本文主要是介绍一文掌握stream,让你的代码提高一个逼格,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!
Stream 是什么?
Stream 是Java 8的新特性之一,是对容器对象功能的增强,借助Lambda表达式,以函数式的方式处理数据,以提高广大程序员的生产力。
-
stream 将要处理的元素当做流;
-
借助steam api对流元素进行中间操作,比如筛选、排序、聚合等;
-
提高了开发效率和程序的可读性
-
提供串行和并行两种模式
什么是流?
Stream不是集合元素,它不是数据结构,并不保存数据,它是有关算法和计算的(可以理解为对Iterator的增强)。Stream并行遍历依赖于Fork/Join框架来拆分任务和加速任务处理。
Stream的结构
整个Stream的操作可以分为三大阶段
-
数据源创建 只有一次
-
中间操作 (各种筛选、排序、聚合等),lazy,多次
-
终端操作(获取想要的结果) 终止只有一次
我们看下java.util.stream包:
BaseStream一共有四个继承接口
-
Stream 通用的
-
LongStream 可以理解为Stream,减少了装箱拆箱的损耗,还有一些别的额外操作
-
IntStream 可以理解为Stream,减少了装箱拆箱的损耗,还有一些别的额外操作
-
DoubleStream 可以理解为Stream,减少了装箱拆箱的损耗,还有一些别的额外操作
每个具体接口里有哪些方法,可以具体看代码 我们重点看下Stream接口:
我们看下Stream里面的方法
数据源创建
-
empty() 创建一个空的Stream
-
of() 创建有限元素的Stream
-
iterate() 创建无限元素的Stream
-
generate() 创建无限元素的Stream
中间操作:
-
filter 过滤,按lambda表达式
-
map (mapTo*, flatMap* ) 映射,按lambda表达式
-
distinct 去重
-
sorted 排序 (可以自定义Comparator)
-
peek 可以理解为克隆一份,优先级高,两边引用的对象都一样
-
skip 跳过Stream中前n个元素
-
limit 只取前n个,这个比较特殊,可以理解为短路,因为返回Stream,就归到了中间操作
-
concat() 将两个Stream拼接到一起合成一个
-
parallel(父)
-
sequential(父)
-
unordered(父)
终止操作
-
reduce 将Stream元素按一个规则组合起来,如sum,avg
-
collect 将流转化为其他形式
-
foreach 遍历Stream的元素
-
foreachOrdered 按Stream的顺序执行
-
toArray 将Stream转为数组
-
min 根据指定的Comparator返回一个最小的Optional对象
-
max 根据指定的Comparator返回一个最大的Optional对象
-
count 返回Stream中元素的个数
short-circuiting (可以理解为特殊的终止操作)
短路操作,有时候在遍历的过程中,达到某个条件就终止
-
anyMatch 判断Stream中的元素是否有满足指定条件的元素,有满足的返回true
-
allMatch 判断Stream中元素是否全部满足指定条件,全部满足返回true
-
noneMatch 都不满足指定条件,返回true
-
findFirst 找到第一个元素的Optional对象
-
findAny 返回任意一个元素,并行中随机,串行中一直返回第一个
数据源的创建方式
- 从Collection和数组获得
public interface Collection<E> extends Iterable<E> {//串行default Stream<E> stream() {return StreamSupport.stream(spliterator(), false);}// 并行default Stream<E> parallelStream() {return StreamSupport.stream(spliterator(), true);}
}
- 从数组获取
//通过Arrays的静态方法获取
public class Arrays {//有很多重载方法public static IntStream stream(int[] array) {return stream(array, 0, array.length);}//这里有很多指定类型的Stream重载public static *Stream stream(....) {return stream(...);}public static <T> Stream<T> stream(T[] array, int startInclusive, int endExclusive) {return StreamSupport.stream(spliterator(array, startInclusive, endExclusive), false);}
}
// 通过Stream的静态方法获取
public interface Stream<T> extends BaseStream<T, Stream<T>> {public static<T> Stream<T> of(T t) {return StreamSupport.stream(new Streams.StreamBuilderImpl<>(t), false);}@SafeVarargs@SuppressWarnings("varargs") // Creating a stream from an array is safepublic static<T> Stream<T> of(T... values) {return Arrays.stream(values);}//这里还有一些其他的方式获取,就不列举了
}
- 从BufferedReader获得
public class BufferedReader extends Reader {public Stream<String> lines() {.....return StreamSupport.stream(Spliterators.spliteratorUnknownSize(iter, Spliterator.ORDERED | Spliterator.NONNULL), false);}
}
- 静态工厂
// LongStream 和DoubleStream类似
public interface IntStream extends BaseStream<Integer, IntStream> {public static IntStream range(int startInclusive, int endExclusive) {if (startInclusive >= endExclusive) {return empty();} else {return StreamSupport.intStream(new Streams.RangeIntSpliterator(startInclusive, endExclusive, false), false);}}
}public final class Files {public static Stream<Path> walk(Path start, FileVisitOption... options) throws IOException {return walk(start, Integer.MAX_VALUE, options);}
}
- 自己构建
通过实现java.util.Spliterator 自己构建,具体可以参考其中的任意一个示例
- 其他方式
public class Random implements java.io.Serializable {ints(...)longs(...)doubles(...)
}public final class Pattern implements java.io.Serializable{public Stream<String> splitAsStream(final CharSequence input) {}
}public class JarFile extends ZipFile {public Stream<JarEntry> stream() {}
}
我们通过以上方式构建,跟踪源代码,我们发现最终指向的是:
public final class StreamSupport {}
中间操作
**一个流可以后面跟随零个或多个中间操作。其目的主要是打开流,做出某种程度的数据映射/过滤,然后返回一个新的流,交给下一个操作使用。这类操作都是惰性化的(lazy),就是说,仅仅调用到这类方法,并没有真正开始流的遍历。
中间操作都是lazy的,多个中间操作只会在终止操作的时候融合(融合的不仅仅是中间操作,还有数据源的创建)起来,一次循环完成。我们可以这样简单的理解,Stream里有个中间操作函数的集合,每次转换操作就是把转换函数放入这个集合中,在终止 操作的时候循环Stream对应的集合,然后对每个元素执行所有的函数。**
比如:下面的这两个创建的都是无限流,如果不是最终遍历的时候才执行,那么我们为了取几个数,创建的数据源是多大呢?
我们把jvm的参数设置为3mb,如下图:
@Testpublic void generate(){Stream.iterate(0, (x) -> x + 2).limit(5).forEach(System.out::println);Stream.generate(()-> Math.random()).limit(5L).forEach(System.out::println);}
输出结果:
0
2
4
6
8
0.9473776969196388
0.6723046943435518
0.1704873740373829
0.169983516956142
0.6080414664225631
我们看下基础依赖,用于构建测试所需要的对象
public class Java8StreamTest {List<LoginInfo> list = null;Map<String,LoginInfo> map = null;private int getAge(){int age =new Random().nextInt(100);return age>18 ? age : 18;}private long getDate(){long det = new Random().nextLong();return System.currentTimeMillis() - det;}private String getLoginSource(){String[] sources = {"ios","android","h5"};return sources[new Random().nextInt(sources.length)];}private String getNickName(int i){String[] nicks = {"yxk","yxkong","tao","java"};return nicks[new Random().nextInt(nicks.length)] +i;}private String getMobile(int i){long[] nicks = {15600000000L,13600000000L,15100000000L,13300000000L};return nicks[new Random().nextInt(nicks.length)] + Long.valueOf(i) +"";}@Beforepublic void init(){list = new ArrayList<>();map = new HashMap<>();LoginInfo info = null;for (int i = 0; i < 100; i++) {info = new LoginInfo(Long.valueOf(i),getMobile(i),getNickName(i),getDate(),getLoginSource(),getAge(),getDate());list.add(info);map.put(info.getMobile(),info);}}@Testpublic void test(){list.stream().forEach(System.out::println);}
}
class LoginInfo implements Serializable {private Long userId;private String mobile;private String nickName;private long loginTime;private String loginSource;private int age;private long registerTime;public LoginInfo(Long userId, String mobile, String nickName, long loginTime, String loginSource, int age, long registerTime) {this.userId = userId;this.mobile = mobile;this.nickName = nickName;this.loginTime = loginTime;this.loginSource = loginSource;this.age = age;this.registerTime = registerTime;}public Long getUserId() {return userId;}public String getMobile() {return mobile;}public String getNickName() {return nickName;}public long getLoginTime() {return loginTime;}public String getLoginSource() {return loginSource;}public int getAge() {return age;}public long getRegisterTime() {return registerTime;}@Overridepublic String toString() {return "LoginInfo{" +"userId=" + userId +", mobile='" + mobile + '\'' +", nickName='" + nickName + '\'' +", loginTime=" + loginTime +", loginSource='" + loginSource + '\'' +", age=" + age +", registerTime=" + registerTime +'}';}
}
- filter 操作,过滤满足条件的数据
@Testpublic void filter(){/*** 我们过滤得到年龄>18 且小于30的登录渠道为h5的用户*/list.stream().filter(s->s.getAge()>18 && s.getAge()<30).filter(s->"h5".equals(s.getLoginSource())).forEach(System.out::println);boolean exist = list.stream().filter(s->s.getAge()>18 && s.getAge()<30).filter(s->"h5".equals(s.getLoginSource())).anyMatch(s->s.getNickName().contains("yxk"));System.out.println(exist);}
- map/flatmap map 的意思是将Stream里的对象进行映射,至于映射成什么,看你写的lambda
flatmap 和map的意思差不多,只不过flatmap映射的是一个Stream对象,这点不同
@Testpublic void map(){list.stream().map(s -> s.getNickName()).limit(3).forEach(System.out::println);list.stream().flatMap(s->Stream.of(s.getNickName())).limit(3).forEachOrdered(System.out::println);}
- distinct/sorted 去重
@Testpublic void distinctAndSorted(){int[] nums = {5,1,3,3,1};Arrays.stream(nums).distinct().sorted().forEach(System.out::println);list.stream().distinct().sorted((a,b)-> a.getMobile().compareTo(b.getMobile())).limit(3).forEach(System.out::println);list.stream().distinct().sorted((a,b)-> b.getMobile().compareTo(a.getMobile())).limit(3).forEach(System.out::println);//可以推断出中间操作是按顺序执行的list.stream().distinct().limit(3).sorted((a,b)-> a.getMobile().compareTo(b.getMobile())).forEach(System.out::println);list.stream().distinct().limit(3).sorted((a,b)-> b.getMobile().compareTo(a.getMobile())).forEach(System.out::println);}
- peek和skip
@Testpublic void skipAndPeek(){list.stream().skip(98).peek(s-> s.setAge(s.getAge()+100)).forEach(System.out::println);}
- 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。
@Testpublic void reduce(){int[] nums = {5,1,3,3,1};final OptionalInt reduceSum = Arrays.stream(nums).reduce(Integer::sum);final int sum = Arrays.stream(nums).sum();Assert.assertEquals(reduceSum.getAsInt(),sum);final OptionalInt reduceMax = Arrays.stream(nums).reduce(Integer::max);final OptionalInt max = Arrays.stream(nums).max();Assert.assertEquals(reduceMax,max);}
- collect
@Testpublic void collect(){//转成listfinal List<LoginInfo> list1 = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).collect(Collectors.toList());list1.forEach(l-> System.out.println("list:"+l.getUserId()));//转成setfinal Set<LoginInfo> set = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).collect(Collectors.toSet());set.forEach(l-> System.out.println("set:"+l.getUserId()));//转成map key是userId,value 是 LoginInfofinal Map<Long, LoginInfo> map = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).collect(Collectors.toMap(LoginInfo::getUserId, l -> l));map.forEach((k,v)-> System.out.println("map:"+k));//转成map key是userId,value 是agefinal Map<Long, Integer> map1 = list.stream().filter(l -> l.getAge() > 18 && l.getAge() < 30).collect(Collectors.toMap(LoginInfo::getUserId, LoginInfo::getAge));// 按loginSource 进行分组final Map<String, List<LoginInfo>> map2 = list.stream().collect(Collectors.groupingBy(LoginInfo::getLoginSource));map2.forEach((k,v)-> System.out.println(k+" size:"+ v.size()));// 年龄大于60进行分组final ConcurrentMap<Boolean, List<Integer>> concurrentMap = list.stream().flatMap(l -> Stream.of(l.getAge())).collect(Collectors.groupingByConcurrent(l -> l.intValue() > 60));concurrentMap.forEach((k,v)-> System.out.println(k+" size:"+ v.size()));// 将nickName 拼接起来 [yxkong0,yxk1,java2...]final String collect = list.stream().map(LoginInfo::getNickName).collect(Collectors.joining(",","[","]"));System.out.println(collect);}
- foreach
@Testpublic void foreach(){//foreach无序list.stream().parallel().limit(5).forEach(System.out::println);//forEachOrdered 按.sorted的顺序list.stream().sorted((a,b)->a.getUserId().compareTo(b.getUserId())).parallel().limit(5).forEachOrdered(System.out::println);}
- toArray
@Testpublic void toArray(){final Object[] objects = list.stream().limit(5).toArray();Arrays.stream(objects).forEach(System.out::println);//明确指定类型LoginInfofinal LoginInfo[] infos = list.stream().limit(5).toArray(LoginInfo[]::new);Arrays.stream(infos).forEach(System.out::println);}
- min、max 、count
@Testpublic void maxAndMinAndCount(){final Optional<LoginInfo> max = list.stream().filter(l -> l.getAge() < 18).max((m, n) -> m.getUserId().compareTo(n.getUserId()));Assert.assertFalse("没有符合条件的数据",max.isPresent());final Optional<LoginInfo> max1 = list.stream().max((m, n) -> m.getUserId().compareTo(n.getUserId()));System.out.println(max1.get());final Optional<LoginInfo> min = list.stream().min((m, n) -> m.getUserId().compareTo(n.getUserId()));System.out.println(min.get());final long count = list.stream().count();Assert.assertEquals("总数等于100",100,count);}
- short-circuiting
@Testpublic void shortCircuiting(){final boolean noneMatch = list.stream().noneMatch(l -> l.getAge() > 100);Assert.assertTrue("没有符合年龄大于100的数据",noneMatch);final boolean anyMatch1 = list.stream().anyMatch(l -> l.getAge() > 90);Assert.assertTrue("有符合条件的数据",anyMatch1);final boolean allMatch = list.stream().allMatch(l -> l.getAge() >= 18);Assert.assertTrue("所有登录用户都满足大于等于18",allMatch);final Optional<LoginInfo> first = list.stream().findFirst();System.out.println(first.get());final Optional<LoginInfo> any = list.stream().findAny();final Optional<LoginInfo> any1 = list.stream().findAny();final Optional<LoginInfo> any2 = list.stream().findAny();Assert.assertTrue("都相等",any.equals(any1) && any.equals(any2));final Optional<LoginInfo> pany = list.stream().parallel().findAny();final Optional<LoginInfo> pany1 = list.stream().parallel().findAny();final Optional<LoginInfo> pany2 = list.stream().parallel().findAny();Assert.assertFalse("在parallel情况下不相等",pany.equals(pany1) && pany.equals(pany2));}
总结
-
中间操作多次执行
-
中间操作惰性执行
-
中间操作按顺序执行
-
终止操作一次后无法再获取流
-
Stream支持并行操作
如果觉得对你有帮助,请关注公众号:5ycode,后续会不断更新哦
这篇关于一文掌握stream,让你的代码提高一个逼格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!