深入解析 Java Stream 编程：高效处理数据的新范式

2024-06-21 15:12
文章标签 java 数据 高效 深入 编程 处理 解析 范式 stream

本文主要是介绍深入解析 Java Stream 编程：高效处理数据的新范式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Java 8 引入了一个强大而灵活的 API——Stream API，为我们提供了一种声明性处理数据集的方法。Stream API 大大简化了集合操作，让开发者可以以更高效、更可读的方式编写代码。这篇文章将深入探讨 Java Stream 编程的方方面面，通过多个详细的代码示例，帮助你全面理解和掌握这一强大的工具。

一、初识 Java Stream

1.1 什么是 Stream

Stream 是 Java 8 中 java.util.stream 包下的一个接口，用于处理集合类（如 List、Set 等）和数组的元素序列。Stream 不是数据结构，而是对数据源的一个抽象视图，提供了对数据源进行一系列操作的能力。

1.2 Stream 的特点

  • 惰性求值：Stream 的操作是延迟执行的，只有在需要结果时才会执行。这种特性使得 Stream 可以进行复杂的操作链，而不会带来性能损失。
  • 无副作用：Stream 操作不会修改原始数据源，而是会生成一个新的数据流。
  • 可并行化：Stream API 支持并行处理，可以充分利用多核处理器的优势。

1.3 创建 Stream

Stream 可以通过多种方式创建，最常见的是通过集合、数组和文件。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Stream;public class StreamCreation {public static void main(String[] args) {// 通过集合创建 StreamList<String> list = Arrays.asList("a", "b", "c");Stream<String> streamFromList = list.stream();// 通过数组创建 StreamString[] array = {"x", "y", "z"};Stream<String> streamFromArray = Arrays.stream(array);// 通过 Stream.of 方法创建 StreamStream<String> streamFromValues = Stream.of("one", "two", "three");// 通过文件创建 Stream（略）// Stream<String> streamFromFile = Files.lines(Paths.get("data.txt"));}
}

二、Stream 的操作类型

Stream 的操作分为两类：中间操作（Intermediate Operation）和终端操作（Terminal Operation）。

2.1 中间操作

中间操作返回一个新的 Stream，允许多个操作链式调用。常见的中间操作包括 filter、map、sorted、distinct、limit、skip 等。

2.1.1 filter

filter 方法用于对 Stream 中的元素进行过滤，保留满足条件的元素。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;public class StreamFilter {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);List<Integer> evenNumbers = numbers.stream().filter(n -> n % 2 == 0).collect(Collectors.toList());System.out.println(evenNumbers); // 输出: [2, 4, 6]}
}
2.1.2 map

map 方法用于对 Stream 中的每个元素应用一个函数，并将其映射成新的元素。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;public class StreamMap {public static void main(String[] args) {List<String> names = Arrays.asList("Alice", "Bob", "Charlie");List<String> upperCaseNames = names.stream().map(String::toUpperCase).collect(Collectors.toList());System.out.println(upperCaseNames); // 输出: [ALICE, BOB, CHARLIE]}
}
2.1.3 sorted

sorted 方法用于对 Stream 中的元素进行排序，默认是自然顺序，也可以传入自定义比较器。

import java.util.Arrays;
import java.util.List;public class StreamSorted {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(3, 1, 4, 1, 5, 9);List<Integer> sortedNumbers = numbers.stream().sorted().collect(Collectors.toList());System.out.println(sortedNumbers); // 输出: [1, 1, 3, 4, 5, 9]}
}

2.2 终端操作

终端操作会触发 Stream 的计算，并生成一个结果。常见的终端操作包括 forEach、collect、reduce、count、anyMatch、allMatch、noneMatch、findFirst、findAny 等。

2.2.1 forEach

forEach 方法用于对 Stream 中的每个元素执行一个动作。

import java.util.Arrays;
import java.util.List;public class StreamForEach {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry");items.stream().forEach(System.out::println);}
}
2.2.2 collect

collect 方法用于将 Stream 中的元素收集到一个集合或其他容器中。

import java.util.Arrays;
import java.util.List;
import java.util.Set;
import java.util.stream.Collectors;public class StreamCollect {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry");Set<String> itemSet = items.stream().collect(Collectors.toSet());System.out.println(itemSet); // 输出: [banana, cherry, apple]}
}
2.2.3 reduce

reduce 方法用于将 Stream 中的元素组合起来，生成一个值。它可以用于实现求和、求积、求最大值等操作。

import java.util.Arrays;
import java.util.List;public class StreamReduce {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);int sum = numbers.stream().reduce(0, Integer::sum);System.out.println(sum); // 输出: 15}
}

三、Stream 的高级用法

3.1 并行流

Stream API 提供了并行处理的能力，只需要调用 parallelStream 方法或 parallel 方法即可。并行流能够充分利用多核处理器，提高处理速度。

import java.util.Arrays;
import java.util.List;public class ParallelStream {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);int sum = numbers.parallelStream().reduce(0, Integer::sum);System.out.println(sum); // 输出: 55}
}

3.2 无限流

Stream API 允许创建无限流，这种流可以无限生成数据。常见的方法有 Stream.iterate 和 Stream.generate。

import java.util.stream.Stream;public class InfiniteStream {public static void main(String[] args) {Stream<Integer> infiniteStream = Stream.iterate(0, n -> n + 1);infiniteStream.limit(10).forEach(System.out::println);}
}

3.3 自定义收集器

Stream API 提供了 Collectors 类，用于预定义的收集器。我们也可以自定义收集器，来满足特殊需求。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collector;
import java.util.stream.Collectors;public class CustomCollector {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry");Collector<String, StringBuilder, String> customCollector =Collector.of(StringBuilder::new, StringBuilder::append, StringBuilder::append, StringBuilder::toString);String result = items.stream().collect(customCollector);System.out.println(result); // 输出: applebananacherry}
}

3.4 分组和分区

Stream API 提供了强大的分组和分区功能，可以根据一定的规则对元素进行分组或分区。

3.4.1 分组
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;public class StreamGrouping {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry", "apricot", "blueberry");Map<Character, List<String>> groupedByFirstLetter = items.stream().collect(Collectors.groupingBy(s -> s.charAt(0)));System.out.println(groupedByFirstLetter);// 输出: {a=[apple, apricot], b=[banana, blueberry], c=[cherry]}}
}
3.4.2

分区

import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;public class StreamPartitioning {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);Map<Boolean, List<Integer>> partitionedByEven = numbers.stream().collect(Collectors.partitioningBy(n -> n % 2 == 0));System.out.println(partitionedByEven);// 输出: {false=[1, 3, 5], true=[2, 4, 6]}}
}

四、Stream 的实际应用

4.1 处理大数据集

Stream API 在处理大数据集时表现尤为出色，尤其是结合并行流，可以显著提升处理速度。

import java.util.List;
import java.util.Random;
import java.util.stream.Collectors;
import java.util.stream.IntStream;public class StreamLargeDataset {public static void main(String[] args) {List<Integer> largeDataset = new Random().ints(1, 1000000).limit(1000000).boxed().collect(Collectors.toList());long startTime = System.currentTimeMillis();int max = largeDataset.parallelStream().reduce(Integer::max).orElseThrow();long endTime = System.currentTimeMillis();System.out.println("Max value: " + max);System.out.println("Time taken: " + (endTime - startTime) + " ms");}
}

4.2 文件处理

Stream API 也可以方便地处理文件数据，例如读取大文件并进行数据处理。

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.stream.Stream;public class StreamFileProcessing {public static void main(String[] args) {try (Stream<String> lines = Files.lines(Paths.get("data.txt"))) {lines.filter(line -> line.contains("error")).forEach(System.out::println);} catch (IOException e) {e.printStackTrace();}}
}

4.3 数据转换和格式化

Stream API 还可以用于复杂的数据转换和格式化操作，简化代码逻辑，提高可读性。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;public class StreamDataTransformation {public static void main(String[] args) {List<String> rawData = Arrays.asList("1,John,Doe", "2,Jane,Smith", "3,Bob,Johnson");List<User> users = rawData.stream().map(line -> {String[] parts = line.split(",");return new User(Integer.parseInt(parts[0]), parts[1], parts[2]);}).collect(Collectors.toList());users.forEach(System.out::println);}static class User {int id;String firstName;String lastName;User(int id, String firstName, String lastName) {this.id = id;this.firstName = firstName;this.lastName = lastName;}@Overridepublic String toString() {return "User{id=" + id + ", firstName='" + firstName + "', lastName='" + lastName + "'}";}}
}

五、Stream 的性能优化

虽然 Stream API 提供了强大的功能，但在使用时也需要注意性能优化。以下是几个常见的优化技巧：

5.1 避免不必要的中间操作

尽量减少不必要的中间操作，以降低开销。例如，可以合并多个 filter 操作为一个。

5.2 合理使用并行流

并行流可以提高性能，但在某些情况下（如数据量较小或操作代价较低），并行处理可能反而会带来额外的开销。

5.3 使用合适的数据结构

选择合适的数据结构也能显著影响性能。例如，对于频繁插入和删除的操作，LinkedList 可能比 ArrayList 更高效。

六、总结

本文详细介绍了 Java Stream 编程的基础知识和高级用法，并通过多个代码示例展示了如何使用 Stream API 进行各种操作。Stream API 的引入为 Java 开发者提供了一种声明性处理数据的新范式，使得代码更加简洁、可读且高效。希望这篇文章能帮助你更好地理解和掌握 Java Stream 编程，从而在实际项目中更高效地处理数据。

在未来的开发中，充分利用 Stream API 的强大功能，可以显著提升代码质量和开发效率。同时，随着对 Stream API 的深入研究，相信你会发现更多有趣的用法和优化技巧。继续探索和实践吧，Java Stream 的世界充满了无限可能！

参考文献

  • Java Documentation: Stream API
  • Java Tutorials: Aggregate Operations
  • Java 8 in Action

这篇关于深入解析 Java Stream 编程：高效处理数据的新范式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1081570。

相关文章

网页解析 lxml 库--实战

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库，完全使用 Python 语言编写，它对 XPath表达式提供了良好的支 持，因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块，该模块专门用来解析 HTML/XML 文档，下面来介绍一下 lxml 库
阅读更多...
JVM 的类初始化机制

JVM 的类初始化机制

前言 当你在 Java 程序中new对象时，有没有考虑过 JVM 是如何把静态的字节码（byte code）转化为运行时对象的呢，这个问题看似简单，但清楚的同学相信也不会太多，这篇文章首先介绍 JVM 类初始化的机制，然后给出几个易出错的实例来分析，帮助大家更好理解这个知识点。 JVM 将字节码转化为运行时对象分为三个阶段，分别是：loading 、Linking、initialization
阅读更多...
Spring Security 基于表达式的权限控制

Spring Security 基于表达式的权限控制

前言 spring security 3.0已经可以使用spring el表达式来控制授权，允许在表达式中使用复杂的布尔逻辑来控制访问的权限。 常见的表达式 Spring Security可用表达式对象的基类是SecurityExpressionRoot。 表达式描述hasRole([role])用户拥有制定的角色时返回true （Spring security默认会带有ROLE_前缀）,去
阅读更多...
浅析Spring Security认证过程

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程，特意画了如下的类图，包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口，接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti
阅读更多...
Spring Security--Architecture Overview

Spring Security--Architecture Overview

1 核心组件 这一节主要介绍一些在Spring Security中常见且核心的Java类，它们之间的依赖，构建起了整个框架。想要理解整个架构，最起码得对这些类眼熟。 1.1 SecurityContextHolder SecurityContextHolder用于存储安全上下文（security context）的信息。当前操作的用户是谁，该用户是否已经被认证，他拥有哪些角色权限…这些都被保
阅读更多...
Spring Security基于数据库验证流程详解

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明（认真看哦） AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证，则会调用 #attemptAuthentica
阅读更多...
Spring Security 从入门到进阶系列教程

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门（一）：登录与退出》 《Spring-Security-入门（二）：基于数据库验证》 《Spring-Security-入门（三）：密码加密》 《Spring-Security-入门（四）：自定义-Filter》 《Spring-Security-入门（五）：在 Sprin
阅读更多...
Java架构师知识体认识

Java架构师知识体认识

源码分析 常用设计模式 Proxy代理模式Factory工厂模式Singleton单例模式Delegate委派模式Strategy策略模式Prototype原型模式Template模板模式 Spring5 beans 接口实例化代理Bean操作 Context Ioc容器设计原理及高级特性Aop设计原理Factorybean与Beanfactory Transaction 声明式事物
阅读更多...
大模型研发全揭秘：客服工单数据标注的完整攻略

大模型研发全揭秘：客服工单数据标注的完整攻略

在人工智能（AI）领域，数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者，掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中，工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注，不仅能够帮助提升客服自动化系统的智能化水平，还能优化客户服务流程，提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行
阅读更多...
基于MySQL Binlog的Elasticsearch数据同步实践

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展，我们的业务数据越来越多，单纯使用 MySQL 已经不能满足我们的数据查询需求，例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后，随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步，我们目前的解决方案是建立数据中间表。把需要检索的业务数据，统一放到一张M
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2