Stream流

好好学习天天向上QAQ

已于 2022-09-17 15:47:18 修改

阅读量65

点赞数

分类专栏： 1.8新特性文章标签： java 数据结构算法

于 2022-09-17 15:44:29 首次发布

本文链接：https://blog.csdn.net/ypqdcsdn/article/details/126905174

版权

1.8新特性专栏收录该内容

4 篇文章 0 订阅

订阅专栏

Stream流

1.引言

说到Stream便容易想到I/O Stream，而实际上，谁规定“流”就一定是“IO流”呢？在Java 8中，得益于Lambda所带来的函数式编程，引入了一个全新的Stream概念，用于解决已有集合类库既有的弊端。

传统集合的多步遍历代码几乎所有的集合（如 Collection 接口或 Map 接口等）都支持直接或间接的遍历操作。而当我们需要对集合中的元素进行操作的时候，除了必需的添加、删除、获取外，最典型的就是集合遍历。例如：

import java.util.ArrayList;
import java.util.List;
public class Demo01ForEach {
    public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        list.add("张无忌");
        list.add("周芷若");
        list.add("赵敏");
        list.add("张强");
        list.add("张三丰");
        for (String name : list) {
        	System.out.println(name);
        }
    }
}

这是一段非常简单的集合遍历操作：对集合中的每一个字符串都进行打印输出操作。

循环遍历的弊端

Java 8的Lambda让我们可以更加专注于做什么（What），而不是怎么做（How），这点此前已经结合内部类进行了对比说明。现在，我们仔细体会一下上例代码，可以发现：

for循环的语法就是“怎么做”
for循环的循环体才是“做什么”

为什么使用循环？因为要进行遍历。但循环是遍历的唯一方式吗？遍历是指每一个元素逐一进行处理，而并不是从第一个到最后一个顺次处理的循环。前者是目的，后者是方式。

试想一下，如果希望对集合中的元素进行筛选过滤：

将集合A根据条件一过滤为子集B；
然后再根据条件二过滤为子集C。

那怎么办？在Java 8之前的做法可能为：

import java.util.ArrayList;
import java.util.List;
public class Demo02NormalFilter {
    public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        list.add("张无忌");
        list.add("周芷若");
        list.add("赵敏");
        list.add("张强");
        list.add("张三丰");
        List<String> zhangList = new ArrayList<>();
        for (String name : list) {
            if (name.startsWith("张")) {
                zhangList.add(name);
            }
        }

        List<String> shortList = new ArrayList<>();
        for (String name : zhangList) {
            if (name.length() == 3) {
                shortList.add(name);
            }
        }

        for (String name : shortList) {
            System.out.println(name);
        }
    }
}

这段代码中含有三个循环，每一个作用不同：

首先筛选所有姓张的人；
然后筛选名字有三个字的人；
最后进行对结果进行打印输出。

每当我们需要对集合中的元素进行操作的时候，总是需要进行循环、循环、再循环。这是理所当然的么？不是。循环是做事情的方式，而不是目的。另一方面，使用线性循环就意味着只能遍历一次。如果希望再次遍历，只能再使用另一个循环从头开始。

那，Lambda的衍生物Stream能给我们带来怎样更加优雅的写法呢？

Stream的更优写法

下面来看一下借助Java 8的Stream API，什么才叫优雅：

import java.util.ArrayList;
import java.util.List;
public class Demo03StreamFilter {
    public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        list.add("张无忌");
        list.add("周芷若");
        list.add("赵敏");
        list.add("张强");
        list.add("张三丰");
        list.stream()
            .filter(s ‐> s.startsWith("张"))
            .filter(s ‐> s.length() == 3)
            .forEach(System.out::println);
    }
}

直接阅读代码的字面意思即可完美展示无关逻辑方式的语义：获取流、过滤姓张、过滤长度为3、逐一打印。代码中并没有体现使用线性循环或是其他任何算法进行遍历，我们真正要做的事情内容被更好地体现在代码中。

2.流式思想概述

注意：请暂时忘记对传统IO流的固有印象！

整体来看，流式思想类似于工厂车间的“生产流水线”。

当需要对多个元素进行操作（特别是多步操作）的时候，考虑到性能及便利性，我们应该首先拼好一个“模型”步骤方案，然后再按照方案去执行它。这是一种集合元素的处理方案，而方案就是一种“函数模型”。

这里的 filter 、 map 、 skip 都是在对函数模型进行操作，集合元素并没有真正被处理。只有当终结方法 count执行的时候，整个模型才会按照指定策略执行操作。而这得益于Lambda的延迟执行特性。

备注：“Stream流”其实是一个集合元素的函数模型，它并不是集合，也不是数据结构，其本身并不存储任何元素（或其地址值）。

Stream（流）是一个来自数据源的元素队列

元素是特定类型的对象，形成一个队列。 Java中的Stream并不会存储元素，而是按需计算。
数据源 流的来源。可以是集合，数组等。

和以前的Collection操作不同， Stream操作还有两个基础的特征：

Pipelining: 中间操作都会返回流对象本身。这样多个操作可以串联成一个管道，如同流式风格（fluent style）。这样做可以对操作进行优化，比如延迟执行(laziness)和短路( short-circuiting)。
内部迭代：以前对集合遍历都是通过Iterator或者增强for的方式, 显式的在集合外部进行迭代，这叫做外部迭代。 Stream提供了内部迭代的方式，流可以直接调用遍历方法。

当使用一个流的时候，通常包括三个基本步骤：获取一个数据源（source）→ 数据转换→执行操作获取想要的结果，每次转换原有 Stream 对象不改变，返回一个新的 Stream 对象（可以有多次转换），这就允许对其操作可以像链条一样排列，变成一个管道。

3.获取流

java.util.stream.Stream<T> 是Java 8新加入的最常用的流接口（这并不是一个函数式接口）。获取一个流非常简单，有以下几种常用的方式：

所有的 Collection 集合都可以通过 stream 默认方法获取流；
Stream 接口的静态方法 of 可以获取数组对应的流。

1.根据Collection获取流

首先， java.util.Collection 接口中加入了default方法 stream 用来获取流，所以其所有实现类均可获取流。

import java.util.*;
import java.util.stream.Stream;
public class Demo04GetStream {
    public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        // ...
        Stream<String> stream1 = list.stream();
        Set<String> set = new HashSet<>();
        // ...
        Stream<String> stream2 = set.stream();
        Vector<String> vector = new Vector<>();
        // ...

        Stream<String> stream3 = vector.stream();
    }
}

2.根据Map获取流

java.util.Map 接口不是 Collection 的子接口，且其K-V数据结构不符合流元素的单一特征，所以获取对应的流需要分key、value或entry等情况：

import java.util.HashMap;
import java.util.Map;
import java.util.stream.Stream;
public class Demo05GetStream {
    public static void main(String[] args) {
        Map<String, String> map = new HashMap<>();
        // ...
        Stream<String> keyStream = map.keySet().stream();
        Stream<String> valueStream = map.values().stream();
        Stream<Map.Entry<String, String>> entryStream = map.entrySet().stream();
    }
}

3.根据数组获取流

如果使用的不是集合或映射而是数组，由于数组对象不可能添加默认方法，所以 Stream 接口中提供了静态方法of ，使用很简单：

import java.util.stream.Stream;
public class Demo06GetStream {
    public static void main(String[] args) {
        String[] array = { "张无忌", "张翠山", "张三丰", "张一元" };
        Stream<String> stream = Stream.of(array);
    }
}

备注： of 方法的参数其实是一个可变参数，所以支持数组。

4.常用方法

流模型的操作很丰富，这里介绍一些常用的API。这些方法可以被分成两种：

延迟方法：返回值类型仍然是 Stream 接口自身类型的方法，因此支持链式调用。（除了终结方法外，其余方法均为延迟方法。）
终结方法：返回值类型不再是 Stream 接口自身类型的方法，因此不再支持类似 StringBuilder 那样的链式调用。本小节中，终结方法包括 count 和 forEach 方法。

备注：本小节之外的更多方法，请自行参考API文档。

1.逐一处理：forEach

虽然方法名字叫 forEach ，但是与for循环中的“for-each”昵称不同。

void forEach(Consumer<? super T> action);

该方法接收一个 Consumer 接口函数，会将每一个流元素交给该函数进行处理。

复习Consumer接口

java.util.function.Consumer<T>接口是一个消费型接口。

Consumer接口中包含抽象方法void accept(T t)，意为消费一个指定泛型的数据。

基本使用：

import java.util.stream.Stream;
public class Demo12StreamForEach {
    public static void main(String[] args) {
        Stream<String> stream = Stream.of("张无忌", "张三丰", "周芷若");
        stream.forEach(name‐> System.out.println(name));
    }
}

2.过滤：filter

可以通过 filter 方法将一个流转换成另一个子集流。方法签名：

Stream<T> filter(Predicate<? super T> predicate);

该接口接收一个 Predicate 函数式接口参数（可以是一个Lambda或方法引用）作为筛选条件。

复习Predicate接口

此前我们已经学习过 java.util.stream.Predicate 函数式接口，其中唯一的抽象方法为：

    boolean test(T t);

该方法将会产生一个boolean值结果，代表指定的条件是否满足。如果结果为true，那么Stream流的 filter 方法将会留用元素；如果结果为false，那么 filter 方法将会舍弃元素。

基本使用

Stream流中的 filter 方法基本使用的代码如：

import java.util.stream.Stream;
public class Demo07StreamFilter {
    public static void main(String[] args) {
        Stream<String> original = Stream.of("张无忌", "张三丰", "周芷若");
        Stream<String> result = original.filter(s ‐> s.startsWith("张"));
    }
}

在这里通过Lambda表达式来指定了筛选的条件：必须姓张。

3.映射：map

如果需要将流中的元素映射到另一个流中，可以使用 map 方法。方法签名：

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

该接口需要一个 Function 函数式接口参数，可以将当前流中的T类型数据转换为另一种R类型的流。

复习Function接口

此前我们已经学习过 java.util.stream.Function 函数式接口，其中唯一的抽象方法为：

 R apply(T t);

这可以将一种T类型转换成为R类型，而这种转换的动作，就称为“映射”。

基本使用

Stream流中的 map 方法基本使用的代码如：

import java.util.stream.Stream;
public class Demo08StreamMap {
    public static void main(String[] args) {
        Stream<String> original = Stream.of("10", "12", "18");
        Stream<Integer> result = original.map(str‐>Integer.parseInt(str));
    }
}

这段代码中， map 方法的参数通过方法引用，将字符串类型转换成为了int类型（并自动装箱为 Integer 类对象）。

4.多映射：flatmap

如果需要将流中的子元素映射到另一个流中，可以使用 flatmap 方法。方法签名:

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

基本使用

Stream流中的 flatmap 方法基本使用的代码如：
准备数据代码

 private static List<Student> computerClub = Arrays.asList(
            new Student("2015134001", "小明", 15, "1501"),
            new Student("2015134003", "小王", 14, "1503"),
            new Student("2015134006", "小张", 15, "1501"),
            new Student("2015134008", "小梁", 17, "1505")
    );
    private static List<Student> basketballClub = Arrays.asList(
            new Student("2015134012", "小c", 13, "1503"),
            new Student("2015134013", "小s", 14, "1503"),
            new Student("2015134015", "小d", 15, "1504"),
            new Student("2015134018", "小y", 16, "1505")
    );
    private static List<Student> pingpongClub = Arrays.asList(
            new Student("2015134022", "小u", 16, "1502"),
            new Student("2015134021", "小i", 14, "1502"),
            new Student("2015134026", "小m", 17, "1504"),
            new Student("2015134027", "小n", 16, "1504")
    );
 
    private static List<List<Student>> allClubStu = new ArrayList<>();

和map方法的对比

    	allClubStu.add(computerClub);
        allClubStu.add(basketballClub);
        allClubStu.add(pingpongClub);

        //map 一对一 映射处理
        List<Stream<Student>> list = allClubStu.stream().map(s ->
                s.stream().filter(c -> c.getAge() > 15)
        ).collect(Collectors.toList());

      /*  List<Stream<StudentDTO>> streams = allClubStu.stream().map(s -> {
            Stream<StudentDTO> studentDTOStream = s.stream().filter(student -> student.getAge() > 15)
                    .map(student -> {
                        StudentDTO studentDTO = StudentDTO.builder().age(student.getAge())
                                .classNum(student.getClassNum())
                                .name(student.getName())
                                .studentNum(student.getStudentNum()).build();
                        return studentDTO;

                    });
            return studentDTOStream;
        }).collect(Collectors.toList());*/

        //flatMap  一对多映射处理，深入到多个stream内部去处理子元素，统一输出
        List<Student> studentList = allClubStu.stream().flatMap(e -> e.stream().
                filter(student -> student.getAge() > 15)).collect(Collectors.toList());
        studentList.forEach(System.out::println);
    }

5.统计个数：count

正如旧集合 Collection 当中的 size 方法一样，流提供 count 方法来数一数其中的元素个数：

long count();

该方法返回一个long值代表元素个数（不再像旧集合那样是int值）。基本使用：

import java.util.stream.Stream;
public class Demo09StreamCount {
    public static void main(String[] args) {
        Stream<String> original = Stream.of("张无忌", "张三丰", "周芷若");
        Stream<String> result = original.filter(s ‐> s.startsWith("张"));
        System.out.println(result.count()); // 2
    }
}

6.取用前几个：limit

limit 方法可以对流进行截取，只取用前n个。方法签名：

Stream<T> limit(long maxSize);

参数是一个long型，如果集合当前长度大于参数则进行截取；否则不进行操作。基本使用：

import java.util.stream.Stream;
public class Demo10StreamLimit {
    public static void main(String[] args) {
        Stream<String> original = Stream.of("张无忌", "张三丰", "周芷若");
        Stream<String> result = original.limit(2);
        System.out.println(result.count()); // 2
    }
}

7.跳过前几个：skip

如果希望跳过前几个元素，可以使用 skip 方法获取一个截取之后的新流：

Stream<T> skip(long n);

如果流的当前长度大于n，则跳过前n个；否则将会得到一个长度为0的空流。基本使用：

import java.util.stream.Stream;
public class Demo11StreamSkip {
    public static void main(String[] args) {
        Stream<String> original = Stream.of("张无忌", "张三丰", "周芷若");
        Stream<String> result = original.skip(2);
        System.out.println(result.count()); // 1
    }
}

8.执行:peek

在流的每个元素恢复运行之前的时候插入一个执行操作:

   Stream<T> peek(Consumer<? super T> action);

该方法的基本使用代码如：

public class PeekTestThree {
    public static void main(String[] args) {
        List<Integer> list = Arrays.asList(4, 7, 9, 11, 12);
        list.stream()
                .peek(x -> System.out.println("stream: " + x))
                .map(x -> x + 2)
                .peek(x -> System.out.println("map: " + x))
                .filter(x -> x % 2 != 0)
                .peek(x -> System.out.println("filter: " + x))
                .limit(2)
                .peek(x -> System.out.println("limit: " + x))
                .collect(toList());
    }
}
输出结果如下：
stream: 4
map: 6
stream: 7
map: 9
filter: 9
limit: 9
stream: 9
map: 11
filter: 11
limit: 11

准备数据代码:

实体类:员工类

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Employee implements Serializable {

    private static final long serialVersionUID = 4775629632953317597L;
    /**
     * ID
     */
    public int id;
    /**
     * 姓名
     */
    public String name;
    /**
     * 年龄
     */
    public int age;
    /**
     * 工资
     */
    public int salary;
    /**
     * 入职年数
     */
    public int year;
    
}

添加集合代码

    List<Employee> employeeList = new ArrayList<Employee>(){
            {
                add(new Employee(1,"张三",25,7000,3));
                add(new Employee(2,"李四",24,6000,2));
                add(new Employee(3,"王五",28,9000,4));
                add(new Employee(4,"赵六",29,9000,4));
                add(new Employee(5,"田七",24,6500,2));

            }
        };

9.排序:sorted

    	//不传参数默认是正序排列
        Stream<Employee> sorted = stream.sorted();
        //参数为Comparator函数式接口,意思是根据员工工资的高低排序
        Stream<Employee> sortedStream = stream.sorted((e1, e2) -> e1.salary - e2.salary);

10.聚合:max,min

   		//参数为Comparator函数式接口,获取员工中年龄的最大值最小值
        //返回值是optional对象
        Optional<Employee> max = stream.max((e1, e2) -> e1.age - e2.age);
        Optional<Employee> min = stream.min((e1, e2) -> e1.age - e2.age);

11.获取:findAny,findFrist

 		//获取容器中任意一个元素/第一个元素
        //返回值为optional对象
        Optional<Employee> any = stream.findAny();
        Optional<Employee> first = stream.findFirst();

12.判断:anyMatch,allMatch,noneMatch

   		 //参数为Predicate函数式接口,这里用的lambda表达式
        //anyMatch()方法作用判断,只要有一个元素满足条件就返回true
        boolean anyMatch = stream.anyMatch(v -> v.salary > 8000);
        //allMatch()方法作用判断,所有元素满足条件就返回true
        boolean allMatch = stream.allMatch(v -> v.salary > 8000);
        //noneMatch()方法作用判断,没有一个元素满足条件就返回true
        boolean noneMatch = stream.noneMatch(v -> v.salary > 8000);

13.收集:collect

 		//收集,把流数据收集成新的类型容器
        //参数为Suppoet函数式接口
        List<Employee> list = stream.collect(Collectors.toList());
        Set<Employee> collect = stream.collect(Collectors.toSet());
        //这里toMap里面传的参数为Function函数式接口,员工姓名作为key,工资作为值
        Map<String, Integer> map = stream.collect(Collectors.toMap(Employee::getName, Employee::getSalary));

14.归约：reduce

BinaryOperator是函数式接口,继承了BiFunction<T,T,T>,内部有一个apply抽象方法,接收两个参数，返回一个结果,R apply(T t, U u)

package java.util.function;

import java.util.Objects;

/**
 * Represents a function that accepts two arguments and produces a result.
 * This is the two-arity specialization of {@link Function}.
 *
 * <p>This is a <a href="package-summary.html">functional interface</a>
 * whose functional method is {@link #apply(Object, Object)}.
 *
 * @param <T> the type of the first argument to the function
 * @param <U> the type of the second argument to the function
 * @param <R> the type of the result of the function
 *
 * @see Function
 * @since 1.8
 */
@FunctionalInterface
public interface BiFunction<T, U, R> {

    /**
     * Applies this function to the given arguments.
     *
     * @param t the first function argument
     * @param u the second function argument
     * @return the function result
     */
    R apply(T t, U u);

    /**
     * Returns a composed function that first applies this function to
     * its input, and then applies the {@code after} function to the result.
     * If evaluation of either function throws an exception, it is relayed to
     * the caller of the composed function.
     *
     * @param <V> the type of output of the {@code after} function, and of the
     *           composed function
     * @param after the function to apply after this function is applied
     * @return a composed function that first applies this function and then
     * applies the {@code after} function
     * @throws NullPointerException if after is null
     */
    default <V> BiFunction<T, U, V> andThen(Function<? super R, ? extends V> after) {
        Objects.requireNonNull(after);
        return (T t, U u) -> after.apply(apply(t, u));
    }
}

方式一: Optional reduce(BinaryOperator accumulator)

        //对Stream中的数据通过累加器accumulator迭代计算，最终得到一个Optional对象
        Optional<Integer> reduce = Stream.of(1, 2, 3, 4).reduce((a, b) -> {
            System.out.println("每次操作前初始值:" + a);
            a += b;
            System.out.println("每次操作加的值:" + b);
            System.out.println("操作之后的结果:" + a);
            //把结果值返回作为下一次操作的初始值
            return a;
        });
        System.out.println("最终结果为:"+reduce.get());

方式二: T reduce(T identity, BinaryOperator accumulator)

        //提供一个跟Stream中数据同类型的初始值identity，通过累加器accumulator迭代计算Stream中的数据，得到一个跟Stream中数据相同类型的最终结果
        Integer reduce2 = Stream.of(1, 2, 3, 4).reduce(10, (a, b) -> {
            //这里的第一次打印的值,一定是你传的identity的值
            System.out.println("每次操作前初始值:" + a);
            a += b;
            System.out.println("每次操作加的值:" + b);
            System.out.println("操作之后的结果:" + a);
            //把结果值返回作为下一次操作的初始值
            return a;
        });
        System.out.println("最终结果为:"+reduce2);

方式三: U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator combiner)

        Integer reduce3 = Stream.of(1, 2, 3, 4).parallel().reduce(10, (a, v) -> {
            //用并行操作每次初始值都是指定的值
            System.out.println("每次操作前初始值:" + a + "/" + v);
            a += v;
            System.out.println("每次操作加的值:" + v);
            System.out.println("操作之后的结果:" + a);
            //比如这里执行4次,出现返回的值为: 11 12 13 14
            return a;
        }, (a, v) -> {
        	//这里只会是并行流才会执行
            //这里的a,v指定是return回去的2个值,就是上面的值,第一轮是 11 12 第二轮是 13 14 ,因为上面返回的值完了,所以轮到当前返回的值了,第三轮是 23 27
            System.out.println("并行每次操作前初始值:" + a + "/" + v);
            a += v;
            System.out.println("并行每次操作加的值:" + v);
            System.out.println("并行操作之后的结果:" + a);
            //最终的结果由自己返回
            return a;

        });

        //最终的值为50
        System.out.println("最终的值为:"+reduce3);

15.组合：concat

如果有两个流，希望合并成为一个流，那么可以使用 Stream 接口的静态方法 concat ：

static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b)

备注：这是一个静态方法，与 java.lang.String 当中的 concat 方法是不同的。

该方法的基本使用代码如：

import java.util.stream.Stream;
public class Demo12StreamConcat {
    public static void main(String[] args) {
        Stream<String> streamA = Stream.of("张无忌");
        Stream<String> streamB = Stream.of("张翠山");
        Stream<String> result = Stream.concat(streamA, streamB);
    }
}