Stream流

回忆常用函数式接口

函数式接口

基本概念

函数式接口在Java中指的是:只有一个抽象方法的接口

函数式编程的体现就是lambda

/*
    函数式编程有且只有一个抽象方法
    @FunctionalInterface注释就是说明是否是一个函数式接口
 */
@FunctionalInterface
public interface FuncationInterfaceDemo {
    public abstract void method();
}
package com.zyx.function;

public class Test {
    public static void getInterface(FuncationInterfaceDemo funcationInterfaceDemo){
        funcationInterfaceDemo.method();
    }

    public static void main(String[] args) {
        //使用实现类
        getInterface(new FunctionInterfaceDemoImpl());
        //使用匿名内部类
        getInterface(new FuncationInterfaceDemo() {
            @Override
            public void method() {
                System.out.println("匿名内部类");
            }
        });
        //lambda表达式
        getInterface(()->{
            System.out.println("lambda表达式");
        });
    }
    /*
    实现类来调用函数式接口
    匿名内部类
    lambda表达式
     */
}

常用函数式接口

supplier < T >

package com.zyx.function.nomalinterface;
 /*
    Interface Supplier<T>
    参数类型
    T -结果由该供应商的类型
    Functional Interface:
    这是一个功能接口,因此可以作为赋值的目标一个lambda表达式或方法参考。
    @FunctionalInterface
    public interface Supplier<T>
    表示结果的供应商。
    没有要求一个新的或不同的结果被返回时,每个供应商被调用。
    这是一个functional interface其功能的方法是get()。
    
    通过输入长度不大于10的数组返回数组中的最大值
 */

import java.util.Scanner;
import java.util.function.Supplier;

public class SupplierDemo {
    public static Integer getMaxInt(Supplier<Integer> sup){
        return sup.get();
    }
    public static void main(String[] args) {
        Integer maxInt = getMaxInt(() -> {
            int [] arr = new int[10];
            Scanner scanner = new Scanner(System.in);
            for (int i = 0; i < arr.length; i++) {
                if (scanner.hasNextInt()){
                    arr[i]= scanner.nextInt();
                }
                if (scanner.next().equals("e")) {
                    break;
                }
            }
            scanner.close();
            int max=arr[0];
            for (int i = 0; i < arr.length-1; i++) {
                if (max<arr[i+1]){
                    max=arr[i+1];
                }
            }
            return max;
        });
        System.out.println(maxInt);
    }
}

consumer < T >

package com.zyx.function.nomalinterface;
import java.util.function.Consumer;
/*
    Interface Consumer<T>
    参数类型
    T -操作的输入类型
    All Known Subinterfaces:
    Stream.Builder
    Functional Interface:
    这是一个功能接口,因此可以作为赋值的目标一个lambda表达式或方法参考。
    @FunctionalInterface
    public interface Consumer<T>
    表示接受一个输入参数,并返回没有结果的操作。不像大多数其他的功能接口, Consumer有望通过的副作用。
    这是一个functional interface其功能的方法是accept(Object)。
 */
public class ConsumerDemo {
     public static void method(String [] arr , Consumer<String []> con1,Consumer<String []> con2){
         con1.andThen(con2).accept(arr);
     }
     public static void main(String[] args) {
         String [] arr = {"邹永祥","男","黄倩","女"};
         method(arr,
              (arr1)->{
                  for (int i = 0; i < arr1.length; i++) {
                      if (arr1[i].length()>1){
                          System.out.println("姓名:"+arr1[i]);
                      }
                  }
              },
              (arr2)->{
                  for (int i = 0; i < arr2.length; i++) {
                      if (arr2[i].length()<=1) {
                          System.out.println("性别:"+arr2[i]);
                      }
                  }
              }
         );
     }
}

Predicate < t >

package com.zyx.function.nomalinterface;
 /*
    Interface Predicate<T>
    参数类型
    T -谓词的输入类型
    Functional Interface:
    这是一个功能接口,因此可以作为赋值的目标一个lambda表达式或方法参考。
    @FunctionalInterface
    public interface Predicate<T>
    表示一个参数的谓词(布尔值函数)。
    这是一个functional interface其功能的方法是test(Object)。

    default Predicate<T> and(Predicate<? super T> other)
    返回一个由谓词表示短路逻辑和谓词和另一个。
    static <T> Predicate<T> isEqual(Object targetRef)
    返回测试谓词如果按照 Objects.equals(Object, Object)两个参数都是平等的。
    default Predicate<T> negate()
    返回一个表示该谓词的逻辑否定的谓词。
    default Predicate<T> or(Predicate<? super T> other)
    返回一个由谓词表示短路逻辑或该谓词和另一个。
    boolean test(T t)
    在给定的参数上计算这个谓词。
 */

import java.util.function.Predicate;

public class PredicateDemo {
    public static boolean getTest(String str, Predicate<String> pd1, Predicate<String> pd2){
        return pd1.and(pd2).test(str);
    }

    public static void main(String[] args) {
        boolean zyxlovehq = getTest("zyxlovehq",
                (s) -> { return s.length()>5;
        },
                (s) -> { return s.matches("love");
        }
        );
        System.out.println(zyxlovehq);
    }
}

function < t,r >

package com.zyx.function.nomalinterface;
 /*
    Interface Function<T,R>
    参数类型
    T -功能的输入类型
    R -函数的结果类型
    All Known Subinterfaces:
    UnaryOperator
    Functional Interface:
    这是一个功能接口,因此可以作为赋值的目标一个lambda表达式或方法参考。
    --------------------------------------------------------------------------------
    @FunctionalInterface
    public interface Function<T,R>
    表示接受一个参数并产生结果的函数。
    这是一个functional interface其功能的方法是apply(Object)。
 */

import java.util.function.Function;

import static java.lang.Integer.*;

public class FunctionDemo {
    public static String change(String str, Function<String,Integer> f1,Function<Integer,String> f2){
       return f1.andThen(f2).apply(str);
    }
    public static void main(String[] args) {
        String str = "18";
        String change = change(str,
                (String s) -> {
                    int i = parseInt(s);
                    return i + 10;
                },
                (Integer i) -> {
                    return i.toString();
                }
        );
        System.out.println(change);
    }
}

基本介绍

java8新增了stream流的特性,能够让用户以函数式的方式、更为简单的操纵集合等数据结构,并实现了用户无感知的并行计算。
这篇文章详细讲解了stream流的实现原理

Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象
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。
这种风格将要处理的元素集合看作一种流, 流在管道中传输, 并且可以在管道的节点上进行处理, 比如筛选, 排序,聚合等
元素流在管道中经过中间操作(intermediate operation)的处理,最后由最终操作(terminal operation)得到前面处理的结果。
在这里插入图片描述

   无状态:指元素的处理不受之前元素的影响;

   有状态:指该操作只有拿到所有元素之后才能继续下去。

   非短路操作:指必须处理所有元素才能得到最终结果;

   短路操作:指遇到某些符合条件的元素就可以得到最终结果,如 A || B,只要Atrue,则无需判断B的结果。

特点:

  1. 不是数据结构,不会保存数据。
  2. 不会修改原来的数据源,它会将操作后的数据保存到另外一个对象中。(保留意见:毕竟peek方法可以修改流中元素)
  3. 惰性求值,流在中间处理过程中,只是对操作进行了记录,并不会立即执行,需要等到执行终止操作的时候才会进行实际的计算。

什么是stream?
Stream(流)是一个来自数据源的元素队列并支持聚合操作

  • 元素是特定类型的对象,形成一个队列。 Java中的Stream并不会存储元素,而是按需计算。
  • 数据源 流的来源。 可以是集合,数组,I/O channel, 产生器generator 等。
  • 聚合操作 类似SQL语句一样的操作, 比如filter, map, reduce, find, match, sorted等。

和以前的Collection操作不同, Stream操作还有两个基础的特征:

  • Pipelining: 中间操作都会返回流对象本身。 这样多个操作可以串联成一个管道, 如同流式风格(fluent style)。
  • 这样做可以对操作进行优化, 比如延迟执行(laziness)和短路( short-circuiting)。
  • 内部迭代: 以前对集合遍历都是通过Iterator或者For-Each的方式, 显式的在集合外部进行迭代, 这叫做外部迭代。Stream提供了内部迭代的方式, 通过访问者模式(Visitor)实现。

流程

  • 将对象转化为stream流
  • 操作stream流——中间操作(intermediate operation)/ 最终操作(terminal operation)

创建流

  • 使用Collection下的 stream() 和 parallelStream() 方法
  • 使用Arrays 中的 stream() 方法,将数组转成流
  • 使用Stream中的静态方法:of()、iterate()、generate()
  • 使用 BufferedReader.lines() 方法,将每行内容转成流
  • 使用 Pattern.splitAsStream() 方法,将字符串分隔成流
	//使用Collection下的 stream() 和 parallelStream() 方法
    @Test
    public void create01(){
        List<String> list = new ArrayList<>(5);
        Stream<String> stream = list.stream(); //获取一个顺序流
        Stream<String> parallelStream = list.parallelStream(); //获取一个并行流
    }
    //使用Arrays 中的 stream() 方法,将数组转成流
    @Test
    public void create02(){
        String [] arrays = new String[10];
        Stream<String> stream = Arrays.stream(arrays);
    }

    //使用Stream中的静态方法:of()、iterate()、generate()
    @Test
    public void create03(){
        Stream<Integer> stream = Stream.of(1,2,3,4,5,6);

        Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
        stream2.forEach(System.out::println); // 0 2 4 6 8 10

        Stream<Double> stream3 = Stream.generate(Math::random).limit(2);
        stream3.forEach(System.out::println);
    }

    //使用 BufferedReader.lines() 方法,将每行内容转成流
    @Test
    public void create04() throws FileNotFoundException {
        File file = new File("D:"+File.separator+"java_file"+File.separator+"check.txt");
        BufferedReader reader = new BufferedReader(new FileReader(file));
        Stream<String> lines = reader.lines();
        lines.forEach(System.out::println);
    }

    //使用 Pattern.splitAsStream() 方法,将字符串分隔成流
    @Test
    public void create05() throws FileNotFoundException {
        Pattern pattern = Pattern.compile(",");
        Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
        stringStream.forEach(System.out::println);
    }

中间操作

筛选和切片

filter:过滤流中的某些元素
limit(n):获取n个元素
skip(n):跳过n元素,配合limit(n)可实现分页
distinct:通过流中元素的 hashCode() 和 equals() 去除重复元素

    //filter:过滤流中的某些元素
    //limit(n):获取n个元素
    //skip(n):跳过n元素,配合limit(n)可实现分页
    //distinct:通过流中元素的 hashCode() 和 equals() 去除重复元素
    @Test
    public void test(){
        List<? extends Serializable> list = Arrays.asList("hello","hello", "good","good", "basketball", 6, true);
        Stream<? extends Serializable> stream = list.stream();
        Stream<? extends Serializable> newStream = stream.filter(s -> s.toString().contains("o"))//hello hello good good
        .distinct()//hello good
        .skip(1)
        .limit(1);//hello
        newStream.forEach(System.out::print);
    }

映射

map: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。
flatMap: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。

//map: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。
    //flatMap: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。
    @Test
    public void test(){
        List<String> list = Arrays.asList("hello,Stream", "hello,World");
        Stream<String> stream = list.stream();
        //Stream<String> stringStream = stream.map(s -> s.replaceAll(",", ""));//helloStream helloWorld
        //stringStream.forEach(System.out::println);

        Stream<String> streamString = stream.flatMap(s -> {
            String[] split = s.split(",");
            Stream<String> stream1 = Arrays.stream(split);
            return stream1;
        });
        streamString.forEach(System.out::println);
    }

排序

sorted():自然排序,流中元素需实现Comparable接口
sorted(Comparator com):定制排序,自定义Comparator排序器

 //sorted():自然排序,流中元素需实现Comparable接口
    @Test
    public void test(){
        List<String> list = Arrays.asList("aa", "ff", "dd");
        List<Integer> integers = Arrays.asList(1, 8, 5, 3, 0);
        //String Integer 类自身已实现Compareable接口
        list.stream().sorted().forEach(System.out::println);// aa dd ff
        integers.stream().sorted().forEach(System.out::println);
    }
//sorted(Comparator com):定制排序,自定义Comparator排序器
    @Test
    public void test0(){

        Student s1 = new Student("aa", 10);
        Student s2 = new Student("bb", 20);
        Student s3 = new Student("aa", 30);
        Student s4 = new Student("dd", 40);
        List<Student> studentList = Arrays.asList(s1, s2, s3, s4);

        //自定义排序:先按姓名升序,姓名相同则按年龄升序
        studentList.stream().sorted(
                (o1, o2) -> {
                    if (o1.getName().equals(o2.getName())) {
                        return o1.getAge() - o2.getAge();
                    } else {
                        return o1.getName().compareTo(o2.getName());
                    }
                }
        ).forEach(System.out::println);
    }

消费

peek:如同于map,能得到流中的每一个元素。但map接收的是一个Function表达式,有返回值;而peek接收的是Consumer表达式,没有返回值。

// peek:如同于map,能得到流中的每一个元素。但map接收的是一个Function表达式,有返回值;而peek接收的是Consumer表达式,没有返回值。
    @Test
    public void test(){
        Student s1 = new Student("aa", 10);
        Student s2 = new Student("bb", 20);
        List<Student> studentList = Arrays.asList(s1, s2);

        studentList.stream()
                .peek(o -> o.setAge(100))
                .forEach(System.out::println);
    }

终止操作

匹配、聚合操作
allMatch:接收一个 Predicate 函数,当流中每个元素都符合该断言时才返回true,否则返回false
noneMatch:接收一个 Predicate 函数,当流中每个元素都不符合该断言时才返回true,否则返回false
anyMatch:接收一个 Predicate 函数,只要流中有一个元素满足该断言则返回true,否则返回false
findFirst:返回流中第一个元素
findAny:返回流中的任意元素
count:返回流中元素的总个数
max:返回流中元素最大值
min:返回流中元素最小值

 @Test
    public void test(){
        List<Integer> list = Arrays.asList(1, 6, 5, 2, 7, 6);
        Stream<Integer> stream = list.stream();
        //allMatch:接收一个 Predicate 函数,当流中每个元素都符合该断言时才返回true,否则返回false
        //boolean match = stream.allMatch(s -> s > 6);
        //noneMatch:接收一个 Predicate 函数,当流中每个元素都不符合该断言时才返回true,否则返回false
        //System.out.println(stream.noneMatch(s -> s > 7));
        //anyMatch:接收一个 Predicate 函数,只要流中有一个元素满足该断言则返回true,否则返回false
        //System.out.println(stream.anyMatch(s -> s > 1));
        //findFirst:返回流中第一个元素
        //System.out.println(stream.findFirst());
        //findAny:返回流中的任意元素
        //count:返回流中元素的总个数
        //max:返回流中元素最大值
        //min:返回流中元素最小值
    }

规约操作

Optional reduce(BinaryOperator accumulator):第一次执行时,accumulator函数的第一个参数为流中的第一个元素,第二个参数为流中元素的第二个元素;第二次执行时,第一个参数为第一次函数执行的结果,第二个参数为流中的第三个元素;依次类推。

T reduce(T identity, BinaryOperator accumulator):流程跟上面一样,只是第一次执行时,accumulator函数的第一个参数为identity,而第二个参数为流中的第一个元素。

U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator combiner):在串行流(stream)中,该方法跟第二个方法一样,即第三个参数combiner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行,此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样,而第三个参数combiner函数,则是将每个线程的执行结果当成一个新的流,然后使用第一个方法reduce(accumulator)流程进行规约。

	@Test
    public void test01(){
        //经过测试,当元素个数小于24时,并行时线程数等于元素个数,当大于等于24时,并行时线程数为16
        List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24);

        Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
        System.out.println(v);   // 300

        Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
        System.out.println(v1);  //310

        Integer v2 = list.stream().reduce(0,
                (x1, x2) -> {
                    System.out.println("stream accumulator: x1:" + x1 + "  x2:" + x2);
                    return x1 - x2;
                },
                (x1, x2) -> {
                    System.out.println("stream combiner: x1:" + x1 + "  x2:" + x2);
                    return x1 * x2;
                });
        System.out.println(v2); // -300

        Integer v3 = list.parallelStream().reduce(0,
                (x1, x2) -> {
                    System.out.println("parallelStream accumulator: x1:" + x1 + "  x2:" + x2);
                    return x1 - x2;
                },
                (x1, x2) -> {
                    System.out.println("parallelStream combiner: x1:" + x1 + "  x2:" + x2);
                    return x1 * x2;
                });
        System.out.println(v3); //197474048
    }

收集

collect:接收一个Collector实例,将流中元素收集成另外一个数据结构。

Collector<T, A, R> 是一个接口,有以下5个抽象方法:

	Supplier<A> supplier():创建一个结果容器A
	BiConsumer<A, T> accumulator():消费型接口,第一个参数为容器A,第二个参数为流中元素TBinaryOperator<A> combiner():函数接口,该参数的作用跟上一个方法(reduce)中的combiner参数一样,将并行流中各                                                                 个子进程的运行结果(accumulator函数操作后的容器A)进行合并。
	Function<A, R> finisher():函数式接口,参数为:容器A,返回类型为:collect方法最终想要的结果RSet<Characteristics> characteristics():返回一个不可变的Set集合,用来表明该Collector的特征。有以下三个特征:
	
		ONCURRENT:表示此收集器支持并发。(官方文档还有其他描述,暂时没去探索,故不作过多翻译)
		UNORDERED:表示该收集操作不会保留流中元素原有的顺序。
		IDENTITY_FINISH:表示finisher参数只是标识而已,可忽略。
Student s1 = new Student("aa", 10,1);
Student s2 = new Student("bb", 20,2);
Student s3 = new Student("cc", 10,3);
List<Student> list = Arrays.asList(s1, s2, s3);
 
//装成list
List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10]
 
//转成set
Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10]
 
//转成map,注:key不能相同,否则报错
Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10}
 
//字符串分隔符连接
String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc)
 
//聚合操作
//1.学生总数
Long count = list.stream().collect(Collectors.counting()); // 3
//2.最大年龄 (最小的minBy同理)
Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
//3.所有人的年龄
Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40
//4.平均年龄
Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334
// 带上以上所有方法
DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage());
 
//分组
Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
//多重分组,先根据类型分再根据年龄分
Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));
 
//分区
//分成两部分,一部分大于10岁,一部分小于等于10岁
Map<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));
 
//规约
Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值