Java|Stream API

1 Stream API 概述

1.1 Stream API

这里的Stream与前面流的概念完全不同，Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。

用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。也可以使用 Stream API 来并行执行操作。

简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。

1.2 流(Stream)

流(Stream) 是数据渠道，用于操作数据源（集合、数组等）所生成的元素序列。集合讲的是数据，流讲的是计算!

• Stream 自己不会存储元素
• Stream 不会改变源对象。相反，他们会返回一个持有结果的新Stream。
• Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。

1.3 Stream 的操作三个步骤

1. 创建 Stream
   一个数据源（如：集合、数组），获取一个流
2. 中间操作
   一个中间操作链，对数据源的数据进行处理
3. 终止操作(终端操作)
   一个终止操作，执行中间操作链，并产生结果

2.创建Stream的方式

2.1 Collection 的方法

Java8 中的 Collection 接口被扩展，提供了两个获取流的方法：

• default Stream stream() : 返回一个顺序流
• default Stream parallelStream() : 返回一个并行流 （多个线程并发）

并行流与串行流
并行流就是把一个内容分成多个数据块，并用不同的线程分别处理每个数据块的流。

Java 8 中将并行进行了优化，我们可以很容易的对数据进行并行操作。

Stream API 可以声明性地通过 parallel() 与sequential() 在并行流与顺序流之间进行切换。

//1. Collection 的方法
        List<Integer> list = Arrays.asList(10, 20, 30);
        Stream<Integer> stream1 = list.stream();

2.2 Arrays 的静态方法

Java8 中的 Arrays 的静态方法 stream() 可以获取数组流：

static < T> Stream < T> stream ( T[ ] array): 返回一个流
重载形式，能够处理对应基本类型的数组：

• public static IntStream stream(int[] array)
• public static LongStream stream(long[] array)
• public static DoubleStream stream(double[] array)

//2.Arrays 的静态方法
        Stream<Long> stream2 = Arrays.stream(new Long[]{10l, 50l, 6l});

2.3 Stream 的静态方法

由值创建流,可以使用静态方法 Stream.of(), 通过显示值创建一个流。它可以接收任意数量的参数。

• public static Stream of(T… values) : 返回一个流

//3. Stream 的静态方法
        Stream<Double> stream3 = Stream.of(10.5, 56.3, 2.5);

2.4 创建无限流

由函数创建流：创建无限流可以使用静态方法 Stream.iterate()和Stream.generate(), 创建无限流

• static Stream iterate(T seed, UnaryOperator < T > f)
  返回一个无穷序列有序 Stream由最初的一元 seed函数的 f迭代应用产生的，产生一个由 seed， f(seed)， f(f(seed)) Stream，等
• public static Stream generate(Supplier s)
  返回一个无穷序列无序流，其中每个元素是由提供 Supplier生成。这是适用于产生恒定的流，随机元素的流等。

//4.创建无限流(方式1)
        Stream<Integer> iterate = Stream.iterate(1, new UnaryOperator<Integer>() {

            @Override
            public Integer apply(Integer integer) {
                return integer + 1;
            }
        });

        //中间操作完了后，会返回一个持有结果的新流
        //没有进行终止操作，中间环节，不执行，体现的是一种延迟加载的思想
        Stream<Integer> limit = iterate.limit(9);

//        limit.forEach(new Consumer<Integer>() {
//            @Override
//            public void accept(Integer integer) {
//                System.out.println(integer);
//            }
//        });
        //limit.forEach()需要一个Consumer型的接口，可以用Lambda表达式简写
        limit.forEach(System.out::println);

        System.out.println("*********************");
        //5.创建无限流(方式2)
        Stream.generate(()-> Math.random()).limit(9).forEach(System.out::println);

3.Stream 的中间操作

多个中间操作可以连接起来形成一个流水线，除非流水线上触发终止操作，否则中间操作不会执行任何的处理！

在终止操作时一次性全部处理，称为“惰性求值”。

3.1 筛选与切片

• filter(Predicate p) 过滤 接收 Lambda ， 从流中排除某些元素。
• distinct() 去重，通过流所生成元素的 hashCode() 和 equals() 去除重复元素
• limit(long maxSize) 截断流，使其元素不超过给定数量。
• kip(long n) 跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个，则返回一个空流。与 limit(n) 互补

List<Employee> emps = Arrays.asList(
                new Employee(102, "李四", 59, 6666.66),
                new Employee(101, "张三", 18, 9999.99),
                new Employee(103, "王五", 28, 3333.33),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(105, "田七", 38, 5555.55)
        );

        Stream<Employee> stream = emps.stream();
        //1.过滤出工资大于7000的员工
        stream.filter(new Predicate<Employee>() {
            @Override
            public boolean test(Employee employee) {
                return employee.getSalary()>7000;
            }
        });
        Stream<Employee> employeeStream = stream.filter(employee -> employee.getSalary() > 7000);
        employeeStream.forEach(System.out::println);
        
        //2.获取姓赵的员工(先去重，再过滤)
        Stream<Employee> employeeStream1 = stream.distinct().filter(employee -> employee.getName().startsWith("赵"));
        employeeStream1.forEach(System.out::println);

        //3.跳过前2个元素
        stream.skip(2).forEach(System.out::println);

注意：一个流只能进行一次筛选与切片，否则会报错！！！

3.2 映射

• map(Function f)
  接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
• flatMap(Function f)
  接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流.

示例1：将emps流的员工的名字放在一个流中

 List<Employee> emps = Arrays.asList(
                new Employee(102, "李四", 59, 6666.66),
                new Employee(101, "张三", 18, 9999.99),
                new Employee(103, "王五", 28, 3333.33),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(105, "田七", 38, 5555.55)
        );

        Stream<Employee> stream = emps.stream();
        
//1.将员工的名字放在一个流中
        Stream<String> nameStream = stream.map(employee -> employee.getName());
        nameStream.forEach(System.out::println);
        System.out.println();

示例2：把集合中元素变大写

//2.把集合中元素变大写
 List<String> strings = Arrays.asList("aaa", "bbb", "ccc");
        Stream<String> stream2 = strings.stream();

        Stream<String> upStream = stream2.map(s -> s.toUpperCase());
        upStream.forEach(System.out::println);

示例3：集合中有若干字符串元素。把每个字符串，截取成字符，放到流中去。

法1：用map函数完成
法2：用flapMap函数完成

    //3.集合中有若干字符串元素。把每个字符串，截取成字符，放到流中去
        //3.1 用map函数完成
        List<String> list = Arrays.asList("aaa", "bbb", "ccc");
        Stream<String> stream1 = list.stream();

        Stream<Stream<Character>> stream2 = stream1.map(new Function<String, Stream<Character>>() {
            @Override
            public Stream<Character> apply(String s) {
                Stream<Character> astream = getchar(s);
                return astream;
            }
        });

        //遍历
        stream2.forEach(new Consumer<Stream<Character>>() {
            @Override
            public void accept(Stream<Character> characterStream) {
                characterStream.forEach(System.out::println);
            }
        });

        System.out.println();
        //3.2 用flapMap函数完成
        List<String> list2 = Arrays.asList("aaaA", "bbbC", "cccD");
        Stream<String> stream3 = list2.stream();

        Stream<Character> characterStream = stream3.flatMap(e -> getchar(e));
        characterStream.forEach(System.out::println);


    }

    private static Stream<Character> getchar(String str) {
        ArrayList<Character> characters = new ArrayList<>();
        for (char c : str.toCharArray()) {
            characters.add(c);
        }
        return characters.stream();
    }

3.3 排序

• sorted()
  产生一个新流，其中按自然顺序排序 元素实现Compareble接口
• sorted(Comparator comp) 产生一个新流，其中按比较器顺序排序 传入一个比较

示例1：对数字流从小到大排序

//1.对数字流从小到达排序
        Stream<Integer> stream = Arrays.asList(5, 68, 69, 56, 7, 16, 1).stream();
        stream.sorted().forEach(System.out::println);

示例2：对数字流从大到小排序

   Stream<Integer> stream2 = Arrays.asList(5, 68, 69, 56, 7, 16, 1).stream();
//        stream2.sorted(new Comparator<Integer>() {
//            @Override
//            public int compare(Integer o1, Integer o2) {
//                return compare(o1,o2);
//            }
//        });
        Stream<Integer> sorted = stream2.sorted((x, y) -> Integer.compare(x, y));
        sorted.forEach(System.out::println);

示例3：按员工工资对员工进行排序

 //3.按员工工资对员工进行排序
        Stream<Employee> stream3 = Arrays.asList(
                new Employee(102, "李四", 59, 6666.66),
                new Employee(101, "张三", 18, 9999.99),
                new Employee(103, "王五", 28, 3333.33),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(105, "田七", 38, 5555.55)
        ).stream();

        Stream<Employee> sorted1 = stream3.sorted((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary()));
        sorted1.forEach(System.out::println);

4.Stream 的终止操作

终端操作会从流的流水线生成结果。其结果可以是任何不是流的值，例如：List、Integer，甚至是 void 。

4.1 查找与匹配

• allMatch(Predicate p)
  检查是否匹配所有元素 比如判断 所有员工的年龄都是17岁 如果有一个不是,就返回false
• anyMatch(Predicate p)
  检查是否至少匹配一个元素 比如判断是否有姓王的员工,如果至少有一个就返回true
• noneMatch(Predicate p)
  检查是否没有匹配所有元素 比如判断所有员工的工资都是否都是高于3000 如果有一个人低于3000 就返回false
• findFirst()
  返回第一个元素 比如获取工资最高的人 或者 获取工资最高的值是多少
• findAny()
  返回当前流中的任意元素 比如随便获取一个姓王的员工
• count() 返回流中元素总数
• max(Comparator c) 返回流中最大值 比如:获取最大年龄值
• min(Comparator c) 返回流中最小值 比如:获取最小年龄的值
• forEach(Consumer c)
  内部迭代(使用 Collection 接口需要用户去做迭代，称为外部迭代。相反，Stream API 使用内部迭代——它帮你把迭代做了)

示例：获取工资最高的人

Stream<Employee> stream = Arrays.asList(
                new Employee(102, "李四", 59, 6666.66),
                new Employee(101, "张三", 18, 9999.99),
                new Employee(103, "王五", 28, 3333.33),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(105, "田七", 38, 5555.55)
        ).stream();

        //Optional 是个容器，把获取出的结果，放到里面去了
        Optional<Employee> first = stream.sorted((x, y) -> Double.compare(-x.getSalary(), -y.getSalary())).findFirst();
        Employee employee = first.get();
        System.out.println(employee);

4.2 归约

• reduce(T iden, BinaryOperator b)
  参1 是起始值, 参2 二元运算，可以将流中元素反复结合起来，得到一个值。返回 T
  比如: 求集合中元素的累加总和

        //1.求集合中元素的累加总和
        Stream<Integer> stream = Arrays.asList(1, 5, 85, 69, 56).stream();
//        Integer sum = stream.reduce(0, new BinaryOperator<Integer>() {
//            @Override
//            public Integer apply(Integer integer, Integer integer2) {
//                return integer + integer2;
//            }
//        });

//        Integer sum = stream.reduce(0, (a, b) -> a + b);
        
        Optional<Integer> reduce = stream.reduce((a, b) -> a + b);
        Integer sum = reduce.get();
        System.out.println(sum);

• reduce(BinaryOperator b)
  -这个方法没有起始值 可以将流中元素反复结合起来，得到一个值。返回 Optional
  比如可以算所有员工工资的总和

在这里插入代码片

• 备注：map 和 reduce 的连接通常称为 map-reduce 模式，因 Google 用它来进行网络搜索而出名。

//2.计算所有员工工资的总和
        Stream<Employee> stream1 = Arrays.asList(
                new Employee(102, "李四", 59, 6666.66),
                new Employee(101, "张三", 18, 9999.99),
                new Employee(103, "王五", 28, 3333.33),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(104, "赵六", 8, 7777.77),
                new Employee(105, "田七", 38, 5555.55)
        ).stream();

        Double aDouble = stream1.map(employee -> employee.getSalary()).reduce(0.0, (a, b) -> a + b);
        System.out.println(aDouble);

4.3 收集

• collect(Collector c) 将流转换为其他形式。接收一个 Collector接口的实现，用于给Stream中元素做汇总的方法

Collector 接口中方法的实现决定了如何对流执行收集操作(如收集到 List、Set、Map)。但是 Collectors 实用类提供了很多静态方法，可以方便地创建常见收集器实例，具体方法与实例如下：

4.4 Collectors 中的静态方法

• List< T > toList()
  把流中元素收集到List
  比如把所有员工的名字通过map()方法提取出来之后,在放到List集合中去
• Set toSet()
  把流中元素收集到Set
  比如把所有员工的名字通过map()方法提取出来之后,在放到Set集合中去
• Collection toCollection()
  把流中元素收集到创建的集合
  比如把所有员工的名字通过map()方法提取出来之后,在放到自己指定的集合中去

        //2.把所有员工的名字通过map()方法提取出来之后,在放到自己指定的集合(LinkedHashSet)中去
        LinkedHashSet<String> linkedHashSet = stream.map(employee -> employee.getName()).collect(Collectors.toCollection(LinkedHashSet::new));
        System.out.println(linkedHashSet);

• Long counting()
  计算流中元素的个数

• Integer summingInt()
  对流中元素的整数属性求和

• Double averagingInt()
  计算流中元素Integer属性的平均值

• IntSummaryStatistics summarizingInt()
  收集流中Integer属性的统计值。

        DoubleSummaryStatistics collect = stream.map(employee -> {
            return employee.getSalary();
        }).collect(Collectors.summarizingDouble(value -> value));
        System.out.println(collect);

/*
DoubleSummaryStatistics{count=7, sum=48888.840000, min=3333.330000, average=6984.120000, max=9999.990000}
*/

• String joining()
  连接流中每个字符串
  比如把所有人的名字提取出来,在通过"-"横杠拼接起来

 //把所有人的名字提取出来,在通过"-"横杠拼接起来
        String collect = stream.map(employee -> employee.getName()).collect(Collectors.joining("-"));
        System.out.println(collect);
/*
李四-张三-王五-赵六-赵六-赵六-田七
*/

• Optional maxBy()
  根据比较器选择最大值
  比如求最大工资

• Optional minBy()
  根据比较器选择最小值
  比如求最小工资

• collectingAndThen()
  转换函数返回的类型 :包裹另一个收集器，对其结果转换函数
  (没懂？？？？？？？？？？？？？？)

• Map<K, List> groupingBy() 分组
  根据某属性值对流分组，属性为K，结果为V
  比如按照 状态分组
  例子:Map<Emp.Status, List> map= list.stream().collect(Collectors.groupingBy(employee->employee.getStatus));

            Map<Employee.Status, List<Employee>> collect = stream2.collect(Collectors.groupingBy(employee -> employee.getStatus()));

            Set<Employee.Status> statuses = collect.keySet();
            for (Employee.Status status : statuses) {
                System.out.println(status);
                List<Employee> employees = collect.get(status);
                for (Employee employee : employees) {
                    System.out.println(employee);
                }
                System.out.println();
            }
        }

• Map<Boolean, List> partitioningBy() 分片
  根据true或false进行分区
  比如 工资大于等于6000的一个区,小于6000的一个区
  例子:Map<Boolean,List>vd= list.stream().collect(Collectors.partitioningBy(Employee::getSalary));

        Map<Boolean, List<Employee>> collect = stream2.collect(Collectors.partitioningBy(new Predicate<Employee>() {
            @Override
            public boolean test(Employee employee) {
                return employee.getSalary() > 7000;
            }
        }));

        Set<Map.Entry<Boolean, List<Employee>>> entries = collect.entrySet();
        for (Map.Entry<Boolean, List<Employee>> entry : entries) {
            Boolean key = entry.getKey();
            System.out.println(key);
            List<Employee> value = entry.getValue();
            for (Employee employee : value) {
                System.out.println(employee);
            }
            System.out.println();
        }