stream流的使用说明书

1 stream的概念

Stream将要处理的元素集合看作一种流,在流的过程中,借助Stream API对流中的元素进行操作,比如:筛选、排序、聚合等。
Stream可以由数组或集合创建,对流的操作分为两种:

中间操作,每次返回一个新的流,可以有多个。
终端操作,每个流只能进行一次终端操作,终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。

另外,Stream有几个特性:
stream不存储数据,而是按照特定的规则对数据进行计算,一般会输出结果。
stream不会改变数据源,通常情况下会产生一个新的集合或一个值。
stream具有延迟执行特性,只有调用终端操作时,中间操作才会执行。

2 Stream的创建

Stream可以通过集合数组创建。
1、通过 java.util.Collection.stream() 方法用集合创建流。

List<String> list = Arrays.asList("a", "b", "c");
// 创建一个顺序流
Stream<String> stream = list.stream();
// 创建一个并行流
Stream<String> parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用数组创建流。

int[] array = {1,3,5,6,8};
IntStream stream = Arrays.stream(array);

3、使用Stream的静态方法:of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);
Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 1).limit(5);
stream2.forEach(System.out::println); // 0 1 2 3 4
Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);
/**
* 0.5218703152079961
* 0.860576733918862
* 0.2993277298835756
*/

stream和parallelStream的简单区分: stream是顺序流,由主线程按顺序对流执行操作;而parallelStream是并行流,内部以多线程并行执行的方式对流进行操作,但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数,两者的处理不同之处:
在这里插入图片描述
如果流中的数据量足够大,并行流可以加快处速度。除了直接创建并行流,还可以通过parallel()把顺序流转换成并行流。

3 Stream的使用

package com.zs.pojo;

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Person {
    private String name;  // 姓名
    private int salary; // 薪资
    private int age; // 年龄
    private String sex; //性别
    private String area;  // 地区
}

 List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 11,"male", "New York"));
        personList.add(new Person("Jack", 7000, 11,"male", "Washington"));
        personList.add(new Person("Lily", 7800, 11,"female", "Washington"));
        personList.add(new Person("Anni", 8200, 11, "female", "New York"));
        personList.add(new Person("Owen", 9500, 11, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 11, "female", "New York"));

3.1 遍历/匹配(foreach/find/match)

Stream也是支持类似集合的遍历和匹配元素的,只是Stream中的元素是以Optional类型存在的。
在这里插入图片描述

        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

        // 遍历输出符合条件的元素
        list.stream()
                .filter(x -> x > 6)
                .forEach(System.out::println);
        // 匹配第一个
        Optional<Integer> findFirst = list.stream()
                .filter(x -> x > 6)
                .findFirst();
        // 匹配任意(适用于并行流)
        Optional<Integer> findAny = list.parallelStream()
                .filter(x -> x > 6)
                .findAny();
        // 是否包含符合特定条件的元素
        boolean anyMatch = list.stream()
                .anyMatch(x -> x < 6);

3.2 筛选(filter)

筛选,是按照一定的规则校验流中的元素,将符合条件的元素提取到新的流中的操作。
在这里插入图片描述
筛选出Integer集合中大于7的元素,并打印出来:

List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
list.stream()
        .filter(x -> x > 7)
        .forEach(System.out::println);

筛选员工中工资高于8000的人,并形成新的集合:

List<String> fiterList = personList.stream()
                .filter(x -> x.getSalary() > 8000)
                .map(Person::getName)
                .collect(Collectors.toList());

3.3 聚合(max/min/count)

在这里插入图片描述
获取String集合中最长的元素:

List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
Optional<String> max = list.stream()
                           `在这里插入代码片`.max(Comparator.comparing(String::length));

获取Integer集合中的最大值:

List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
// 自然排序
 Optional<Integer> max = list.stream()
         .max(Integer::compareTo);
 // 自定义排序
 Optional<Integer> max2 = list.stream()
         .max((o1, o2) -> o1.compareTo(o2));

获取员工工资最高的人:

Optional<Person> max = personList.stream()
                .max(Comparator.comparingInt(Person::getSalary));

计算Integer集合中大于6的元素的个数:

List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
long count = list.stream()
        .filter(x -> x > 6)
        .count();

3.4 映射(map/flatMap)

映射,可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap:

map: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: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。

在这里插入图片描述
英文字符串数组的元素全部改为大写,整数数组每个元素+3:

        String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
        List<String> strList = Arrays.stream(strArr)
                .map(String::toUpperCase)
                .collect(Collectors.toList());

        List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
        List<Integer> intListNew = intList.stream()
                .map(x -> x + 3)
                .collect(Collectors.toList());

将员工的薪资全部增加1000:

        // 不改变原来员工集合的方式
        List<Person> personListNew = personList.stream()
                .map(person -> {
                        Person personNew = new Person(person.getName(), 0, person.getAge(), person.getSex(), person.getArea());
                        personNew.setSalary(person.getSalary() + 10000);
                        return personNew;
        }).collect(Collectors.toList());
        System.out.println("一次改动前:" + personList);
        System.out.println("一次改动后:" + personListNew);

        // 改变原来员工集合的方式
        List<Person> personListNew = personList.stream()
                .map(person -> {
                        person.setSalary(person.getSalary() + 10000);
                        return person;
        }).collect(Collectors.toList());
        System.out.println("二次改动前:" + personList);
        System.out.println("二次改动后:" + personListNew);

将两个字符数组合并成一个新的字符数组:

List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
        List<String> listNew = list.stream()
                .flatMap(s -> {
                        // 将每个元素转换成一个stream
                        String[] split = s.split(",");
                        Stream<String> s2 = Arrays.stream(split);
                        return s2;
        }).collect(Collectors.toList());

        System.out.println("处理前的集合:" + list); // size = 2
        System.out.println("处理后的集合:" + listNew); // size = 8
        /*处理前的集合:[m,k,l,a, 1,3,5,7]
        处理后的集合:[m, k, l, a, 1, 3, 5, 7]*/

3.5 归约(reduce)

归约,也称缩减,顾名思义,是把一个流缩减成一个值,能实现对集合求和、求乘积和求最值操作。
在这里插入图片描述
求Integer集合的元素之和、乘积和最大值:

        List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
        // 求和方式1
        Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
        // 求和方式2
        Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
        // 求和方式3
        Integer sum3 = list.stream().reduce(0, Integer::sum);

        // 求乘积
        Optional<Integer> product = list.stream().reduce((x, y) -> x * y);

        // 求最大值方式1
        Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
        // 求最大值写法2
        Integer max2 = list.stream().reduce(1, Integer::max);

求所有员工的工资之和和最高工资:

        // 求工资之和方式1:
        Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        // 求工资之和方式2:
        Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), (sum1, sum2) -> sum1 + sum2);
        // 求工资之和方式3:
        Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

        // 求最高工资方式1:
        Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), Integer::max);
        // 求最高工资方式2:
        Integer maxSalary2 = personList.stream().reduce(0,
                                                            (max, p) -> max > p.getSalary() ? max : p.getSalary(),
                                                            (max1, max2) -> max1 > max2 ? max1 : max2);

3.6 收集(collect)

collect,收集,可以说是内容最繁多、功能最丰富的部分了。从字面上去理解,就是把一个流收集起来,最终可以是收集成一个值,也可以收集成一个新的集合。
collect主要依赖java.util.stream.Collectors类内置的静态方法。

3.6.1 归集(toList/toSet/toMap)

因为流不存储数据,那么在流中的数据完成处理后,需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用。

        List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
        List<Integer> listNew = list.stream()
                .filter(x -> x % 2 == 0)
                .collect(Collectors.toList());
        Set<Integer> set = list.stream()
                .filter(x -> x % 2 == 0)
                .collect(Collectors.toSet());
        System.out.println("toSet:" + listNew);
        System.out.println("toMap:" + set);
        /**
         * toSet:[6, 4, 6, 6, 20]
         * toMap:[4, 20, 6]
         */
        Map<?, Person> map = personList.stream()
                .filter(p -> p.getSalary() > 8000)
                .collect(Collectors.toMap(Person::getName, p -> p));
        System.out.println("toMap:" + map);
        //toMap:{Tom=Person(name=Tom, salary=8900, age=11, sex=male, area=New York), Owen=Person(name=Owen, salary=9500, age=11, sex=male, area=New York), Anni=Person(name=Anni, salary=8200, age=11, sex=female, area=New York)}

3.6.2 统计(count/averaging)

Collectors提供了一系列用于数据统计的静态方法:

计数:count
平均值:averagingInt、averagingLong、averagingDouble
最值:maxBy、minBy
求和:summingInt、summingLong、summingDouble
统计以上所有:summarizingInt、summarizingLong、summarizingDouble

统计员工人数、平均工资、工资总额、最高工资:

        // 求总数
        Long count = personList.stream().count();
        // 求平均工资
        Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
        // 求最高工资
        Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
        // 求工资之和
        Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
        // 一次性统计所有信息
        DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

        System.out.println("员工总数:" + count);
        System.out.println("员工平均工资:" + average);
        System.out.println("员工工资总和:" + sum);
        System.out.println("员工工资所有统计:" + collect);
        /**
         * 员工总数:6
         * 员工平均工资:8216.666666666666
         * 员工工资总和:49300
         * 员工工资所有统计:DoubleSummaryStatistics{count=6, sum=49300.000000, min=7000.000000, average=8216.666667, max=9500.000000}
         */

3.6.3 分组(partitioningBy/groupingBy)

分区:将stream按条件分为两个Map,比如员工按薪资是否高于8000分为两部分。
分组:将集合分为多个Map,比如员工按性别分组。有单级分组和多级分组。
在这里插入图片描述
将员工按薪资是否高于8000分为两部分:将员工按性别和地区分组:

        // 将员工按薪资是否高于8000分组
        Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
        // 将员工按性别分组
        Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
        // 将员工先按性别分组,再按地区分组
        Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        System.out.println("员工按薪资是否大于8000分组情况:" + part);
        System.out.println("员工按性别分组情况:" + group);
        System.out.println("员工按性别、地区:" + group2);
        /**
         * 员工按薪资是否大于8000分组情况:{false=[Person(name=Jack, salary=7000, age=11, sex=male, area=Washington), Person(name=Lily, salary=7800, age=11, sex=female, area=Washington), Person(name=Alisa, salary=7900, age=11, sex=female, area=New York)], true=[Person(name=Tom, salary=8900, age=11, sex=male, area=New York), Person(name=Anni, salary=8200, age=11, sex=female, area=New York), Person(name=Owen, salary=9500, age=11, sex=male, area=New York)]}
         * 员工按性别分组情况:{female=[Person(name=Lily, salary=7800, age=11, sex=female, area=Washington), Person(name=Anni, salary=8200, age=11, sex=female, area=New York), Person(name=Alisa, salary=7900, age=11, sex=female, area=New York)], male=[Person(name=Tom, salary=8900, age=11, sex=male, area=New York), Person(name=Jack, salary=7000, age=11, sex=male, area=Washington), Person(name=Owen, salary=9500, age=11, sex=male, area=New York)]}
         * 员工按性别、地区:{female={New York=[Person(name=Anni, salary=8200, age=11, sex=female, area=New York), Person(name=Alisa, salary=7900, age=11, sex=female, area=New York)], Washington=[Person(name=Lily, salary=7800, age=11, sex=female, area=Washington)]}, male={New York=[Person(name=Tom, salary=8900, age=11, sex=male, area=New York), Person(name=Owen, salary=9500, age=11, sex=male, area=New York)], Washington=[Person(name=Jack, salary=7000, age=11, sex=male, area=Washington)]}}
         */

3.6.4 接合(joining)

joining可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串:

        String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
        System.out.println("所有员工的姓名:" + names);
        List<String> list = Arrays.asList("A", "B", "C");
        String string = list.stream().collect(Collectors.joining("-"));
        System.out.println("拼接后的字符串:" + string);
        /**
         * 所有员工的姓名:Tom,Jack,Lily,Anni,Owen,Alisa
         * 拼接后的字符串:A-B-C
         */

3.6.5 归约(reducing)

Collectors类提供的reducing方法,相比于stream本身的reduce方法,增加了对自定义归约的支持。

        // 每个员工减去起征点后的薪资之和(这个例子并不严谨,但一时没想到好的例子)
        Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
        System.out.println("员工扣税薪资总和:" + sum);

        // stream的reduce
        Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        System.out.println("员工薪资总和:" + sum2.get());    }

3.7 排序(sorted)

sorted,中间操作。有两种排序:

sorted():自然排序,流中元素需实现Comparable接口
sorted(Comparator com)Comparator排序器自定义排序

将员工按工资由高到低(工资一样则按年龄由大到小)排序:

// 按工资升序排序(自然排序)
List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
        .collect(Collectors.toList());
// 按工资倒序排序
List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
        .map(Person::getName).collect(Collectors.toList());
// 先按工资再按年龄升序排序
List<String> newList3 = personList.stream()
        .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName)
        .collect(Collectors.toList());
// 先按工资再按年龄自定义排序(降序)
List<String> newList4 = personList.stream().sorted((p1, p2) -> {
    if (p1.getSalary() == p2.getSalary()) {
        return p2.getAge() - p1.getAge();
    } else {
        return p2.getSalary() - p1.getSalary();
    }
}).map(Person::getName).collect(Collectors.toList());

3.8 提取/组合

流也可以进行合并、去重、限制、跳过等操作。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

String[] arr1 = { "a", "b", "c", "d" };
String[] arr2 = { "d", "e", "f", "g" };

Stream<String> stream1 = Stream.of(arr1);
Stream<String> stream2 = Stream.of(arr2);
// concat:合并两个流 distinct:去重
List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
// limit:限制从流中获得前n个数据
List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
// skip:跳过前n个数据
List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

System.out.println("流合并:" + newList);
System.out.println("limit:" + collect);
System.out.println("skip:" + collect2);
/**
 * 流合并:[a, b, c, d, e, f, g]
 * limit:[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
 * skip:[3, 5, 7, 9, 11]
 */

特别感谢:Java技术干货

package com.stream;

import com.google.common.collect.Lists;
import com.google.gson.Gson;
import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import lombok.val;
import org.apache.commons.lang3.tuple.Pair;

import java.time.LocalDateTime;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Comparator;
import java.util.List;
import java.util.Map;
import java.util.Optional;
import java.util.Random;
import java.util.function.Supplier;
import java.util.stream.Collectors;
import java.util.stream.IntStream;
import java.util.stream.Stream;

/**
 * 流工具
 *
 * @author zhaoshuai11
 * @date 2022/09/04
 */
public class StreamUtil {
    public static void main(String[] args) {
//        createStream();
//        streamForGenerate();
//        pairLeftAndRigth();
//        streamForForeachAndFilterAndFind();
//        streamForMaxMinCount();
//        streamForMapAndFlatMap();
//        streamForGroupBy();
//        streamForboxed();
//        testArrayAsList();
//        pairLeftAndRigth();
        streamForGenerate();
    }


    /**
     * IntStream是存的是int类型的stream,而Steam< Integer >是一个存了Integer的stream.
     * boxed的作用就是将int类型的stream转成了Integer类型的Stream.
     */
    private static void streamForboxed() {
        List<String> list = Lists.newArrayList("Mr.zhangsan", "Mr.lisi", "Mr.wanger", "Mr.mazi");

        List<Integer> intList = list.stream()
                .mapToInt(String::length)
                .boxed()
                .collect(Collectors.toList());
        // list -> Integer[]
        Integer[] intArrays_1 = intList.toArray(new Integer[0]);

        Integer[] intArrays_2 = list.stream()
                .mapToInt(String::length)
                .boxed()
                .toArray(Integer[]::new);

        // Integer[] -> list
        List<Integer> integers = Lists.newArrayList(intArrays_2);
    }

    private static void testArrayAsList() {
//        List<String> list = Arrays.asList("Mr.zhangsan", "Mr.lisi", "Mr.wanger", "Mr.mazi");
//        list.add("Mr.zhizhang");
//        System.out.println(list);

        List<String> list = Lists.newArrayList("Mr.zhangsan", "Mr.lisi", "Mr.wanger", "Mr.mazi");
        list.add("Mr.zhizhang");
        System.out.println(list);
    }

    private static void streamForGroupBy() {
        ProductInfo productInfo1 = new ProductInfo(1, "zs", "shandong", 1002);
        ProductInfo productInfo2 = new ProductInfo(2, "zs1", "shandong1", 1001);
        ProductInfo productInfo3 = new ProductInfo(3, "zs", "shandong", 1001);
        ProductInfo productInfo4 = new ProductInfo(4, "zs1", "shandong", 1001);
        List<ProductInfo> productInfos = Lists.newArrayList(productInfo1, productInfo2, productInfo3, productInfo4);
        Gson gson = new Gson();
        Map<Integer, List<Integer>> groupingBy_mapping = productInfos.stream()
                .collect(Collectors.groupingBy(ProductInfo::getPhoneNumber,
                        Collectors.mapping(ProductInfo::getId, Collectors.toList())));
        String groupingBy_mapping_json = gson.toJson(groupingBy_mapping);
        System.out.println(groupingBy_mapping_json);
        /**
         *{
         *     "1001":[
         *         2,
         *         3,
         *         4
         *     ],
         *     "1002":[
         *         1
         *     ]
         * }
         *
         */
        Map<String, List<ProductInfo>> groupingBy = productInfos.stream()
                .collect(Collectors.groupingBy(ProductInfo::getName));

        String groupingByJson = gson.toJson(groupingBy);
        System.out.println(groupingByJson);
        /**
         *{
         *     "zs1":[
         *         {
         *             "id":2,
         *             "name":"zs1",
         *             "address":"shandong1",
         *             "phoneNumber":1001
         *         },
         *         {
         *             "id":4,
         *             "name":"zs1",
         *             "address":"shandong",
         *             "phoneNumber":1001
         *         }
         *     ],
         *     "zs":Array[2]
         * }
         */
        Map<String, Map<String, List<ProductInfo>>> groupingBy_groupingBy = productInfos.stream()
                .collect(Collectors.groupingBy(ProductInfo::getName, Collectors.groupingBy(ProductInfo::getAddress)));
        String groupingBy_groupingBy_json = gson.toJson(groupingBy_groupingBy);
        System.out.println(groupingBy_groupingBy_json);
        /**
         *{
         *     "zs1":{
         *         "shandong":[
         *             {
         *                 "id":4,
         *                 "name":"zs1",
         *                 "address":"shandong",
         *                 "phoneNumber":1001
         *             }
         *         ],
         *         "shandong1":[
         *             {
         *                 "id":2,
         *                 "name":"zs1",
         *                 "address":"shandong1",
         *                 "phoneNumber":1001
         *             }
         *         ]
         *     },
         *     "zs":Object{...}
         * }
         */}

    private static void streamForMapAndFlatMap() {
        String[] strArr = {"abcd", "bcdd", "defde", "fTr"};
        List<String> strList = Arrays.stream(strArr)
                .map(String::toUpperCase)
                .collect(Collectors.toList());

        List<Integer> intList = Lists.newArrayList(1, 3, 5, 7, 9, 11);
        List<Integer> intListNew = intList.stream()
                .map(x -> x + 3)
                .collect(Collectors.toList());

        MaterialInfo questionInfo = new MaterialInfo("question", Lists.newArrayList(1001, 1002, 1003));
        MaterialInfo productInfo = new MaterialInfo("product", Lists.newArrayList(1001, 1002, 1003));
        MaterialInfo personInfo = new MaterialInfo("person", Lists.newArrayList(1001, 1002, 1003));
        List<MaterialInfo> materialInfos = Lists.newArrayList(questionInfo, productInfo, personInfo);
        List<Integer> materialIds = materialInfos.stream()
                .flatMap(item -> item.getMaterialIds().stream())
                .collect(Collectors.toList());
        System.out.println(materialIds);
    }

    private static void streamForMaxMinCount() {
        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 11, "male", "New York"));
        personList.add(new Person("Jack", 7000, 11, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 11, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 11, "female", "New York"));
        personList.add(new Person("Owen", 9500, 11, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 11, "female", "New York"));

        System.out.println(personList.stream().min(Comparator.comparing(Person::getSalary)));
        System.out.println(personList.stream().max(Comparator.comparing(Person::getSalary)));
        long count = personList.stream().filter(item -> item.getSalary() > 7800).count();
        System.out.println(count);
    }

    private static void streamForForeachAndFilterAndFind() {
        List<Letters> letters = Arrays.asList(new Letters("name1", "zs01"), new Letters("name", "zs02"), new Letters("name", "zs03"));
        letters.forEach(System.out::println);
        System.out.println(letters.stream().filter(item -> item.getKey().equals("name")).findFirst());

        List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
        streamForStreamAndParaleStreamFind(list);
    }

    private static void streamForStreamAndParaleStreamFind(List<Integer> list) {
        IntStream.rangeClosed(1, 10).forEach(
                item -> {
                    Optional<Integer> findAny = list.stream()
                            .filter(x -> x > 6)
                            .findAny();
                    findAny.ifPresent(System.out::println);
                }
        );
        IntStream.rangeClosed(1, 10).forEach(
                item -> {
                    Optional<Integer> findAny = list.parallelStream()
                            .filter(x -> x > 6)
                            .findAny();
                    findAny.ifPresent(System.out::println);
                }
        );
    }

    private static void pairLeftAndRigth() {
        Letters leftLetters = new Letters("name", "zhaoshuai11");
        Letters rightLetters = new Letters("name", "zhaofei11");
        Pair<Letters, Letters> pair = Pair.of(leftLetters, null);
        System.out.println(pair.getLeft());
        System.out.println(pair.getRight());
    }

    /**
     * 创建流
     */
    public static void createStream() {
        // 可以通过数据 等价于 可以通过list 顺序流
        Stream<Integer> intStreamForList = Stream.of(1, 2, 3, 4, 5);
        // 并行流
        Stream<Integer> intStreamForParallel = Arrays.asList(1, 2, 3, 4, 5).parallelStream();

        // 从1遍历到10 生成Stream 方式1
        Stream.iterate(1, i -> i + 1).limit(10).forEach(System.out::println);
        // 从1遍历到10 生成Stream 方式2 [) 左闭右开
        IntStream.range(1, 11).forEach(System.out::println);

    }

    public static void streamForGenerate() {
//        streamForGenerateList();
//        streamForGenerateTime();
        streamForGenerateMap();
    }

    private static void streamForGenerateMap() {
        Map<String, String> collect = Stream.generate(() -> new Letters("name", "zhaoshuai11"))
                .limit(3)
                .collect(Collectors.toMap(Letters::getKey, Letters::getValue, (a, b) -> a));
        System.out.println(collect);
    }

    private static void streamForGenerateList() {
        Random rand = new Random();
        Supplier randomIntegerSupplier = () -> rand.nextInt(100);
        // Infinite stream of random ints
        val randomIntStream = Stream.generate(randomIntegerSupplier).limit(3);
        randomIntStream.forEach(System.out::println);
        // Infinite stream of random Doubles
        Stream randomStream = Stream.generate(Math::random).limit(3);
        randomStream.forEach(System.out::println);
        // Infinite stream of whole numbers starting from 1
        Stream wholeNumbers = Stream.iterate(1, i -> i + 1).limit(3);
        wholeNumbers.forEach(System.out::println);
    }

    private static void streamForGenerateTime() {
        // Implementing a Supplier interface
        Supplier myStopWatch = () -> {
            try {
                Thread.sleep(1000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            // get the current time
            return LocalDateTime.now();
        };
        // Generating a stream
        Stream timeStream = Stream.generate(myStopWatch);
        timeStream.forEach(System.out::println);
    }

}

/**
 * 信
 *
 * @author zhaoshuai11
 * @date 2022/09/04
 */
@Data
@NoArgsConstructor
@AllArgsConstructor
class Letters {
    private String key;
    private String value;
}

/**
 * 人
 *
 * @author zhaoshuai11
 * @date 2022/09/04
 */
@Data
@NoArgsConstructor
@AllArgsConstructor
class Person {
    private String name;  // 姓名
    private int salary; // 薪资
    private int age; // 年龄
    private String sex; //性别
    private String area;  // 地区
}

/**
 * 物料信息
 *
 * @author zhaoshuai11
 * @date 2022/09/04
 */
@Data
@NoArgsConstructor
@AllArgsConstructor
class MaterialInfo {
    /**
     * 类型
     */
    private String type;
    /**
     * 物料id
     */
    private List<Integer> materialIds;
}

/**
 * 产品信息
 *
 * @author zhaoshuai11
 * @date 2022/09/04
 */
@Data
@NoArgsConstructor
@AllArgsConstructor
class ProductInfo {
    /**
     * id
     */
    private Integer id;
    /**
     * 名字
     */
    private String name;
    /**
     * 地址
     */
    private String address;
    /**
     * 电话号码
     */
    private Integer phoneNumber;
}
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值