jdk8銝要onematch_JDK8老特性详解（二）

Stream流的使用

流操作是Java8提供一个重要新特性，它允许开发人员以声明性方式处理集合，其核心类库主要改进了对集合类的 API和新增Stream操作。Stream类中每一个方法都对应集合上的一种操作。将真正的函数式编程引入到Java中，能 让代码更加简洁，极大地简化了集合的处理操作，提高了开发的效率和生产力。

同时stream不是一种数据结构，它只是某种数据源的一个视图，数据源可以是一个数组，Java容器或I/O channel等。在Stream中的操作每一次都会产生新的流，内部不会像普通集合操作一样立刻获取值，而是惰性 取值，只有等到用户真正需要结果的时候才会执行。并且对于现在调用的方法，本身都是一种高层次构件，与线程模型无关。因此在并行使用中，开发者们无需再去操 心线程和锁了。Stream内部都已经做好了。

如果刚接触流操作的话，可能会感觉不太舒服。其实理解流操作的话可以对比数据库操作。把流的操作理解为对数据库中 数据的查询操作

集合 = 数据表

元素 = 表中的每条数据

属性 = 每条数据的列

流API = sql查询

流操作详解

Stream流接口中定义了许多对于集合的操作方法，总的来说可以分为两大类：中间操作和终端操作。中间操作：会返回一个流，通过这种方式可以将多个中间操作连接起来，形成一个调用链，从而转换为另外 一个流。除非调用链后存在一个终端操作，否则中间操作对流不会进行任何结果处理。

终端操作：会返回一个具体的结果，如boolean、list、integer等。

1、筛选

对于集合的操作，经常性的会涉及到对于集中符合条件的数据筛选，Stream中对于数据筛选两个常见的API： filter(过滤)、distinct(去重)

1.1基于filter()实现数据过

该方法会接收一个返回boolean的函数作为参数，终返回一个包括所有符合条件元素的流。

案例：获取所有年龄20岁以下的学生

/*** @author 我是七月呀* @date 2020/12/22*/

public class FilterDemo {

public static void main(String[] args) {

//获取所有年龄20岁以下的学生 ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三","M",true));

students.add(new Student(1,18,"李四","M",false));

students.add(new Student(1,21,"王五","F",true));

students.add(new Student(1,20,"赵六","F",false));

students.stream().filter(student -> student.getAge()<20);

}

}

源码解析

此处可以看到filter方法接收了Predicate函数式接口。

首先判断predicate是否为null，如果为null，则抛出NullPointerException;构建Stream，重写opWrapsink方法。参数flags:下一个sink的标志位，供优化使用。参数sink：下一个sink，通过此参数将sink构造成单链。此时流已经构建好，但是因为begin()先执行，此时是无法确定流中后续会存在多少元素的，所以传递-1，代表无法确定。最后调用Pridicate中的test，进行条件判断，将符合条件数据放入流中。

1.2基于distinct实现数据去重

/*** @author 我是七月呀* @date 2020/12/22*/

public class DistinctDemo {

public static void main(String[] args) {

List integers = Arrays.asList(1, 2, 3, 4, 4, 5, 5, 6, 7, 8, 2, 2, 2, 2);

integers.stream().distinct().collect(Collectors.toList());

}

}

源码解析

根据其源码，我们可以知道在distinct()内部是基于LinkedHashSet对流中数据进行去重，并终返回一个新的流。

2、切片

2.1基于limit()实现数据截取

该方法会返回一个不超过给定长度的流

案例：获取数组的前五位

/*** @author 我是七月呀* @date 2020/12/22*/

public class LimitDemo {

​

public static void main(String[] args) {

//获取数组的前五位 List integers = Arrays.asList(1, 2, 3, 4, 4, 5, 5, 6, 7, 8, 2, 2, 2, 2);

integers.stream().limit(5);

}

}

源码解析：

对于limit方法的实现，它会接收截取的长度，如果该值小于0，则抛出异常，否则会继续向下调用 SliceOps.makeRef()。该方法中this代表当前流，skip代表需要跳过元素，比方说本来应该有4个元素，当跳过元素 值为2，会跳过前面两个元素，获取后面两个。maxSize代表要截取的长度

在makeRef方法中的unorderedSkipLimitSpliterator()中接收了四个参数Spliterator，skip(跳过个数)、limit(截取 个数)、sizeIfKnown(已知流大小)。如果跳过个数小于已知流大小，则判断跳过个数是否大于0，如果大于则取截取 个数或已知流大小-跳过个数的两者小值，否则取已知流大小-跳过个数的结果，作为跳过个数。 后对集合基于跳过个数和截取个数进行切割。

2.2基于skip()实现数据跳过

案例：从集合第三个开始截取5个数据

/*** @author 我是七月呀* @date 2020/12/22*/

public class LimitDemo {

​

public static void main(String[] args) {

//从集合第三个开始截取5个数据 List integers = Arrays.asList(1, 2, 3, 4, 4, 5, 5, 6, 7, 8, 2, 2, 2, 2);

List collect = integers.stream().skip(3).limit(5).collect(Collectors.toList());

collect.forEach(integer -> System.out.print(integer+" "));

​

}

}

结果4 4 5 5 6

案例：先从集合中截取5个元素，然后取后3个

/*** @author 我是七月呀* @date 2020/12/22*/

public class LimitDemo {

​

public static void main(String[] args) {

//先从集合中截取5个元素，然后取后3个 List integers = Arrays.asList(1, 2, 3, 4, 4, 5, 5, 6, 7, 8, 2, 2, 2, 2);

List collect = integers.stream().limit(5).skip(2).collect(Collectors.toList());

collect.forEach(integer -> System.out.print(integer+" "));

​

}

}

结果：3 4 4

源码分析：

在skip方法中接收的n代表的是要跳过的元素个数，如果n小于0，抛出非法参数异常，如果n等于0，则返回当前 流。如果n小于0，才会调用makeRef()。同时指定limit参数为-1.

此时可以发现limit和skip都会进入到该方法中，在确定limit值时，如果limit<0,则获取已知集合大小长度-跳过的长度。最终进行数据切割。

3、映射

在对集合进行操作的时候，我们经常会从某些对象中选择性的提取某些元素的值，就像编写sql一样，指定获取表 中特定的数据列

#指定获取特定列 SELECT name FROM student

在Stream API中也提供了类似的方法，map()。它接收一个函数作为方法参数，这个函数会被应用到集合中每一个 元素上，并终将其映射为一个新的元素。 案例：获取所有学生的姓名，并形成一个新的集合

/*** @author 我是七月呀* @date 2020/12/22*/

public class MapDemo {

public static void main(String[] args) {

​

//获取所有学生的姓名，并形成一个新的集合 ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三","M",true));

students.add(new Student(1,18,"李四","M",false));

students.add(new Student(1,21,"王五","F",true));

students.add(new Student(1,20,"赵六","F",false));

​

List collect = students.stream().map(Student::getName).collect(Collectors.toList());

collect.forEach(s -> System.out.print(s + " "));

}

}

​

结果：张三 李四 王五 赵六

源码解析：

内部对Function函数式接口中的apply方法进行实现，接收一个对象，返回另外一个对象，并把这个内容存入当前 流中，后返回

4、匹配

在日常开发中，有时还需要判断集合中某些元素是否匹配对应的条件，如果有的话，在进行后续的操作。在 Stream API中也提供了相关方法供我们进行使用，如anyMatch、allMatch等。他们对应的就是&&和||运算符。

4.1基于anyMatch()判断条件至少匹配一个元素

anyMatch()主要用于判断流中是否至少存在一个符合条件的元素，它会返回一个boolean值，并且对于它的操作， 一般叫做短路求值

案例：判断集合中是否有年龄小于20的学生

/*** @author 我是七月呀* @date 2020/12/22*/

public class AnyMatchDemo {

​

public static void main(String[] args) {

//判断集合中是否有年龄小于20的学生 ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三","M",true));

students.add(new Student(1,18,"李四","M",false));

students.add(new Student(1,21,"王五","F",true));

students.add(new Student(1,20,"赵六","F",false));

​

if(students.stream().anyMatch(student -> student.getAge() < 20)){

System.out.println("集合中有年龄小于20的学生");

}else {

System.out.println("集合中没有年龄小于20的学生");

}

}

}

根据上述例子可以看到，当流中只要有一个符合条件的元素，则会立刻中止后续的操作，立即返回一个布尔值，无需遍历整个流。

源码解析：

内部实现会调用makeRef(),其接收一个Predicate函数式接口，并接收一个枚举值，该值代表当前操作执行的是 ANY。

如果test()抽象方法执行返回值==MatchKind中any的stopOnPredicateMatches，则将stop中断置为true，value 也为true。并终进行返回。无需进行后续的流操作。

4.2基于allMatch()判断条件是否匹配所有元素

allMatch()的工作原理与anyMatch()类似，但是anyMatch执行时，只要流中有一个元素符合条件就会返回true， 而allMatch会判断流中是否所有条件都符合条件，全部符合才会返回true

案例：判断集合所有学生的年龄是否都小于20

/*** @author 我是七月呀* @date 2020/12/22*/

public class AllMatchDemo {

​

public static void main(String[] args) {

//判断集合所有学生的年龄是否都小于20 ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三","M",true));

students.add(new Student(1,18,"李四","M",false));

students.add(new Student(1,21,"王五","F",true));

students.add(new Student(1,20,"赵六","F",false));

​

if(students.stream().allMatch(student -> student.getAge() < 20)){

System.out.println("集合所有学生的年龄都小于20");

}else {

System.out.println("集合中有年龄大于20的学生");

}

}

}

​

源码解析：与anyMatch类似，只是其枚举参数的值为ALL

5、查找

对于集合操作，有时需要从集合中查找中符合条件的元素，Stream中也提供了相关的API，findAny()和 findFirst()，他俩可以与其他流操作组合使用。findAny用于获取流中随机的某一个元素，findFirst用于获取流中的 第一个元素。至于一些特别的定制化需求，则需要自行实现。

5.1基于findAny()查找元素

案例：findAny用于获取流中随机的某一个元素，并且利用短路在找到结果时，立即结束

/*** @author 我是七月呀* @date 2020/12/22*/

public class FindAnyDemo {

public static void main(String[] args) {

//findAny用于获取流中随机的某一个元素，并且利用短路在找到结果时，立即结束 ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三1","M",true));

students.add(new Student(1,18,"张三2","M",false));

students.add(new Student(1,21,"张三3","F",true));

students.add(new Student(1,20,"张三4","F",false));

students.add(new Student(1,20,"张三5","F",false));

students.add(new Student(1,20,"张三6","F",false));

Optional student1 = students.stream().filter(student -> student.getSex().equals("F")).findAny();

System.out.println(student1.toString());

}

​

}

结果：Optional[Student{id=1, age=21, name='张三3', sex='F', isPass=true}]

此时我们将其循环100次

/*** @author 我是七月呀* @date 2020/12/22*/

public class FindAnyDemo {

public static void main(String[] args) {

//findAny用于获取流中随机的某一个元素，并且利用短路在找到结果时，立即结束 ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三1","M",true));

students.add(new Student(1,18,"张三2","M",false));

students.add(new Student(1,21,"张三3","F",true));

students.add(new Student(1,20,"张三4","F",false));

students.add(new Student(1,20,"张三5","F",false));

students.add(new Student(1,20,"张三6","F",false));

for (int i = 0; i < 100; i++) {

Optional student1 = students.stream().filter(student -> student.getSex().equals("F")).findAny();

System.out.println(student1.toString());

}

​

}

​

}

结果：

由于数量较大，只截取了部分截图，全部都是一样的，不行的小伙伴可以自己测试一下

这时候我们改为串行流在执行一下

/*** @author 我是七月呀* @date 2020/12/22*/

public class FindAnyDemo {

public static void main(String[] args) {

//findAny用于获取流中随机的某一个元素，并且利用短路在找到结果时，立即结束 ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三1","M",true));

students.add(new Student(1,18,"张三2","M",false));

students.add(new Student(1,21,"张三3","F",true));

students.add(new Student(1,20,"张三4","F",false));

students.add(new Student(1,20,"张三5","F",false));

students.add(new Student(1,20,"张三6","F",false));

for (int i = 0; i < 100; i++) {

Optional student1 = students.parallelStream().filter(student -> student.getSex().equals("F")).findAny();

System.out.println(student1.toString());

}

​

}

​

}

​

结果：

现在我们通过源码解析来分析下这是为什么？

根据这一段源码介绍，findAny对于同一数据源的多次操作会返回不同的结果。但是，我们现在的操作是串行的， 所以在数据较少的情况下，一般会返回第一个结果，但是如果在并行的情况下，那就不能确保返回的是第一个了。 这种设计主要是为了获取更加高效的性能。并行操作后续会做详细介绍。

传递参数，指定不必须获取第一个元素

在该方法中，主要用于判断对于当前的操作执行并行还是串行。

在该方法中的wrapAndCopyInto()内部做的会判断流中是否存在符合条件的元素，如果有的话，则会进行返回。结 果终会封装到Optional中的IsPresent中。

总结：当为串行流且数据较少时，获取的结果一般为流中第一个元素，但是当为并流行的时 候，则会随机获取。

5.2基于findFirst()查找元素

findFirst使用原理与findAny类似，只是它无论串行流还是并行流都会返回第一个元素，这里不做详解

6、归约

到现在截止，对于流的终端操作，我们返回的有boolean、Optional和List。但是在集合操作中，我们经常会涉及 对元素进行统计计算之类的操作，如求和、求大值、小值等，从而返回不同的数据结果。

6.1基于reduce()进行累积求和

案例：对集合中的元素求和

/*** @author 我是七月呀* @date 2020/12/22*/

public class ReduceDemo {

public static void main(String[] args) {

List integers = Arrays.asList(1, 2, 3, 4, 4, 5, 5, 6, 7, 8, 2, 2, 2, 2);

Integer reduce = integers.stream().reduce(0, (integer1, integer2) -> integer1 + integer2);

System.out.println(reduce);

}

}

结果：53

在上述代码中，在reduce里的第一个参数声明为初始值，第二个参数接收一个lambda表达式，代表当前流中的两 个元素，它会反复相加每一个元素，直到流被归约成一个终结果

Integer reduce = integers.stream().reduce(0,Integer::sum);

优化成这样也是可以的。当然，reduce还有一个不带初始值参数的重载方法，但是要对返回结果进行判断，因为如果流中没有任何元素的话，可能就没有结果了。具体方法如下所示

List integers = Arrays.asList(1, 2, 3, 4, 4, 5, 5, 6, 7, 8, 2, 2, 2, 2);

Optional reduce = integers.stream().reduce(Integer::sum);

if(reduce.isPresent()){

System.out.println(reduce);

}else {

System.out.println("数据有误");

}

源码解析：两个参数的reduce方法

在上述方法中，对于流中元素的操作，当执行第一个元素，会进入begin方法，将初始化的值给到state，state就 是后的返回结果。并执行accept方法，对state和第一个元素根据传入的操作，对两个值进行计算。并把终计 算结果赋给state。 当执行到流中第二个元素，直接执行accept方法，对state和第二个元素对两个值进行计算，并把终计算结果赋 给state。后续依次类推。 可以按照下述代码进行理解

T result = identity;

for (T element : this stream){

result = accumulator.apply(result, element)

}

return result;

源码解析：单个参数的reduce方法

在这部分实现中，对于匿名内部类中的empty相当于是一个开关，state相当于结果。

对于流中第一个元素，首先会执行begin()将empty置为true，state为null。接着进入到accept()，判断empty是否 为true，如果为true，则将empty置为false，同时state置为当前流中第一个元素，当执行到流中第二个元素时， 直接进入到accpet()，判断empty是否为true，此时empty为false，则会执行apply()，对当前state和第二个元素进 行计算，并将结果赋给state。后续依次类推。 当整个流操作完之后，执行get(), 如果empty为true，则返回一个空的Optional对象，如果为false，则将后计算 完的state存入Optional中。

可以按照下述代码进行理解：

boolean flag = false;

T result = null;

for (T element : this stream) {

if (!flag) {

flag = true;

result = element;

}else{

result = accumulator.apply(result, element);

}

}

return flag ? Optional.of(result) : Optional.empty();

6.2获取流中元素的最大值、最小值

案例：获取集合中元素的最大值、最小值

/*** @author 我是七月呀* @date 2020/12/22*/

public class MaxDemo {

public static void main(String[] args) {

​

List integers = Arrays.asList(1, 2, 3, 4, 4, 5, 5, 6, 7, 8, 2, 2, 2, 2);

​

/*** 获取集合中的最大值*/

//方法一 Optional max1 = integers.stream().reduce(Integer::max);

if(max1.isPresent()){

System.out.println(max1);

}

//方法二 Optional max2 = integers.stream().max(Integer::compareTo);

if(max2.isPresent()){

System.out.println(max2);

}

​

/*** 获取集合中的最小值*/

//方法一 Optional min1 = integers.stream().reduce(Integer::min);

if(min1.isPresent()){

System.out.println(min1);

}

​

//方法二 Optional min2 = integers.stream().min(Integer::compareTo);

if(min2.isPresent()){

System.out.println(min2);

}

}

}

结果：

Optional[8]

Optional[8]

Optional[1]

Optional[1]

7、收集器

通过使用收集器，可以让代码更加方便的进行简化与重用。其内部主要核心是通过Collectors完成更加复杂的计算 转换，从而获取到终结果。并且Collectors内部提供了非常多的常用静态方法，直接拿来就可以了。比方说： toList。

/*** @author 我是七月呀* @date 2020/12/22*/

public class CollectDemo {

public static void main(String[] args) {

ArrayList students = new ArrayList<>();

students.add(new Student(1,19,"张三","M",true));

students.add(new Student(1,18,"李四","M",false));

students.add(new Student(1,21,"王五","F",true));

students.add(new Student(1,20,"赵六","F",false));

​

//通过counting()统计集合总数 方法一 Long collect = students.stream().collect(Collectors.counting());

System.out.println(collect);

//结果 4​

//通过count()统计集合总数 方法二 long count = students.stream().count();

System.out.println(count);

//结果 4​

//通过maxBy求最大值 Optional collect1 = students.stream().collect(Collectors.maxBy(Comparator.comparing(Student::getAge)));

if(collect1.isPresent()){

System.out.println(collect1);

}

//结果 Optional[Student{id=1, age=21, name='王五', sex='F', isPass=true}]​

//通过max求最大值 Optional max = students.stream().max(Comparator.comparing(Student::getAge));

if(max.isPresent()){

System.out.println(max);

}

//结果 Optional[Student{id=1, age=21, name='王五', sex='F', isPass=true}]​

//通过minBy求最小值 Optional collect2 = students.stream().collect(Collectors.minBy(Comparator.comparing(Student::getAge)));

if(collect2.isPresent()){

System.out.println(collect2);

}

//结果 Optional[Student{id=1, age=18, name='李四', sex='M', isPass=false}]​

//通过min求最小值 Optional min = students.stream().min(Comparator.comparing(Student::getAge));

if(min.isPresent()){

System.out.println(min);

}

//结果 Optional[Student{id=1, age=18, name='李四', sex='M', isPass=false}]​

//通过summingInt()进行数据汇总 Integer collect3 = students.stream().collect(Collectors.summingInt(Student::getAge));

System.out.println(collect3);

//结果 78​

//通过averagingInt()进行平均值获取 Double collect4 = students.stream().collect(Collectors.averagingInt(Student::getAge));

System.out.println(collect4);

//结果 19.5​

//通过joining()进行数据拼接 String collect5 = students.stream().map(Student::getName).collect(Collectors.joining());

System.out.println(collect5);

//结果 张三李四王五赵六

//复杂结果的返回 IntSummaryStatistics collect6 = students.stream().collect(Collectors.summarizingInt(Student::getAge));

double average = collect6.getAverage();

long sum = collect6.getSum();

long count1 = collect6.getCount();

int max1 = collect6.getMax();

int min1 = collect6.getMin();

}

​

}

8、分组

在数据库操作中，经常会通过group by对查询结果进行分组。同时在日常开发中，也经常会涉及到这一类操作， 如通过性别对学生集合进行分组。如果通过普通编码的方式需要编写大量代码且可读性不好。

对于这个问题的解决，java8也提供了简化书写的方式。通过 Collectors。groupingBy()即可。

//通过性别对学生进行分组 Map> collect = students.stream().collect(Collectors.groupingBy(Student::getSex));

结果 {

F=[Student{id=1, age=21, name='王五', sex='F', isPass=true}, Student{id=1, age=20, name='赵六', sex='F', isPass=false}],

M=[Student{id=1, age=19, name='张三', sex='M', isPass=true}, Student{id=1, age=18, name='李四', sex='M', isPass=false}]

}

8.1多级分组

刚才已经使用groupingBy()完成了分组操作，但是只是通过单一的sex进行分组，那现在如果需求发生改变，还要 按照是否及格进行分组，能否实现？答案是可以的。对于groupingBy()它提供了两个参数的重载方法，用于完成这 种需求。

这个重载方法在接收普通函数之外，还会再接收一个Collector类型的参数，其会在内层分组(第二个参数)结果，传 递给外层分组(第一个参数)作为其继续分组的依据。

//现根据是否通过考试对学生分组，在根据性别分组Map>> collect1 = students.stream().collect(Collectors.groupingBy(Student::getSex, Collectors.groupingBy(Student::getPass)));

结果： {

F={

false=[Student{id=1, age=20, name='赵六', sex='F', isPass=false}],

true=[Student{id=1, age=21, name='王五', sex='F', isPass=true}]

},

M={

false=[Student{id=1, age=18, name='李四', sex='M', isPass=false}],

true=[Student{id=1, age=19, name='张三', sex='M', isPass=true}]}

}

​

8.2多级分组变形

在日常开发中，我们很有可能不是需要返回一个数据集合，还有可能对数据进行汇总操作，比方说对于年龄18岁 的通过的有多少人，未及格的有多少人。因此，对于二级分组收集器传递给外层分组收集器的可以任意数据类型， 而不一定是它的数据集合。

//根据年龄进行分组，获取并汇总人数 Map collect2 = students.stream().collect(Collectors.groupingBy(Student::getAge, Collectors.counting()));

System.out.println(collect2);

​

结果：{18=1, 19=1, 20=1, 21=1}

//要根据年龄与是否及格进行分组，并获取每组中年龄的学生 Map> collect3 = students.stream().collect(Collectors.groupingBy(Student::getAge, Collectors.groupingBy(Student::getPass,

Collectors.collectingAndThen(Collectors.maxBy(Comparator.comparing(Student::getAge)), Optional::get))));

System.out.println(collect3.toString());

结果：{

18={false=Student{id=1, age=18, name='李四', sex='M', isPass=false}},

19={true=Student{id=1, age=19, name='张三', sex='M', isPass=true}},

20={false=Student{id=1, age=20, name='赵六', sex='F', isPass=false}},

21={true=Student{id=1, age=21, name='王五', sex='F', isPass=true}}}