Stream
java8的Stream很重要，spring-reactor里面用到reactor-core,而java8的stream与之很相似，搞懂了再看reactor-core必定事半功倍。
先看一下它的强大，这里只是冰山一角:
从List<Student> 列表中取出name，将name组成一个List。
老代码
List<String> nameList = new ArrayList();
if(null != list){
for(Student stu : list){
nameList.add(stu.getName());
}
}
JAVA8
List<String> nameList = Optional.ofNullable(list).orElse(Collections.emptyList()).stream()
.map(Stu::getName).collect(Collectors.toList());
Stream.of 创建Stream
这里给大家演示一下通过Stream.of创建Stream。
常见的集合通过stream()方法都可以创建Stream。 其实他们最终都是调用以下方法创建的。
public static <T> Stream<T> stream(Spliterator<T> spliterator, boolean parallel) {
Objects.requireNonNull(spliterator);
return new ReferencePipeline.Head<>(spliterator,
StreamOpFlag.fromCharacteristics(spliterator),
parallel);
}
Stream.of有两种创建Stream的方法。
第一种
Stream.of("a1")
第二种
Stream.of("a1","a2"); //这种通过Arrays.stream 构建
这里介绍两个相关的类:
如果是单个元素，直接使用Spliterator进行构建。 如果是多个元素，会有一个优化，使用SpineBuffer构建。 
如果是大数组，使用SpineBuffer，小数组是使用ArrayList。 如何使用SpineBuffer构建?
Stream.builder().add("a1").add("a2").build();
Stream 相关概念
stream的操作分为两种：
一种是中间操作，就是不需要结果，只需要记录这个过程，一般返回Stream对象都是属于这种
一种是终极操作，就是立即需要返回结果，一般返回非Stream对象，都是属于这种。
stream的状态分为三种：
第一种:Head,第一次创建的时候就是这种
第二种:Stateless，无状态，每个对象的操作是独立的。
第三种:Stateful，有状态，需要联合多个象才能得出结果。
stream操作特性:
操作特性是指：该stream有固定大小，大小不固定，操作有序，数据有序等。
Stream.filter
顾名思义：对 Stream进行filter,然后返回新的Stream。 由前一节我们知道，stream的具体数据存储在Spliterator中。而它本身可以理解为只是一个算法。
filter只是一个中间操作，我们只需要记录这一个过程就OK了。然后返回新的Stream。如果再次调用fileter，会再次返回一个新Stream。
上面是一个流程图，Sink是包装算子的一个类，比如调用filter，从Head里面拿到对象，经过第一个Sink,再经过第二个Sink的运算，最终得到结果。
下面是Strea.filter的源码实现:
public final Stream<P_OUT> filter(Predicate<? super P_OUT> predicate) {
Objects.requireNonNull(predicate);
return new StatelessOp<P_OUT, P_OUT>(this, StreamShape.REFERENCE,
StreamOpFlag.NOT_SIZED) {
@Override
Sink<P_OUT> opWrapSink(int flags, Sink<P_OUT> sink) {
return new Sink.ChainedReference<P_OUT, P_OUT>(sink) {
@Override
public void begin(long size) {
downstream.begin(-1);
}
@Override
public void accept(P_OUT u) {
//如果通过当前filter,就进入下一个算子
if (predicate.test(u))
downstream.accept(u);
}
};
}
};
}
Stream.peek
这个方法可以理解为调试方法，它不对结果产生任何影响，将数据原封不动的传给下一个算子
public final Stream<P_OUT> peek(Consumer<? super P_OUT> action) {
Objects.requireNonNull(action);
return new StatelessOp<P_OUT, P_OUT>(this, StreamShape.REFERENCE,
0) {
@Override
Sink<P_OUT> opWrapSink(int flags, Sink<P_OUT> sink) {
return new Sink.ChainedReference<P_OUT, P_OUT>(sink) {
@Override
public void accept(P_OUT u) {
action.accept(u);
downstream.accept(u);
}
};
}
};
}
Stream.flatMap
算子应该是通过一个对象映身成一个Stream，然后调用foreach，将每个元素传递到下一个算子。
public final <R> Stream<R> flatMap(Function<? super P_OUT, ? extends Stream<? extends R>> mapper) {
Objects.requireNonNull(mapper);
// We can do better than this, by polling cancellationRequested when stream is infinite
return new StatelessOp<P_OUT, R>(this, StreamShape.REFERENCE,
StreamOpFlag.NOT_SORTED | StreamOpFlag.NOT_DISTINCT | StreamOpFlag.NOT_SIZED) {
@Override
Sink<P_OUT> opWrapSink(int flags, Sink<R> sink) {
return new Sink.ChainedReference<P_OUT, R>(sink) {
@Override
public void begin(long size) {
downstream.begin(-1);
}
@Override
public void accept(P_OUT u) {
try (Stream<? extends R> result = mapper.apply(u)) {
// We can do better that this too; optimize for depth=0 case and just grab spliterator and forEach it
if (result != null)
result.sequential().forEach(downstream);
}
}
};
}
};
}
Stream.map
与上面的类似，只是映射成另一个对象
public final <R> Stream<R> map(Function<? super P_OUT, ? extends R> mapper) {
Objects.requireNonNull(mapper);
return new StatelessOp<P_OUT, R>(this, StreamShape.REFERENCE,
StreamOpFlag.NOT_SORTED | StreamOpFlag.NOT_DISTINCT) {
@Override
Sink<P_OUT> opWrapSink(int flags, Sink<R> sink) {
return new Sink.ChainedReference<P_OUT, R>(sink) {
@Override
public void accept(P_OUT u) {
downstream.accept(mapper.apply(u));
}
};
}
};
}
Stream.limit
这是一个有状态的操作，因为它返回一定数据的数据组成的Stream。 这里只贴一段核心算法：
Sink<T> opWrapSink(int flags, Sink<T> sink) {
return new Sink.ChainedReference<T, T>(sink) {
long n = skip;
long m = limit >= 0 ? limit : Long.MAX_VALUE;
@Override
public void begin(long size) {
downstream.begin(calcSize(size, skip, m));
}
@Override
public void accept(T t) {
if (n == 0) {
if (m > 0) {
m--;
downstream.accept(t);
}
}
else {
n--;
}
}
@Override
public boolean cancellationRequested() {
return m == 0 || downstream.cancellationRequested();
}
};
}
Stream.skip
这个与Stram.limit类似，两个联合起来就可以分面查询了。
Stream.sorted
排序，如果没传比较器就用默认的。
如果有顺序，就不用排序了，如果给定大小了就用一个固定大小的数组来排序，否则用一个列来来排序。
public Sink<T> opWrapSink(int flags, Sink<T> sink) {
Objects.requireNonNull(sink);
// If the input is already naturally sorted and this operation
// also naturally sorted then this is a no-op
if (StreamOpFlag.SORTED.isKnown(flags) && isNaturalSort)
return sink;
else if (StreamOpFlag.SIZED.isKnown(flags))
return new SizedRefSortingSink<>(sink, comparator);
else
return new RefSortingSink<>(sink, comparator);
}
通过排序，分页，说明这个算子需要支持开始，结束方法。还需要一个取消方法，为什么了，比如第一个Stream有20个对象，但是后面只需要第一个，所以我第一个算子给到你一个数据时，第一个算子就需要终止了。
Stream.anyMatch
下面看一个anyMatch是怎么实现的。
@Override
public final boolean anyMatch(Predicate<? super P_OUT> predicate) {
return evaluate(MatchOps.makeRef(predicate, MatchOps.MatchKind.ANY));
}
第二步，主要是用当前stream,和原始的数据容器spliterator
final <R> R evaluate(TerminalOp<E_OUT, R> terminalOp) {
assert getOutputShape() == terminalOp.inputShape();
if (linkedOrConsumed)
throw new IllegalStateException(MSG_STREAM_LINKED);
linkedOrConsumed = true;
return isParallel()
? terminalOp.evaluateParallel(this, sourceSpliterator(terminalOp.getOpFlags()))
: terminalOp.evaluateSequential(this, sourceSpliterator(terminalOp.getOpFlags()));
}
第三步,最后一个算子和原始容器
@Override
public <S> Boolean evaluateSequential(PipelineHelper<T> helper,
Spliterator<S> spliterator) {
return helper.wrapAndCopyInto(sinkSupplier.get(), spliterator).getAndClearState();
}
第四步 包装算子
final <P_IN> Sink<P_IN> wrapSink(Sink<E_OUT> sink) {
Objects.requireNonNull(sink);
for ( @SuppressWarnings("rawtypes") AbstractPipeline p=AbstractPipeline.this; p.depth > 0; p=p.previousStage) {
sink = p.opWrapSink(p.previousStage.combinedFlags, sink);
}
return (Sink<P_IN>) sink;
}
第五步 数据传递
@Override
final <P_IN, S extends Sink<E_OUT>> S wrapAndCopyInto(S sink, Spliterator<P_IN> spliterator) {
copyInto(wrapSink(Objects.requireNonNull(sink)), spliterator);
return sink;
}
final <P_IN> void copyInto(Sink<P_IN> wrappedSink, Spliterator<P_IN> spliterator) {
Objects.requireNonNull(wrappedSink);
//满足要求后，是否需要停止计算
if (!StreamOpFlag.SHORT_CIRCUIT.isKnown(getStreamAndOpFlags())) {
wrappedSink.begin(spliterator.getExactSizeIfKnown());
spliterator.forEachRemaining(wrappedSink);
wrappedSink.end();
}
else {
//需要停止计算
copyIntoWithCancel(wrappedSink, spliterator);
}
}
Stream.spliterator
只需要一个Sink,然后调用wrapSink,再copyInto就可以实现了
final <P_IN> Spliterator<P_OUT> wrap(PipelineHelper<P_OUT> ph,
Supplier<Spliterator<P_IN>> supplier,
boolean isParallel) {
return new StreamSpliterators.WrappingSpliterator<>(ph, supplier, isParallel);
}
扫一扫
720
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
