java球员_Java 8 Stream实践

【前面的话】Java中的Stream于1.8版本析出，平时项目中也有用到，今天就系统的来实践一下。下面借用重庆力帆队伍中我个人比较喜欢的球员来操作一波，队员的年龄为了便于展示某些api做了调整，请不要太认真哦。

***

壹. Stream理解

在java中我们称Stream为『流』，我们经常会用流去对集合进行一些流水线的操作。stream就像工厂一样，只需要把集合、命令还有一些参数灌输到流水线中去，就可以加工成得出想要的结果。这样的流水线能大大简洁代码，减少操作。给我个人的感觉类似JavaScript中的链式函数。

贰. Stream流程

原集合 —> 流 —> 各种操作(过滤、分组、统计) —> 终端操作

Stream流的操作流程一般都是这样的，先将集合转为流，然后经过各种操作，比如过滤、筛选、分组、计算。最后的终端操作，就是转化成我们想要的数据，这个数据的形式一般还是集合，有时也会按照需求输出count计数。下文会一一举例。

叁. API实践

首先，定义一个用户对象，包含姓名、年龄、id三个成员变量：

package com.eelve.training.entity;

import lombok.*;

import javax.persistence.*;

/**

* @ClassName User

* @Description TDO

* @Author zhao.zhilue

* @Date 2019/6/28 15:21

* @Version 1.0

**/

@Data

@Entity

@Table(name = "user")

@ToString

@NoArgsConstructor

@AllArgsConstructor

@EqualsAndHashCode(exclude={"id","name"})

public class User implements Comparable{

@Id

@GeneratedValue(strategy = GenerationType.IDENTITY)

@Column(name = "id")

private Integer id;

/**

* Link name.

*/

@Column(name = "name", columnDefinition = "varchar(255) not null")

private String name;

@Column(name = "age")

private Integer age;

public User(String name, Integer age) {

this.name = name;

this.age = age;

}

@Override

public int compareTo(User o) {

return age.compareTo(o.getAge());

}

}

然后在数据库中插入测试数据，见下图：

3.1过滤

1)filter 过滤(T-> boolean)

假如我们要实现过滤出40岁以下的队员，我们可以这样来实现：

@Test

public void testUserStreamFilter(){

List userList = userMapper.getALL();

List resultList = userList.stream().filter(user -> user.getAge() <= 40).collect(Collectors.toList());

for (User user : resultList){

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

}

}

filter里面，->箭头后面跟着的是一个boolean值，可以写任何的过滤条件，就相当于sql中where后面的东西，换句话说，能用sql实现的功能这里都可以实现执行结果为：

User(id=1, name=费尔南多, age=25)

User(id=2, name=费尔南迪尼奥, age=26)

User(id=3, name=卡尔德克, age=27)

User(id=4, name=阿德里安, age=28)

User(id=5, name=隋维杰, age=26)

2)distinct 去重

其用法和sql中的使用类似，假如我们要实现过去除用重复年龄的队员，我们可以这样来实现：

@Test

public void testUserDistinct(){

List userList = userMapper.getALL();

List resultList = userList.stream().distinct().collect(Collectors.toList());

for (User user : resultList){

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

}

}

执行结果为：

User(id=1, name=费尔南多, age=25)

User(id=2, name=费尔南迪尼奥, age=26)

User(id=3, name=卡尔德克, age=27)

User(id=4, name=阿德里安, age=28)

User(id=6, name=克鲁伊夫, age=43)

3)sorted排序

如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法对元素进行排序，如：

@Override

public int compareTo(User o) {

return age.compareTo(o.getAge());

}

@Test

public void testUserStreamSorted(){

List userList = userMapper.getALL();

List resultList = userList.stream().sorted().collect(Collectors.toList());

for (User user : resultList){

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

}

}

反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。

@Test

public void testUserStreamSortedWithComparator(){

List userList = userMapper.getALL();

List resultList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());

for (User user : resultList){

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

}

}

执行结果为：

User(id=1, name=费尔南多, age=25)

User(id=2, name=费尔南迪尼奥, age=26)

User(id=5, name=隋维杰, age=26)

User(id=3, name=卡尔德克, age=27)

User(id=4, name=阿德里安, age=28)

User(id=6, name=克鲁伊夫, age=43)

4)limit() 返回前n个元素

如果想知道队伍中年龄最小的就可以使用下面来实现：

@Test

public void testUserStreamLimit(){

List userList = userMapper.getALL();

List resultList = userList.stream().limit(2).collect(Collectors.toList());

for (User user : resultList){

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

}

}

执行结果为：

User(id=1, name=费尔南多, age=25)

User(id=2, name=费尔南迪尼奥, age=26)

5)skip

它的用法和limit正好相反，是去除前面几个元素。假如我们要去除前面两个元素就可以使用下面的方法来实现：

@Test

public void testUserStreamSkip(){

List userList = userMapper.getALL();

List resultList = userList.stream().skip(2).collect(Collectors.toList());

for (User user : resultList){

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

}

}

执行结果为：

User(id=3, name=卡尔德克, age=27)

User(id=4, name=阿德里安, age=28)

User(id=5, name=隋维杰, age=26)

User(id=6, name=克鲁伊夫, age=43)

6)组合使用

以上的过滤函数物品们可以组合来使用来实现我们具体的需求，示例代码如下：

@Test

public void testUserStreamSortLimit(){

List userList = userMapper.getALL();

List resultList = userList.stream().sorted().limit(5).collect(Collectors.toList());

for (User user : resultList){

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

}

}

这样我们就可以得到先排序后限制的结果：

User(id=1, name=费尔南多, age=25)

User(id=2, name=费尔南迪尼奥, age=26)

User(id=5, name=隋维杰, age=26)

User(id=3, name=卡尔德克, age=27)

User(id=4, name=阿德里安, age=28)

3.2 映射

1)map(T->R)

map是将T类型的数据转为R类型的数据，比如我们想要设置一个新的list，存储用户所有的城市信息。

@Test

public void testUserStreamMap(){

List userList = userMapper.getALL();

List resultList = userList.stream().map(User::getAge).distinct().collect(Collectors.toList());

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

}

这样我们可以得到所有年龄的样本，执行结果为：

[25, 26, 27, 28, 43]

2)flatMap(T -> Stream

)

将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流。

@Test

public void testStreamMap(){

List habitsList = new ArrayList<>();

habitsList.add("唱歌,听歌");

habitsList.add("羽毛球,足球,登山");

habitsList = habitsList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(Collectors.toList());

System.out.println(habitsList);

}

执行结果为：

[唱歌, 听歌, 羽毛球, 足球, 登山]

这里原集合中的数据由逗号分割，使用split进行拆分后，得到的是Stream

，字符串数组组成的流，要使用flatMap的**Arrays::stream**，将Stream

转为Stream

,然后把流相连接，组成了完整的唱歌, 听歌, 羽毛球, 足球, 登山。

3.3 查找

1)allMatch(T->boolean)

检测是否全部满足参数行为，假如我们要检测是不是所有队员都是U21的球员：

@Test

public void testUserStreamAllMatch(){

List userList = userMapper.getALL();

boolean isNotU21 = userList.stream().allMatch(user -> user.getAge() >= 21);

System.out.println("是否都不是U21球员：" + isNotU21);

}

执行结果为：

是否都不是U21球员：true

2)anyMatch(T->boolean)

检测是否有任意元素满足给定的条件，比如，想知道是否有26岁的球员：

@Test

public void testUserStreamAnyMatch(){

List userList = userMapper.getALL();

boolean isAgeU26 = userList.stream().anyMatch(user -> user.getAge() == 26);

System.out.println("是否有26岁的球员：" + isAgeU26);

}

执行结果为：

是否有26岁的球员：true

3)noneMatch(T -> boolean)

流中是否有元素匹配给定的 T -> boolean 条件。比如我们要检测是否含有U18的队员：

@Test

public void testUserStreamNoneMatch(){

List userList = userMapper.getALL();

boolean isNotU18 = userList.stream().noneMatch(user -> user.getAge() <= 18);

System.out.println("是否都不是U18球员：" + isNotU18);

}

执行结果为：

是否都不是U18球员：true

说明没有U18的队员。

4)findFirst( ):找到第一个元素

@Test

public void testUserFindFirst(){

List userList = userMapper.getALL();

Optional firstUser = userList.stream().sorted().findFirst();

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

}

执行结果为：

Optional[User(id=1, name=费尔南多, age=25)]

5)findAny():找到任意一个元素

@Test

public void testUserFindAny(){

List userList = userMapper.getALL();

Optional anytUser = userList.parallelStream().sorted().findAny();

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

}

执行结果为：

Optional[User(id=2, name=费尔南迪尼奥, age=26)]

3.4 归纳计算

1)求队员的总人数

@Test

public void testUserCount(){

List userList = userMapper.getALL();

long totalAge = userList.stream().collect(Collectors.counting());

System.out.println("队员人数为：" + totalAge);

}

执行结果为：

队员人数为：6

2)得到某一属性的最大最小值

@Test

public void testUserMaxAndMin(){

List userList = userMapper.getALL();

Optional userMaxAge = userList.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge)));

System.out.println("年龄最大的队员为：" + userMaxAge.toString());

Optional userMinAge = userList.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge)));

System.out.println("年龄最小的队员为：" + userMinAge.toString());

}

执行结果为：

年龄最大的队员为：Optional[User(id=6, name=克鲁伊夫, age=43)]

年龄最小的队员为：Optional[User(id=1, name=费尔南多, age=25)]

3)求年龄总和是多少

@Test

public void testUserSummingInt(){

List userList = userMapper.getALL();

int totalAge = userList.stream().collect(Collectors.summingInt(User::getAge));

System.out.println("年龄总和为：" + totalAge);

}

执行结果为：

年龄总和为：175

我们经常会用BigDecimal来记录金钱，假设想得到BigDecimal的总和：// 获得列表对象金额， 使用reduce聚合函数,实现累加器BigDecimal sum = myList.stream() .map(User::getMoney).reduce(BigDecimal.ZERO,BigDecimal::add);

4)求年龄平均值

@Test

public void testUserAveragingInt(){

List userList = userMapper.getALL();

Double totalAge = userList.stream().collect(Collectors.averagingInt(User::getAge));

System.out.println("平均年龄为：" + totalAge);

}

执行结果为：

平均年龄为：29.166666666666668

5)一次性得到元素的个数、总和、最大值、最小值

@Test

public void testUserSummarizingInt(){

List userList = userMapper.getALL();

IntSummaryStatistics statistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));

System.out.println("年龄的统计结果为：" + statistics );

}

执行结果为：

年龄的统计结果为：IntSummaryStatistics{count=6, sum=175, min=25, average=29.166667, max=43}

6)字符串拼接

要将队员的姓名连成一个字符串并用逗号分割。

@Test

public void testUserJoining(){

List userList = userMapper.getALL();

String name = userList.stream().map(User::getName).collect(Collectors.joining(","));

System.out.println("所有的队员名字：" + name );

}

执行结果为：

所有的队员名字：费尔南多,费尔南迪尼奥,卡尔德克,阿德里安,隋维杰,克鲁伊夫

3.5 分组

在数据库操作中，我们经常通过GROUP BY关键字对查询到的数据进行分组，java8的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。

1)可以根据队员的年龄进行分组

@Test

public void testUserGroupingBy(){

List userList = userMapper.getALL();

Map> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge));

for (Map.Entry> entry :ageMap.entrySet()){

System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());

}

}

执行结果为：

key= 25 and value= [User(id=1, name=费尔南多, age=25)]

key= 26 and value= [User(id=2, name=费尔南迪尼奥, age=26), User(id=5, name=隋维杰, age=26)]

key= 43 and value= [User(id=6, name=克鲁伊夫, age=43)]

key= 27 and value= [User(id=3, name=卡尔德克, age=27)]

key= 28 and value= [User(id=4, name=阿德里安, age=28)]

结果是一个map，key为不重复的年龄，value为属于该年龄的队员列表。已经实现了分组。另外我们还可以继续分组得到两次分组的结果。

2)如果仅仅想统计各年龄的队员个数是多少，并不需要对应的list

按年龄分组并统计人数：

@Test

public void testUserGroupingByCount(){

List userList = userMapper.getALL();

Map ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge,Collectors.counting()));

for (Map.Entry entry :ageMap.entrySet()){

System.out.println("队员中" + entry.getKey() + "岁的队员人数为：" + entry.getValue());

}

}

执行结果为：

队员中25岁的队员人数为：1

队员中26岁的队员人数为：2

队员中43岁的队员人数为：1

队员中27岁的队员人数为：1

队员中28岁的队员人数为：1

3)partitioningBy 分区

分区与分组的区别在于，分区是按照 true 和 false 来分的，因此partitioningBy 接受的参数的 lambda 也是 T -> boolean

@Test

public void testUserPartitioningBy (){

List userList = userMapper.getALL();

Map> partitioningByMap = userList.stream().collect(partitioningBy(user -> user.getAge() >= 30));

for (Map.Entry> entry :partitioningByMap.entrySet()){

System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());

}

}

执行结果为：

key= false and value= [User(id=1, name=费尔南多, age=25), User(id=2, name=费尔南迪尼奥, age=26), User(id=3, name=卡尔德克, age=27), User(id=4, name=阿德里安, age=28), User(id=5, name=隋维杰, age=26)]

key= true and value= [User(id=6, name=克鲁伊夫, age=43)]

***

【写在后面的话】留下stream的类实现的方法和依赖图，前面的实践也只是挑选了几个比较常用的Api。