表达式类型的实现_Java8 新特性之Lambda表达式超详细解答，一点课堂(多岸学院)...

前言：此文详细讲述了lambad表达式，若是有什么地方错误的，欢迎指正哦

1. 什么是λ表达式

λ表达式本质上是一个匿名方法。让我们来看下面这个例子：

public int add(int x, int y) { return x + y;}

转成λ表达式后是这个样子：

(int x, int y) -> x + y;

或者

(x, y) -> { return x + y; } //显式指明返回值

可见λ表达式有三部分组成：参数列表，箭头(->)，以及一个表达式或语句块。

下面这个例子里的λ表达式没有参数，也没有返回值(相当于一个方法接受0个参数，返回void，其实就是Runnable里run方法的一个实现)：

() -> { System.out.println("Hello Lambda!"); }

如果只有一个参数且可以被Java推断出类型，那么参数列表的括号也可以省略：

c -> { return c.size(); }

---

2. λ表达式的类型(它是Object吗？)

λ表达式可以被当做是一个Object(注意措辞)。λ表达式的类型，叫做“目标类型(target type)”。λ表达式的目标类型是“函数接口(functional interface)”，这是Java8新引入的概念。它的定义是：一个接口，如果只有一个显式声明的抽象方法，那么它就是一个函数接口。一般用@FunctionalInterface标注出来(也可以不标)。举例如下：

@FunctionalInterfacepublic interface Runnable { void run(); }public interface Callable { V call() throws Exception; }public interface ActionListener { void actionPerformed(ActionEvent e); }public interface Comparator { int compare(T o1, T o2); boolean equals(Object obj);}

注意最后这个Comparator接口。它里面声明了两个方法，貌似不符合函数接口的定义，但它的确是函数接口。这是因为equals方法是Object的，所有的接口都会声明Object的public方法——虽然大多是隐式的。所以，Comparator显式的声明了equals不影响它依然是个函数接口。

你可以用一个λ表达式为一个函数接口赋值：

Runnable r1 = () -> {System.out.println("Hello Lambda!");};

然后再赋值给一个Object：

Object obj = r1;

但却不能这样干：

Object obj = () -> {System.out.println("Hello Lambda!");}; // ERROR! Object is not a functional interfac

必须显式的转型成一个函数接口才可以：

Object o = (Runnable) () -> { System.out.println("hi"); }; // correct

一个λ表达式只有在转型成一个函数接口后才能被当做Object使用。所以下面这句也不能编译：

System.out.println( () -> {} ); //错误! 目标类型不明

必须先转型:

System.out.println( (Runnable)() -> {} ); // 正确

假设你自己写了一个函数接口，长的跟Runnable一模一样

@FunctionalInterfacepublic interface MyRunnable { public void run();}

那么

Runnable r1 = () -> {System.out.println("Hello Lambda!");};MyRunnable2 r2 = () -> {System.out.println("Hello Lambda!");};

JDK预定义了很多函数接口以避免用户重复定义。最典型的是Function：

@FunctionalInterfacepublic interface Function {  R apply(T t);}

这个接口代表一个函数，接受一个T类型的参数，并返回一个R类型的返回值。

另一个预定义函数接口叫做Consumer，跟Function的唯一不同是它没有返回值。

@FunctionalInterfacepublic interface Consumer { void accept(T t);}

还有一个Predicate，用来判断某项条件是否满足。经常用来进行筛滤操作：

@FunctionalInterfacepublic interface Predicate { boolean test(T t);}

综上所述，一个λ表达式其实就是定义了一个匿名方法，只不过这个方法必须符合至少一个函数接口。

---

3. λ表达式的使用

3.1 λ表达式用在何处

λ表达式主要用于替换以前广泛使用的内部匿名类，各种回调，比如事件响应器、传入Thread类的Runnable等。看下面的例子：

Thread oldSchool = new Thread( new Runnable () { @Override public void run() { System.out.println("This is from an anonymous class."); }} );Thread gaoDuanDaQiShangDangCi = new Thread( () -> { System.out.println("This is from an anonymous method (lambda exp).");} );

注意第二个线程里的λ表达式，你并不需要显式地把它转成一个Runnable，因为Java能根据上下文自动推断出来：一个Thread的构造函数接受一个Runnable参数，而传入的λ表达式正好符合其run()函数，所以Java编译器推断它为Runnable。

从形式上看，λ表达式只是为你节省了几行代码。但将λ表达式引入Java的动机并不仅仅为此。Java8有一个短期目标和一个长期目标。短期目标是：配合“集合类批处理操作”的内部迭代和并行处理(下面将要讲到)；长期目标是将Java向函数式编程语言这个方向引导(并不是要完全变成一门函数式编程语言，只是让它有更多的函数式编程语言的特性)，也正是由于这个原因，Oracle并没有简单地使用内部类去实现λ表达式，而是使用了一种更动态、更灵活、易于将来扩展和改变的策略(invokedynamic)。

3.2 λ表达式与集合类批处理操作(或者叫块操作)

上文提到了集合类的批处理操作。这是Java8的另一个重要特性，它与λ表达式的配合使用乃是Java8的最主要特性。集合类的批处理操作API的目的是实现集合类的“内部迭代”，并期望充分利用现代多核CPU进行并行计算。

Java8之前集合类的迭代(Iteration)都是外部的，即客户代码。而内部迭代意味着改由Java类库来进行迭代，而不是客户代码。例如：

for(Object o: list) { // 外部迭代 System.out.println(o);}

可以写成

//forEach函数实现内部迭代list.forEach(o -> {System.out.println(o);}); 

集合类(包括List)现在都有一个forEach方法，对元素进行迭代(遍历)，所以我们不需要再写for循环了。forEach方法接受一个函数接口Consumer做参数，所以可以使用λ表达式。

这种内部迭代方法广泛存在于各种语言，如C++的STL算法库、Python、ruby、Scala等。

Java8为集合类引入了另一个重要概念：流(stream)。一个流通常以一个集合类实例为其数据源，然后在其上定义各种操作。流的API设计使用了管道(pipelines)模式。对流的一次操作会返回另一个流。如同IO的API或者StringBuffer的append方法那样，从而多个不同的操作可以在一个语句里串起来。看下面的例子：

List shapes = ...shapes.stream() .filter(s -> s.getColor() == BLUE) .forEach(s -> s.setColor(RED));

首先调用stream方法，以集合类对象shapes里面的元素为数据源，生成一个流。然后在这个流上调用filter方法，挑出蓝色的，返回另一个流。最后调用forEach方法将这些蓝色的物体喷成红色。(forEach方法不再返回流，而是一个终端方法，类似于StringBuffer在调用若干append之后的那个toString)

filter方法的参数是Predicate类型，forEach方法的参数是Consumer类型，它们都是函数接口，所以可以使用λ表达式。

还有一个方法叫parallelStream()，顾名思义它和stream()一样，只不过指明要并行处理，以期充分利用现代CPU的多核特性。

shapes.parallelStream(); // 或shapes.stream().parallel()

来看更多的例子。下面是典型的大数据处理方法，Filter-Map-Reduce：

//给出一个String类型的数组，找出其中所有不重复的素数public void distinctPrimary(String... numbers) { List l = Arrays.asList(numbers); List r = l.stream() .map(e -> new Integer(e)) .filter(e -> Primes.isPrime(e)) .distinct() .collect(Collectors.toList()); System.out.println("distinctPrimary result is: " + r);}

第一步：传入一系列String(假设都是合法的数字)，转成一个List，然后调用stream()方法生成流。

第二步：调用流的map方法把每个元素由String转成Integer，得到一个新的流。map方法接受一个Function类型的参数，上面介绍了，Function是个函数接口，所以这里用λ表达式。

第三步：调用流的filter方法，过滤那些不是素数的数字，并得到一个新流。filter方法接受一个Predicate类型的参数，上面介绍了，Predicate是个函数接口，所以这里用λ表达式。

第四步：调用流的distinct方法，去掉重复，并得到一个新流。这本质上是另一个filter操作。

第五步：用collect方法将最终结果收集到一个List里面去。collect方法接受一个Collector类型的参数，这个参数指明如何收集最终结果。在这个例子中，结果简单地收集到一个List中。我们也可以用Collectors.toMap(e->e, e->e)把结果收集到一个Map中，它的意思是：把结果收到一个Map，用这些素数自身既作为键又作为值。toMap方法接受两个Function类型的参数，分别用以生成键和值，Function是个函数接口，所以这里都用λ表达式。

你可能会觉得在这个例子里，List l被迭代了好多次，map，filter，distinct都分别是一次循环，效率会不好。实际并非如此。这些返回另一个Stream的方法都是“懒(lazy)”的，而最后返回最终结果的collect方法则是“急(eager)”的。在遇到eager方法之前，lazy的方法不会执行。

当遇到eager方法时，前面的lazy方法才会被依次执行。而且是管道贯通式执行。这意味着每一个元素依次通过这些管道。例如有个元素“3”，首先它被map成整数型3；然后通过filter，发现是素数，被保留下来；又通过distinct，如果已经有一个3了，那么就直接丢弃，如果还没有则保留。这样，3个操作其实只经过了一次循环。

除collect外其它的eager操作还有forEach，toArray，reduce等。

下面来看一下也许是最常用的收集器方法，groupingBy：

//给出一个String类型的数组，找出其中各个素数，并统计其出现次数public void primaryOccurrence(String... numbers) { List l = Arrays.asList(numbers); Map r = l.stream() .map(e -> new Integer(e)) .filter(e -> Primes.isPrime(e)) .collect( Collectors.groupingBy(p->p, Collectors.summingInt(p->1)) ); System.out.println("primaryOccurrence result is: " + r);}

注意这一行：

Collectors.groupingBy(p->p, Collectors.summingInt(p->1))

它的意思是：把结果收集到一个Map中，用统计到的各个素数自身作为键，其出现次数作为值。

下面是一个reduce的例子：

//给出一个String类型的数组，求其中所有不重复素数的和public void distinctPrimarySum(String... numbers) { List l = Arrays.asList(numbers); int sum = l.stream() .map(e -> new Integer(e)) .filter(e -> Primes.isPrime(e)) .distinct() .reduce(0, (x,y) -> x+y); // equivalent to .sum() System.out.println("distinctPrimarySum result is: " + sum);}

reduce方法用来产生单一的一个最终结果。

流有很多预定义的reduce操作，如sum()，max()，min()等。

再举个现实世界里的例子比如：

// 统计年龄在25-35岁的男女人数、比例public void boysAndGirls(List persons) { Map result = persons.parallelStream().filter(p -> p.getAge()>=25 && p.getAge()<=35). collect( Collectors.groupingBy(p->p.getSex(), Collectors.summingInt(p->1)) ); System.out.print("boysAndGirls result is " + result); System.out.println(