Java 8 新特性：Java 类库的新特性之 Stream类

Java 类库的新特性之 Stream类

文 | 莫若吻   

  

（注：此文中涉及到的一部分图片为网络图片，若有问题，请联系我将其删除。）

一.Java8对IO/NIO 的改进

Java 8 对 IO/NIO 也做了一些改进，主要包括：

• 改进了java.nio.charset.Charset 的实现，使编码和解码的效率得以提升；
• 精简了jre/lib/charsets.jar 包；
• 优化了 String(byte[],*) 构造方法和 String.getBytes() 方法的性能；
• 增加了一些新的 IO/NIO 方法，使用这些方法可以从文件或者输入流中获取流（java.util.stream.Stream），通过对流的操作，可以简化文本行处理、目录遍历和文件查找。

新增的 API 如下：
BufferedReader.line() --> 返回文本行的流 Stream
File.lines(Path, Charset) --> 返回文本行的流 Stream
File.list(Path) --> 遍历当前目录下的文件和目录
File.walk(Path, int, FileVisitOption) --> 遍历某一个目录下的所有文件和指定深度的子目录
File.find(Path, int, BiPredicate, FileVisitOption... ) --> 查找相应的文件

eg:用流式操作列出当前目录下的所有文件和目录

Files.list(new File(".").toPath()).forEach(System.out::println);

二.简述Stream

Java 8引入了全新的Stream API。这里的Stream和I/O流不同，它更像具有Iterable的集合类，但行为和集合类又有所不同。

最新添加的Stream API（java.util.stream） 把真正的函数式编程风格引入到Java中。这是目前为止对Java类库最好的补充，因为Stream API可以极大提供Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。

接口 Stream 官方英文文档地址：
http://docs.oracle.com/javase/8/docs/api/java/util/stream/Stream.html

Collectors类 官方英文文档地址：

http://docs.oracle.com/javase/8/docs/api/java/util/stream/Collectors.html

三.Stream

1. Stream 的官方描述

A sequence of elements supporting sequential and parallel aggregate operations .

（一个序列的元素支持顺序和并行聚合操作。）

理解：

Stream是元素的集合，这点让Stream看起来用些类似Iterator；

可以支持顺序和并行的对原Stream进行聚合（聚合也可以理解为聚汇、合并）的操作。

Note：

可以把Stream当成一个高级版本的Iterator。原始版本的Iterator，用户只能一个一个的遍历元素并对其执行某些操作；高级版本的Stream，用户只要给出需要对其包含的元素执行什么操作，如“过滤掉长度大于10的字符串”、“获取每个字符串的首字母”等，具体这些操作如何应用到每个元素上，就给Stream就OK了！

eg：获取一个List中，元素不为null的个数。

		//Lists是Guava中的一个工具类
		List nums = Lists.newArrayList(1,null,3,4,null,6);
		nums.stream().filter(num -> num != null).count();

2. 流操作

2.1 流(Stream)操作

在官网上有这样一个示例：使用一个原始的流，以及一个只能用在原始流上的sum()方法。

		int sumOfWeights = blocks.stream().filter(b -> b.getColor() == RED)
                                  .mapToInt(b -> b.getWeight())
                                  .sum();

流提供了流畅的API，可以进行数据转换和对结果执行某些操作。流操作既可以是“中间的”也可以是“末端的”。
1)中间的 :

中间的操作保持流打开状态，并允许后续的操作。eg:filter()和map()方法就是中间的操作。

这些操作的返回数据类型是流；它们返回当前的流以便串联更多的操作。

2)末端的 :

末端的操作必须是对流的最终操作。当一个末端操作被调用，流被“消耗”并且不再可用。

eg:sum()方法就是一个末端的操作。

Note:中间的 操作是延迟的（lazy）。只有末端的操作会立即开始流中元素的处理。在那个时刻，不管包含了多少中间的操作，元素会在一个传递中处理（通常，但并不总是。有状态的操作eg:sorted() 和distinct()可能需要对元素的二次传送。） 

通常，处理一个流需要以下步骤：

（注：这里的步骤和下面讲到的“使用Stream的基本步骤”道理是一样。只是理解方式不同）

• 从某个源头获得一个流。
• 执行一个或更多的中间的操作。
• 执行一个末端的操作。

Note：可能你想在一个方法中执行所有那些步骤。那样，就需要知道源头和流的属性，而且要可以保证它被正确的使用。你可能不想接受任意的Stream实例作为你的方法的输入，因为它们可能具有你难以处理的特性，比如并行的或无限的。

2.2 流操作的特性

1)有状态的:

有状态的操作给流增加了一些新的属性，如:元素的唯一性，或者元素的最大数量，或者保证元素以排序的方式被处理。这些典型的要比无状态的中间操作代价大。

2)短路:

短路操作潜在的允许对流的操作尽早停止，而不去检查所有的元素。这是对无限流的一个特殊设计的属性；如果对流的操作没有短路，那么代码可能永远也不会终止。

2.3 中间的 操作（API方法）

filter() --> 排除所有与断言不匹配的元素。
map() --> 通过Function对元素执行一对一的转换。
flatMap() --> 通过FlatMapper将每个元素转变为无或更多的元素。
peek() --> 对每个遇到的元素执行一些操作。主要对调试很有用。
distinct() --> 根据.equals行为排除所有重复的元素。这是一个有状态的操作。
sorted() --> 确保流中的元素在后续的操作中，按照比较器（Comparator）决定的顺序访问。这是一个有状态的操作。
limit() --> 保证后续的操作所能看到的最大数量的元素。这是一个有状态的短路的操作。
substream() --> 确保后续的操作只能看到一个范围的（根据index）元素。像不能用于流的String.substring一样。也有两种形式，一种有一个开始索引，一种有一个结束索引。二者都是有状态的操作，有一个结束索引的形式也是一个短路的操作。

2.4 末端的 操作（API方法）

forEach() -->对流中的每个元素执行一些操作。
toArray() --> 将流中的元素倾倒入一个数组。
reduce() --> 通过一个二进制操作将流中的元素合并到一起。
collect() --> 将流中的元素倾倒入某些容器，eg:一个Collection或Map.
min() --> 根据一个比较器找到流中元素的最小值。
max() --> 根据一个比较器找到流中元素的最大值。
count() --> 计算流中元素的数量。
anyMatch() --> 判断流中是否至少有一个元素匹配断言。这是一个短路的操作。
allMatch() --> 判断流中是否每一个元素都匹配断言。这是一个短路的操作。
noneMatch()--> 判断流中是否没有一个元素匹配断言。这是一个短路的操作。
findFirst()--> 查找流中的第一个元素。这是一个短路的操作。
findAny() --> 查找流中的任意元素，可能对某些流要比findFirst代价低。这是一个短路的操作。

3. 使用Stream的基本步骤

1）创建Stream；
2）转换Stream，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）；
3）对Stream进行聚合（Reduce）操作，获取想要的结果。

（注：官方文档 reduce，也叫fold。“聚合”一词是我自己翻译的；也可以理解为合并。具体怎么译看每个人怎么理解。也有人译成 汇聚。）

eg：

剖析Stream通用语法

图片就是对于Stream例子的一个解析：原本一条语句被三种颜色的框分割成了三个部分。
红色框中的语句是一个Stream的生命开始的地方，负责创建一个Stream实例；
绿色框中的语句是赋予Stream灵魂的地方，把一个Stream转换成另外一个Stream，红框的语句生成的是一个包含所有nums变量的Stream，进过绿框的filter方法以后，重新生成了一个过滤掉原nums列表所有null以后的Stream；
蓝色框中的语句是丰收的地方，把Stream的里面包含的内容按照某种算法来汇聚成一个值，例子中是获取Stream中包含的元素个数。
过程解析如图：

4. 创建Stream

最常用的创建Stream有两种途径：

1）通过Stream接口的静态工厂方法（Note：Java8里接口可以带静态方法）。

2）通过Collection接口的默认方法 stream()，把一个Collection对象转换成Stream。

4.1 使用Stream静态方法来创建Stream

有三种方式：

1) of方法: 有两个，一个接受变长参数，一个接受单一值。

static Streamof(T... values)

static Streamof(T t)

eg：

Stream integerStream = Stream.of(1, 5, 9, 5);
Stream stringStream = Stream.of("meili");

2) generator方法：生成一个无限长度的Stream，其元素的生成是通过给定的Supplier（这个接口可以看成一个对象的工厂，每次调用返回一个给定类型的对象）

static Streamgenerate(Supplier s)

eg：

		//1.普通表现形式
		Stream.generate(new Supplier() {
		   @Override
		   public Double get() {
			return Math.random();
		   }
		});
		//2.lambda表达式的表现形式
		Stream.generate(() -> Math.random());
		//3.方法引用的表现形式
		Stream.generate(Math::random);

上面三条语句的作用都是一样的，只是使用了lambda表达式和方法引用的语法来简化代码。
每条语句其实都是生成一个无限长度的Stream，其中值是随机的。
这个无限长度Stream是懒加载，一般这种无限长度的Stream都会配合Stream的 limit()方法来用。

3) iterate方法:也是生成无限长度的Stream，和generator不同的是，其元素的生成是重复对给定的种子值(seed)调用用户指定函数来生成的。其中包含的元素可以认为是：seed，f(seed),f(f(seed))无限循环

static Streamiterate(T seed, UnaryOperator f)

eg：

		//先获取一个无限长度的正整数集合的Stream，然后取出前10个打印。
		Stream.iterate(1, item -> item + 1).limit(10).forEach(System.out::println);

Note:此方法需配合 limit()方法 使用 ，不然会无限打印下去。

4.2 通过Collection子类获取Stream

Collection接口有一个stream方法，所以其所有子类都都可以获取对应的Stream对象。从List对象获取其对应的Stream对象。

public interface Collection extends Iterable {
			//其他方法省略
			default Stream stream() {
			 return StreamSupport.stream(spliterator(), false);
			}
		}

eg：一个流的最常见方法是从一个collection获取。

Stream stream = collection.stream();

5.转换Stream

转换Stream其实就是把一个Stream通过某些行为转换成一个新的Stream。

eg：

List nums = Lists.newArrayList(1,1,null,2,3,4,null,5,6,7,8,9,10);
		System.out.println(“sum is:”
			+ nums.stream().filter(num -> num != null)
				.distinct().mapToInt(num -> num * 2)
				.peek(System.out::println).skip(2).limit(4).sum() );

说明：给定一个Integer类型的List，获取其对应的Stream对象，然后进行过滤掉null，再去重，再每个元素乘以2，再每个元素被消费的时候打印自身，在跳过前两个元素，最后去前四个元素进行加和运算。

性能问题：

在对于一个Stream进行多次转换操作，每次都对Stream的每个元素进行转换，而且是执行多次，这样时间复杂度就是一个for循环里把所有操作都做掉的N（转换的次数）倍。但是事实上不是这样的，转换操作都是lazy的，多个转换操作只会在聚合（reduce）操作的时候融合起来，一次循环完成。我们可以这样简单的理解，Stream里有个操作函数的集合，每次转换操作就是把转换函数放入这个集合中，在聚合操作的时候循环Stream对应的集合，然后对每个元素执行所有的函数。

5.1 distinct()

Streamdistinct()

对于Stream中包含的元素进行去重操作（去重逻辑依赖元素的equals方法），新生成的Stream中没有重复的元素。（根据.equals行为排除所有重复的元素。）

distinct()方法示意图：

5.2 filter( )

Stream filter(Predicate predicate)

对于Stream中包含的元素使用给定的过滤函数进行过滤操作，新生成的Stream只包含符合条件的元素。（排除所有与断言不匹配的元素。）

filter()方法示意图：

5.3 map( )

Stream map(Function mapper)

DoubleStream mapToDouble(ToDoubleFunction mapper)

IntStreammapToInt(ToIntFunction mapper)
LongStream mapToLong(ToLongFunction mapper)

对于Stream中包含的元素使用给定的转换函数进行转换操作，新生成的Stream只包含转换生成的元素。（通过Function对元素执行一对一的转换）

这个方法有三个对于原始类型的变种方法，分别是：mapToInt()，mapToLong()和mapToDouble()。比较好理解，如mapToInt就是把原始Stream转换成一个新的Stream，这个新生成的Stream中的元素都是int类型。此三个变种方法，可以免除自动装箱/拆箱的额外消耗；

map()方法示意图：

5.4 flatMap( )

StreamflatMap(Function> mapper)
DoubleStream flatMapToDouble(Function mapper)
IntStream flatMapToInt(Function mapper)
LongStream flatMapToLong(Function mapper)

和map类似，不同的是其每个元素转换得到的是Stream对象，会把子Stream中的元素压缩到父集合中。（通过FlatMapper将每个元素转变为无或更多的元素。）

flatMap()方法示意图：

5.5 peek( )

Streampeek(Consumer action)

（返回一个流的元素组成的流,另外在每个元素上执行所提供的行动产生的流元素消耗。）

生成一个包含原Stream的所有元素的新Stream，同时会提供一个消费函数（Consumer实例），新Stream每个元素被消费的时候都会执行给定的消费函数.（对每个遇到的元素执行一些操作。主要对调试很有用。）

peek()方法示意图：

5.6 limit( )

Streamlimit(long maxSize)

对一个Stream进行截断操作，获取其前N个元素；如果原Stream中包含的元素个数小于N，那就获取其所有的元素。（保证后续的操作所能看到的最大数量的元素。）

limit()方法示意图：

5.7 skip( )

Stream skip(long n)

返回一个丢弃原Stream的前N个元素后剩下元素组成的新Stream，如果原Stream中包含的元素个数小于N，那么返回空Stream。（取N个元素后面的所有元素）

skip()方法示意图：

6.Reduce（聚合）Stream

聚合（也称为折叠）接受一个元素序列为输入，反复使用某个合并操作，把序列中的元素合并成一个汇总的结果。eg：查找一个数字列表的总和或者最大值，或者把这些数字累积成一个List对象。

Stream接口有一些通用的聚合操作，eg：reduce()和collect()；

也有一些特定用途的聚合操作，eg：sum(),max()和count()。

Note：sum()方法不是所有的Stream对象都有的，只有IntStream、LongStream和DoubleStream是实例才有。

聚合操作:

1)可变聚合：把输入的元素们累积到一个可变的容器中，eg:Collection或者StringBuilder。

2)其他聚合：除去可变汇聚剩下的，一般都不是通过反复修改某个可变对象，而是通过把前一次的聚合（汇聚）结果当成下一次的入参，反复如此。eg:reduce()，count()，allMatch()。

6.1 可变聚合（collect）

collect()方法可以把Stream中的所有元素收集到一个结果容器中（eg：Collection）

Rcollect(Collector collector)
R collect(Supplier supplier, BiConsumer accumulator, BiConsumer combiner)

方法参数说明：Supplier supplier是一个工厂函数，用来生成一个新的容器；BiConsumer accumulator也是一个函数，用来把Stream中的元素添加到结果容器中；BiConsumer combiner还是一个函数，用来把中间状态的多个结果容器合并成为一个（并发的时候会用到）。

eg:对一个元素是Integer类型的List，先过滤掉全部的null，然后把剩下的元素收集到一个新的List中。

        List nums = Lists.newArrayList(1,1,null,2,3,4,null,5,6,7,8,9,10);
        List numsWithoutNull = nums.stream().filter(num -> num != null)
        .collect(() -> new ArrayList(),
                (list, item) -> list.add(item),
                (list1, list2) -> list1.addAll(list2));

说明：第一个函数生成一个新的ArrayList实例；
第二个函数接受两个参数，第一个是前面生成的ArrayList对象，第二个是stream中包含的元素，函数体就是把stream中的元素加入ArrayList对象中。第二个函数被反复调用直到原stream的元素被消费完毕；
第三个函数也是接受两个参数，这两个都是ArrayList类型的，函数体就是把第二个ArrayList全部加入到第一个中。

Java8还给我们提供了Collector的工具类Collectors，其中已经定义了一些静态工厂方法，

eg：Collectors.toCollection()收集到Collection中； 

Collectors.toList()收集到List中；

Collectors.toSet()收集到Set中。

Collectors英文文档地址：

http://docs.oracle.com/javase/8/docs/api/java/util/stream/Collectors.html

eg：

		List nums = Lists.newArrayList(1,1,null,2,3,4,null,5,6,7,8,9,10);
		List numsWithoutNull = nums.stream().filter(num -> num != null)
			.collect(Collectors.toList());

6.2其他聚合（或汇聚）

reduce()、count()，sum()等方法。

reduce()方法有三种形式：

Optionalreduce(BinaryOperator accumulator)
T  reduce(T identity, BinaryOperator accumulator)
U reduce(U identity, BiFunction accumulator, BinaryOperator combiner)

eg：

一个参数的reduce方法：

/**
		*这个函数有两个参数，第一个参数是上次函数执行的返回值（也称为中间结果），第二个参数是stream中的元素，这个函数把这两个值相加，得到的和会被赋值给下次执行这个函数的第一个参数。Note：**第一次执行的时候第一个参数的值是Stream的第一个元素，第二个参数是Stream的第二个元素。
		*这个方法返回值类型是Optional，这是Java8防止出现NPE的一种可行方法。
		*/
		List ints = Lists.newArrayList(1,2,3,4,5,6,7,8,9,10);
		System.out.println("ints sum is:"
			+ ints.stream().reduce((sum, item) -> sum + item).get());

两个参数的 reduce方法：

		/**
		*不同的是：它允许用户提供一个循环计算的初始值，如果Stream为空，就直接返回该值。
		*而且这个方法不会返回Optional，因为其不会出现null值。
		*/
		List ints = Lists.newArrayList(1,2,3,4,5,6,7,8,9,10);
		System.out.println("sum is:" 
			+ ints.stream().reduce(0, (sum, item) -> sum + item));

count()方法示例：

		List ints = Lists.newArrayList(1,2,3,4,5,6,7,8,9,10);
		System.out.println("sum is:" + ints.stream().count());

7. 应用示例

1）Stream API示例

eg：

public class MyStreams  {
    private enum Status {
        OPEN, CLOSED
    };
    /**
     * Task类有一个分数的概念（或者说是伪复杂度），其次是还有一个值可以为OPEN或CLOSED的状态.
     */
    private static final class Task {
        private final Status status;
        private final Integer points;

        Task( final Status status, final Integer points ) {
            this.status = status;
            this.points = points;
        }

        public Integer getPoints() {
            return points;
        }

        public Status getStatus() {
            return status;
        }

        @Override
        public String toString() {
            return String.format( "[%s, %d]", status, points );
        }
    }
}
/**
 * Stream API极大简化了集合框架的处理
 */
public class StreamDemo {
    public static void main(String[] args) {
        final Collection< Task > tasks = Arrays.asList(
                new Task( Status.OPEN, 5 ),
                new Task( Status.OPEN, 13 ),
                new Task( Status.CLOSED, 8 )
        );
        //1.获取tasks中状态为OPEN的总数和
        getOpenTotalPoint();
        //2.计算所有状态的总和
        getTotalPoints();
        //3.根据状态分组
        getListByStatus();
        //4.计算整个集合中每个task分数（或权重）的平均值

        //5.从文本文件中逐行读取数据这样典型的I/O操作也很适合用Stream API来处理。
        final Path path = new File( filename ).toPath();
        try( Stream< String > lines = Files.lines( path, StandardCharsets.UTF_8 ) ) {
            //对一个stream对象调用onClose方法会返回一个在原有功能基础上新增了关闭功能的stream对象，
            //当对stream对象调用close()方法时，与关闭相关的处理器就会执行。
            lines.onClose( () -> System.out.println("Done!") ).forEach( System.out::println );
        }


    }
    /**
     1.获取tasks中状态为OPEN的总数和
     思路：
     第一，task集合被转换化为其相应的stream表示。然后，filter操作过滤掉状态为CLOSED的task。
     下一步，mapToInt操作通过Task::getPoints这种方式调用每个task实例的getPoints方法把Task的stream转化为Integer的stream。
     最后，用sum函数把所有的分数加起来，得到最终的结果。
     */
    public static void getOpenTotalPoint(){
        final long totalPointsOfOpenTasks = tasks
                .stream()
                .filter( task -> task.getStatus() == Status.OPEN )
                .mapToInt( Task::getPoints )
                .sum();
        System.out.println( "OPEN--Total points: " + totalPointsOfOpenTasks );//输出结果：OPEN--Total points:18
    }

    /**
     *	stream另一个有价值的地方是能够原生支持并行处理。
     *	2.计算所有状态的总和
     */
    public static void getTotalPoints(){
        //这个示例和第一个示例很相似，但这个例子的不同之处在于这个程序是并行运行的，
        //其次使用reduce方法来算最终的结果。
        final double totalPoints = tasks
                .stream()
                .parallel()
                .map( task -> task.getPoints() ) // 或 map( Task::getPoints ) 
                .reduce( 0, Integer::sum );
        System.out.println( "Total points (all tasks): " + totalPoints );//输出结果：Total points (all tasks): 26.0

    }

    /**
     按照某种准则来对集合中的元素进行分组。
     3.根据状态分组
     */
    public static void getListByStatus(){
        final Map< Status, List< Task > > map = tasks
                .stream()
                .collect( Collectors.groupingBy( Task::getStatus ) );
        System.out.println( map );//输出结果：{CLOSED=[[CLOSED, 8]], OPEN=[[OPEN, 5], [OPEN, 13]]}
    }
    /**
     4.计算整个集合中每个task分数（或权重）的平均值
     */
    public static void getPercentage(){
        final Collection< String > result = tasks
                .stream()                                        // Stream< String >
                .mapToInt( Task::getPoints )                     // IntStream
                .asLongStream()                                  // LongStream
                .mapToDouble( points -> points / totalPoints )   // DoubleStream
                .boxed()                                         // Stream< Double >
                .mapToLong( weigth -> ( long )( weigth * 100 ) ) // LongStream
                .mapToObj( percentage -> percentage + "%" )      // Stream< String> 
                .collect( Collectors.toList() );                 // List< String > 
        System.out.println( result );//输出结果：[19%, 50%, 30%]
    }
}

2）生成斐波那契数列示例（利用Stream API，可以设计更加简单的数据接口。）

生成斐波那契数列，完全可以用一个无穷流表示（受限Java的long型大小，可以改为BigInteger）。

eg：

class FibonacciSupplier implements Supplier {
    long a = 0;
    long b = 1;

    @Override
    public Long get() {
        long x = a + b;
        a = b;
        b = x;
        return a;
    }
}

public class FibonacciStream {
    public static void main(String[] args) {
        Stream fibonacci = Stream.generate(new FibonacciSupplier());
        fibonacci.limit(10).forEach(System.out::println);

		//如果想取得数列的前10项，用limit(10)，如果想取得数列的第20~30项,用skip()，
		//通过collect()方法把Stream变为List。该List存储的所有元素就已经是计算出的确定的元素了.
		List list = fibonacci.skip(20).limit(10).collect(Collectors.toList());
    }
}

Note：用Stream表示Fibonacci数列，其接口比任何其他接口定义都要来得简单灵活并且高效。

3）计算π可以利用π的展开式：π/4 = 1 - 1/3 + 1/5 - 1/7 + 1/9 - ...

eg：

/**
* 把π表示为一个无穷Stream
*/
class PiSupplier implements Supplier {

    double sum = 0.0;
    double current = 1.0;
    boolean sign = true;

    @Override
    public Double get() {
        sum += (sign ? 4 : -4) / this.current;
        this.current = this.current + 2.0;
        this.sign = ! this.sign;
        return sum;
    }
}

public class StreamDemo {
    public static void main(String[] args) {
		/*
		* 这个级数从100项开始可以把π的值精确到3.13~3.15之间
		*/
		Stream piStream = Stream.generate(new PiSupplier());
		piStream.skip(100).limit(10).forEach(System.out::println);
    }
}

输出结果：

3.1514934010709914
3.1317889675734545
3.1513011626954057
3.131977491197821
3.1511162471786824
3.1321589012071183
3.150938243930123
3.132333592767332
3.1507667724908344
3.1325019323081857

4）利用欧拉变换对级数进行加速，

可以利用下面的公式：

eg：

/**
* 用代码实现就是把一个流变成另一个流
*/
class EulerTransform implements Function {

    double n1 = 0.0;
    double n2 = 0.0;
    double n3 = 0.0;

    @Override
    public Double apply(Double t) {
        n1 = n2;
        n2 = n3;
        n3 = t;
        if (n1 == 0.0) {
            return 0.0;
        }
        return calc();
    }

    double calc() {
        double d = n3 - n2;
        return n3 - d * d / (n1 - 2 * n2 + n3);
    }
}

public class StreamDemo {
    public static void main(String[] args) {
		/*
		* 可以在10项之内把π的值计算到3.141~3.142之间：
		*/
		Stream piStream2 = Stream.generate(new PiSupplier());
			piStream2.map(new EulerTransform())
			.limit(10)
			.forEach(System.out::println);
    }
}

输出结果：

0.0
0.0
3.166666666666667
3.1333333333333337
3.1452380952380956
3.13968253968254
3.1427128427128435
3.1408813408813416
3.142071817071818
3.1412548236077655

可以多次使用上面的加速器,下面输出结果自己测试哦。

/*
			20项之内可以计算出极其精确的值
		*/

		Stream piStream3 = Stream.generate(new PiSupplier());
		piStream3.map(new EulerTransform())
         .map(new EulerTransform())
         .map(new EulerTransform())
         .map(new EulerTransform())
         .map(new EulerTransform())
         .limit(20)
         .forEach(System.out::println);

8.流（Stream）的串行与并行

一个流就像一个地带器。这些值“流过”（模拟水流）然后他们离开。一个流可以只被遍历一次，然后被丢弃。流也可以无限使用。

流能够是 串行的 或者 并行的。 它们可以使用其中一种方式开始，然后切换到另外的一种方式；使用stream.sequential()（切换串行）或stream.parallel()（切换并行）来达到这种切换。串行流在一个线程上连续操作。而并行流就可能一次出现在多个线程上。

Note:

重要的是要意识到并行不是毫无代价的。从性能的立场它不是无代价的，不能简单的将顺序流替换为并行流，且不做进一步思考就期望得到相同的结果。在并行化一个流以前，需要考虑很多特性，关于流、它的操作以及数据的目标方面。eg：访问顺序确实对我有影响吗？我的函数是无状态的吗？我的流有足够大，并且我的操作有足够复杂，这些能使得并行化是值得的吗？

如何通过并行Stream来提升性能？

//如何并行Stream来提升性能
class StreamDemo 
{
	public static void main(String[] args) 
	{
		//创建一个没有重复元素的大表
		int max =1000000;
		List val=new ArrayList<>(max);
		for(int i=0;i

四.Stream与Collection区别

Collection是关于静止的数据结构，而Stream是有关动词算法和计算的。

Collection是主要面向内存，存储在内存中；Stream主要是面向CPU，通过CPU实现计算的。

理解说明：

将一个影片存储在DVD盘上，这是一个集合，因为它包含整个电影的字节数据结构，而这个影片被放在互联网上，我们通过视频软件去观看它时，它实际是被流化了，它变成了一个字节流，流是与时间有关的概念，而数据结构是与时间无关，不会随着时间变化变化，流正好相反，随着时间不断地动态变化，如同水流一样潺潺不断。
所以，集合与流的主要区别是是否需要被计算，集合是一个内存数据结构，集合中每个元素在加入到集合之前已经被计算了，相反，流是在即时要求即时计算。

使用集合需要开发者主动去遍历，使用一个遍历循环，这称为外部遍历。
使用一个流库需要使用内部遍历，它自己为你遍历元素，然后将结果保存在某处，你只要提供一个函数，它就会用这个函数对元素处理完成。

eg：

List transactionIds = new ArrayList<>();
		for(Transaction t: transactions){
			transactionIds.add(t.getId()); //外部遍历
		}
 
		List transactionIds = transactions.stream()
					.map(Transaction::getId) //内部遍历
					.collect(toList())
		}

Stream操作不同于Collection操作有两个根本点：
1）管道Pipelining: 许多流Stream操作返回流Stream自身，这就允许对其操作可以像链条一样排列，变成一个管道，这其中也会激活比如懒加载和short-circuiting操作。
2）内部迭代：相比于集合Collection是显式迭代(需要我们编码完成迭代)，Stream操作是在其内部完成迭代操作。

五.为什么不在集合类实现元素迭代等操作，而是定义了全新的Stream API？

以下Oracle官方给出的解释：

1）集合类持有的所有元素都是存储在内存中的，非常巨大的集合类会占用大量的内存，而Stream的元素却是在访问的时候才被计算出来，这种“延迟计算”的特性有点类似Clojure的lazy-seq，占用内存很少。
2）集合类的迭代逻辑是调用者负责，通常是for循环，而Stream的迭代是隐含在对Stream的各种操作中，eg：map()。

要理解“延迟计算”，不妨创建一个无穷大小的Stream。

分析：如果要表示自然数集合，显然用集合类是不可能实现的，因为自然数有无穷多个。但是Stream可以做到。
eg：

/**
* 自然数集合的规则非常简单，每个元素都是前一个元素的值+1。
* 反复调用get()，将得到一个无穷数列，利用这个Supplier，可以创建一个无穷的Stream
*/
class NaturalSupplier implements Supplier {
    long num = 0;
    public Long get() {
        this.num = this.num + 1;
        return this.num;
    }
}

class StreamDemo
{
	public static void main(String[] args) {
		/**
		* 对这个Stream做任何map()、filter()等操作都是完全可以的，这说明Stream API对Stream进行转换并生成一个新的Stream并非实时计算，而是做了延迟计算。
		* 当然，对这个无穷的Stream不能直接调用forEach()，这样会无限打印下去。但是我们可以利用limit()变换，把这个无穷Stream变换为有限的Stream。
		*/
		Stream natural = Stream.generate(new NaturalSupplier());
		natural.map((x) -> {
			return x * x;
		}).limit(10).forEach(System.out::println);
	}
}