hashmap用stream流操作_基础篇：JAVA.Stream函数，优雅的数据流操作

前言

平时操作集合数据，我们一般都是for或者iterator去遍历，不是很好看。java提供了Stream的概念，它可以让我们把集合数据当做一个个元素在处理，并且提供多线程模式

流的创建

流的各种数据操作

流的终止操作

流的聚合处理

并发流和CompletableFuture的配合使用

「关注公众号，一起交流，微信搜一搜: 潜行前行」

1 stream的构造方式

stream内置的构造方法

public static Stream iterate(final T seed, final UnaryOperator f)

public static  Stream concat(Stream extends T> a, Stream extends T> b)

public static Builder builder()

public static Stream of(T t)

public static Stream empty()

public static Stream generate(Supplier s)

Collection声明的stream函数

default Stream stream()

Collection声明了stream转化函数，也就是说，任意Collection子类都存在官方替我们实现的由Collection转为Stream的方法

示例，List转Stream

public static void main(String[] args){

List demo =  Arrays.asList("a","b","c");

long count = demo.stream().peek(System.out::println).count();

System.out.println(count);

}

-------result--------

a

b

c

3

2 接口stream对元素的操作方法定义

过滤 filter

Stream filter(Predicate super T> predicate)

Predicate是函数式接口，可以直接用lambda代替；如果有复杂的过滤逻辑，则用or、and、negate方法组合

示例

List demo = Arrays.asList("a", "b", "c");

Predicate f1 = item -> item.equals("a");

Predicate f2 = item -> item.equals("b");

demo.stream().filter(f1.or(f2)).forEach(System.out::println);

-------result--------

a

b

映射转化 map

 Stream map(Function super T, ? extends R> mapper)

IntStream mapToInt(ToIntFunction super T> mapper);

LongStream mapToLong(ToLongFunction super T> mapper);

DoubleStream mapToDouble(ToDoubleFunction super T> mapper);

示例

static class User{

public User(Integer id){this.id = id; }

Integer id; public Integer getId(){  return id; }

}

public static void main(String[] args){

List demo = Arrays.asList(new User(1), new User(2), new User(3));

// User 转为 Integer(id)

demo.stream().map(User::getId).forEach(System.out::println);

}

-------result--------

1

2

3

数据处理 peek

Stream peek(Consumer super T> action);

与map的区别是其无返回值

示例

static class User{

public User(Integer id){this.id = id; }

Integer id;

public Integer getId(){  return id; }

public void setId(Integer id){  this.id = id; }

}

public static void main(String[] args){

List demo = Arrays.asList(new User(1), new User(2), new User(3));

// id平方，User 转为 Integer(id)

demo.stream().peek(user -> user.setId(user.id * user.id)).map(User::getId).forEach(System.out::println);

}

-------result--------

1

4

9

映射撵平 flatMap

 Stream flatMap(Function super T, ? extends Stream extends R>> mapper);

IntStream flatMapToInt(Function super T, ? extends IntStream> mapper);

LongStream flatMapToLong(Function super T, ? extends LongStream> mapper);

DoubleStream flatMapToDouble(Function super T, ? extends DoubleStream> mapper);

flatMap：将元素为Stream类型的流撵平成一个元素类型为T的Stream流

示例

public static void main(String[] args){

List> demo = Arrays.asList(Stream.of(5), Stream.of(2), Stream.of(1));

demo.stream().flatMap(Function.identity()).forEach(System.out::println);

}

-------result--------

5

2

1

去重 distinct

Stream distinct();

示例

List demo = Arrays.asList(1, 1, 2);

demo.stream().distinct().forEach(System.out::println);

-------result--------

1

2

排序 sorted

Stream sorted();

Stream sorted(Comparator super T> comparator);

示例

List demo = Arrays.asList(5, 1, 2);

//默认升序

demo.stream().sorted().forEach(System.out::println);

//降序

Comparator comparator = Comparator.comparing(item -> item).reversed();

demo.stream().sorted(comparator).forEach(System.out::println);

-------默认升序 result--------

1

2

5

-------降序 result--------

5

2

1

个数限制limit和跳过skip

//截取前maxSize个元素

Stream limit(long maxSize);

//跳过前n个流

Stream skip(long n);

示例

List demo = Arrays.asList(1, 2, 3, 4, 5, 6);

//跳过前两个，然后限制截取两个

demo.stream().skip(2).limit(2).forEach(System.out::println);

-------result--------

3

4

JDK9提供的新操作

和filter的区别，takeWhile是取满足条件的元素，直到不满足为止；dropWhile是丢弃满足条件的元素，直到不满足为止

default Stream takeWhile(Predicate super T> predicate);

default Stream dropWhile(Predicate super T> predicate);

3 stream的终止操作action

遍历消费

//遍历消费

void forEach(Consumer super T> action);

//顺序遍历消费,和forEach的区别是forEachOrdered在多线程parallelStream执行，其顺序也不会乱

void forEachOrdered(Consumer super T> action);

示例

List demo = Arrays.asList(1, 2, 3);

demo.parallelStream().forEach(System.out::println);

demo.parallelStream().forEachOrdered(System.out::println);

-------forEach result--------

2

3

1

-------forEachOrdered result--------

1

2

3

获取数组结果

//流转成Object数组

Object[] toArray();

//流转成Ａ[]数组，指定类型A

 A[] toArray(IntFunction generator)

示例

List demo = Arrays.asList("1", "2", "3");

// A[] toArray(IntFunction generator)

String[] data = demo.stream().toArray(String[]::new);

最大最小值

//获取最小值

Optional min(Comparator super T> comparator)

//获取最大值

Optional max(Comparator super T> comparator)

示例

List demo = Arrays.asList(1, 2, 3);

Optional min = demo.stream().min(Comparator.comparing(item->item));

Optional max = demo.stream().max(Comparator.comparing(item->item));

System.out.println(min.get()+"-"+max.get());

-------result--------

1-3

查找匹配

//任意一个匹配

boolean anyMatch(Predicate super T> predicate)

//全部匹配

boolean allMatch(Predicate super T> predicate)

//不匹配

boolean noneMatch(Predicate super T> predicate)

//查找第一个

Optional findFirst();

//任意一个

Optional findAny();

归约合并

//两两合并

Optional reduce(BinaryOperator accumulator)

//两两合并，带初始值的

T reduce(T identity, BinaryOperator accumulator)

//先转化元素类型再两两合并，带初始值的

 U reduce(U identity, BiFunction accumulator, BinaryOperator combiner)

示例

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

//数字转化为字符串，然后使用“-”拼接起来

String data = demo.stream().reduce("0", (u, t) -> u + "-" + t, (s1, s2) -> s1 + "-" + s2);

System.out.println(data);

-------result--------

0-1-2-3-4-5-6-7-8

计算元素个数

long count()

示例

List demo = Arrays.asList(1, 2, 3, 4, 5, 6);

System.out.println(demo.stream().count());

-------result--------

6

对流的聚合处理

/**

* supplier:返回结果类型的生产者

* accumulator:元素消费者(处理并加入R)

* combiner: 返回结果 R 怎么组合(多线程执行时，会产生多个返回值R，需要合并)

*/

 R collect(Supplier supplier, BiConsumer accumulator, BiConsumer combiner);

/**

* collector一般是由 supplier、accumulator、combiner、finisher、characteristics组合成的聚合类

* Collectors 可提供一些内置的聚合类或者方法

*/

 R collect(Collector super T, A, R> collector);

示例，看下面

4 Collector(聚合类)的工具类集Collectors

接口Collector和实现类CollectorImpl

//返回值类型的生产者

Supplier supplier();

//流元素消费者

BiConsumer accumulator();

//返回值合并器(多个线程操作时，会产生多个返回值，需要合并)

BinaryOperator combiner();

//返回值转化器(最后一步处理，实际返回结果，一般原样返回)

Function finisher();

//流的特性

Set characteristics();

public static Collector of(Supplier supplier,

BiConsumer accumulator, BinaryOperator combiner,

Function finisher, Characteristics... characteristics)

流聚合转换成List, Set

//流转化成List

public static  Collector> toList()

//流转化成Set

public static  Collector> toSet()

示例

List demo = Arrays.asList(1, 2, 3);

List col = demo.stream().collect(Collectors.toList());

Set set = demo.stream().collect(Collectors.toSet());

流聚合转化成Map

//流转化成Map

public static  Collector> toMap(

Function super T, ? extends K> keyMapper,

Function super T, ? extends U> valueMapper)

/**

* mergeFunction:相同的key,值怎么合并

*/

public static  Collector> toMap(

Function super T, ? extends K> keyMapper,

Function super T, ? extends U> valueMapper,

BinaryOperator mergeFunction)

/**

* mergeFunction:相同的key,值怎么合并

* mapSupplier：返回值Map的生产者

*/

public static > Collector toMap(

Function super T, ? extends K> keyMapper,

Function super T, ? extends U> valueMapper,

BinaryOperator mergeFunction,

Supplier mapSupplier)

如果存在相同key的元素，会报错;或者使用groupBy

示例

List demo = Arrays.asList(new User(1), new User(2), new User(3));

Map map = demo.stream().collect(Collectors.toMap(User::getId,item->item));

System.out.println(map);

-------result-------

{1=TestS$User@7b23ec81, 2=TestS$User@6acbcfc0, 3=TestS$User@5f184fc6}

字符串流聚合拼接

//多个字符串拼接成一个字符串

public static Collector joining();

//多个字符串拼接成一个字符串(指定分隔符)

public static Collector joining(CharSequence delimiter)

示例

List demo = Arrays.asList("c", "s", "c","w","潜行前行");

String name = demo.stream().collect(Collectors.joining("-"));

System.out.println(name);

-------result-------

c-s-c-w-潜行前行

映射处理再聚合流

相当于先map再collect

/**

* mapper:映射处理器

* downstream:映射处理后需要再次聚合处理

*/

public static  Collector mapping(Function super T, ? extends U> mapper,

Collector super U, A, R> downstream);

示例

List demo = Arrays.asList("1", "2", "3");

List data = demo.stream().collect(Collectors.mapping(Integer::valueOf, Collectors.toList()));

System.out.println(data);

-------result-------

[1, 2, 3]

聚合后再转换结果

/**

* downstream:聚合处理

* finisher:结果转换处理

*/

public static Collector collectingAndThen(Collector downstream,

Function finisher);

示例

List demo = Arrays.asList(1, 2, 3, 4, 5, 6);

//聚合成List,最后提取数组的size作为返回值

Integer size = demo.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));

System.out.println(size);

---------result----------

6

流分组(Map是HashMap)

/**

* classifier 指定T类型某一属性作为Key值分组

* 分组后，使用List作为每个流的容器

*/

public static  Collector>> groupingBy(

Function super T, ? extends K> classifier);

/**

* classifier: 流分组器

* downstream: 每组流的聚合处理器

*/

public static  Collector> groupingBy(

Function super T, ? extends K> classifier，

Collector super T, A, D> downstream)

/**

* classifier: 流分组器

* mapFactory: 返回值map的工厂(Map的子类)

* downstream: 每组流的聚合处理器

*/

public static > Collector groupingBy(

Function super T, ? extends K> classifier,

Supplier mapFactory,

Collector super T, A, D> downstream)

示例

public static void main(String[] args) throws Exception{

List demo = Stream.iterate(0, item -> item + 1)

.limit(15)

.collect(Collectors.toList());

// 分成三组，并且每组元素转化为String类型

Map> map = demo.stream()

.collect(Collectors.groupingBy(item -> item % 3,

HashMap::new,

Collectors.mapping(String::valueOf, Collectors.toList())));

System.out.println(map);

}

---------result----------

{0=[0, 3, 6, 9, 12], 1=[1, 4, 7, 10, 13], 2=[2, 5, 8, 11, 14]}

流分组(分组使用的Map是ConcurrentHashMap)

/**

* classifier: 分组器 ； 分组后，使用List作为每个流的容器

*/

public static  Collector>> groupingByConcurrent(

Function super T, ? extends K> classifier);

/**

* classifier: 分组器

* downstream: 流的聚合处理器

*/

public static  Collector> groupingByConcurrent(

Function super T, ? extends K> classifier, Collector super T, A, D> downstream)

/**

* classifier: 分组器

* mapFactory: 返回值类型map的生产工厂(ConcurrentMap的子类)

* downstream: 流的聚合处理器

*/

public static > Collector groupingByConcurrent(

Function super T, ? extends K> classifier,

Supplier mapFactory,

Collector super T, A, D> downstream);

用法和groupingBy一样

拆分流，一变二(相当于特殊的groupingBy)

public static  Collector>> partitioningBy(

Predicate super T> predicate)

/**

* predicate: 二分器

* downstream: 流的聚合处理器

*/

public static  Collector> partitioningBy(

Predicate super T> predicate, Collector super T, A, D> downstream)

示例

List demo = Arrays.asList(1, 2,3,4, 5,6);

// 奇数偶数分组

Map> map = demo.stream()

.collect(Collectors.partitioningBy(item -> item % 2 == 0));

System.out.println(map);

---------result----------

{false=[1, 3, 5], true=[2, 4, 6]}

聚合求平均值

// 返回Double类型

public static  Collector averagingDouble(ToDoubleFunction super T> mapper)

// 返回Long 类型

public static  Collector averagingLong(ToLongFunction super T> mapper)

//返回Int 类型

public static  Collector averagingInt(ToIntFunction super T> mapper)

示例

List demo = Arrays.asList(1, 2, 5);

Double data = demo.stream().collect(Collectors.averagingInt(Integer::intValue));

System.out.println(data);

---------result----------

2.6666666666666665

流聚合查找最大最小值

//最小值

public static  Collector> minBy(Comparator super T> comparator)

//最大值

public static  Collector> maxBy(Comparator super T> comparator)

示例

List demo = Arrays.asList(1, 2, 5);

Optional min = demo.stream().collect(Collectors.minBy(Comparator.comparing(item -> item)));

Optional max = demo.stream().collect(Collectors.maxBy(Comparator.comparing(item -> item)));

System.out.println(min.get()+"-"+max.get());

---------result----------

1-5

聚合计算统计结果

可以获得元素总个数，元素累计总和，最小值，最大值，平均值

//返回Int 类型

public static  Collector summarizingInt(

ToIntFunction super T> mapper)

//返回Double 类型

public static  Collector summarizingDouble(

ToDoubleFunction super T> mapper)

//返回Long 类型

public static  Collector summarizingLong(

ToLongFunction super T> mapper)

示例

List demo = Arrays.asList(1, 2, 5);

IntSummaryStatistics data = demo.stream().collect(Collectors.summarizingInt(Integer::intValue));

System.out.println(data);

---------result----------

IntSummaryStatistics{count=3, sum=8, min=1, average=2.666667, max=5}

JDK12提供的新聚合方法

//流分别经过downstream1、downstream2聚合处理，再合并两聚合结果

public static  Collector teeing(

Collector super T, ?, R1> downstream1,

Collector super T, ?, R2> downstream2,

BiFunction super R1, ? super R2, R> merger)

5 并发paralleStream的使用

配合CompletableFuture和线程池的使用

示例

public static void main(String[] args)  throws Exception{

List demo = Stream.iterate(0, item -> item + 1)

.limit(5)

.collect(Collectors.toList());

//示例1

Stopwatch stopwatch = Stopwatch.createStarted(Ticker.systemTicker());

demo.stream().forEach(item -> {

try {

Thread.sleep(500);

System.out.println("示例1-"+Thread.currentThread().getName());

} catch (Exception e) { }

});

System.out.println("示例1-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));

//示例2, 注意需要ForkJoinPool，parallelStream才会使用executor指定的线程，否则还是用默认的 ForkJoinPool.commonPool()

ExecutorService executor = new ForkJoinPool(10);

stopwatch.reset(); stopwatch.start();

CompletableFuture.runAsync(() -> demo.parallelStream().forEach(item -> {

try {

Thread.sleep(1000);

System.out.println("示例2-" + Thread.currentThread().getName());

} catch (Exception e) { }

}), executor).join();

System.out.println("示例2-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));

//示例３

stopwatch.reset(); stopwatch.start();

demo.parallelStream().forEach(item -> {

try {

Thread.sleep(1000);

System.out.println("示例3-"+Thread.currentThread().getName());

} catch (Exception e) { }

});

System.out.println("示例3-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));

executor.shutdown();

}

-------------------result--------------------------

示例1-main

示例1-main

示例1-main

示例1-main

示例1-main

示例1-2501

示例2-ForkJoinPool-1-worker-19

示例2-ForkJoinPool-1-worker-9

示例2-ForkJoinPool-1-worker-5

示例2-ForkJoinPool-1-worker-27

示例2-ForkJoinPool-1-worker-23

示例2-1004

示例3-main

示例3-ForkJoinPool.commonPool-worker-5

示例3-ForkJoinPool.commonPool-worker-7

示例3-ForkJoinPool.commonPool-worker-9

示例3-ForkJoinPool.commonPool-worker-3

示例3-1001

parallelStream的方法确实会使用多线程去运行，并且可以指定线程池，不过自定义线程必须是ForkJoinPool类型，否则会默认使ForkJoinPool.commonPool()的线程