汇总起来产生一个新的流。
• mapToInt(ToIntFunction)：结果为IntStream。
• mapToLong(ToLongFunction)：结果为LongStream。
• mapToDouble(ToDoubleFunction)：结果为DoubleStream。

2.3 结束操作

• toArray()：将流转换成适当类型的数组。
• toArray(generator)：在特殊情况下，生成器用于分配自定义的数组存储。
• forEach(Consumer): 如使用System.out::println 作为函数。
• forEachOrdered(Consumer)：确保按照流的顺序执行。
• parallel()：可实现多处理器并行操作。实现原理是将流分割为多个（通常数目为 CPU 核心数）并在不同处理器上分别执行操作。而进行并行操作的时候，forEach操作无法保证元素按原来的顺序输出，而forEachOrdered则可以确保按原来的顺序输出。

2.4 收集流元素到集合

• collection(Collector)：使用Collector收集流元素到集合中。
• collect(Sipplier,BiConsumer,BiConsumer)：收集流元素到结果集合中，第一个参数用于创建新的结果集合，第二个参数用于将下一个元素加入到现有结果集合中，第三个参数用于将两个结果合集合并。

2.5 匹配

• allMatch(Predicate) ：如果流的每个元素根据提供的 Predicate 都返回 true 时，最终结果返回为 true。这个操作将会在第一个 false 之后短路，也就是不会在发生 false 之后继续执行计算。
• anyMatch(Predicate)：如果流中的任意一个元素根据提供的 Predicate 返回 true 时，最终结果返回为 true。这个操作将会在第一个 true 之后短路，也就是不会在发生 true 之后继续执行计算。
• noneMatch(Predicate)：如果流的每个元素根据提供的 Predicate 都返回 false 时，最终结果返回为 true。这个操作将会在第一个 true 之后短路，也就是不会在发生 true 之后继续执行计算。

2.6 查找元素

• findFirst()：返回一个含有第一个流元素的 Optional类型的对象，如果流为空返回 Optional.empty。
• findAny()：返回含有任意流元素的 Optional类型的对象，如果流为空返回 Optional.empty。

2.7 统计

• average()：求取流元素平均值
• max() 和 min()：求元素的最大值和最小值，对于非数字流则要多一个Comparator参数。
• sum()：对所有流元素进行求和。
• count()：流中的元素个数。

3 示例

public Map<Long, List<WorkSite>> testCase(List<Long> workSiteChoie) {
        WorkSite workSite11 = new WorkSite(3L, "测试地点1", 120.32, 30.24,1.1);
        WorkSite workSite12 = new WorkSite(3L, "测试地点2", 120.54, 31.44,2.0);
        WorkSite workSite13 = new WorkSite(3L, "测试地点3", 121.42, 37.22,3.0);
        WorkSite workSite21 = new WorkSite(2L, "测试地点4", 124.76, 31.10,4.0);
        WorkSite workSite22 = new WorkSite(2L, "测试地点5", 130.17, 30.55,5.0);
        WorkSite workSite23 = new WorkSite(2L, "测试地点6", 130.17, 30.55,6.0);
        WorkSite workSite31 = new WorkSite(1L, "测试地点7", 130.17, 30.55,7.0);
        WorkSite workSite32 = new WorkSite(1L, "测试地点8", 130.17, 30.55,8.0);
        WorkSite workSite33 = new WorkSite(1L, "测试地点9", 130.17, 30.55,9.0);
        List<WorkSite> workSites = Arrays.asList(workSite11, workSite12, workSite13, workSite21, workSite22,workSite23,
            workSite31,workSite32,workSite33);
    	
        List<WorkSite> workSiteList = workSites.stream()
            // 过滤掉ID为空的数据
            .filter(workSite -> workSite.getId() != null)
            // 去重
            .distinct()
            // 选择数据处理
            .peek(workSite -> {
                    if (workSiteIds != null && workSiteIds.contains(workSite.getId())){
                        workSite.setChoose(true);
                    }
                })
            // 根据距离排序
            .sorted(Comparator.comparing(WorkSite::getDistance))
            .collect(Collectors.toList());
    	
        Map<Long, List<WorkSite>> collect = workSiteList.stream()
            // 根据id分组
            .collect(Collectors.groupingBy(WorkSite::getId));
        collect.forEach((k,v)-> {
                System.out.println("key : " + k + " value : " + v);
            });
    	reture collect;
    }