JDK8新特性【Stream】

Java 8 API添加了一个新的抽象称为流Stream，可以让你以一种声明的方式处理数据。
Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。
这种风格将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选， 排序，聚合等。
元素流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果。

+--------------------+       +------+   +------+   +---+   +-------+
| stream of elements +-----> |filter+-> |sorted+-> |map+-> |collect|
+--------------------+       +------+   +------+   +---+   +-------+

以上的流程转换为 Java 代码为：

List transactionsIds = 
widgets.stream()
             .filter(b -> b.getColor() == RED)
             .sorted((x,y) -> x.getWeight() - y.getWeight())
             .mapToInt(Widget::getWeight)
             .sum();

一、什么是 Stream？

Stream（流）是一个来自数据源的元素队列并支持聚合操作

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，I/O channel， 产生器generator 等。
聚合操作 类似SQL语句一样的操作， 比如filter, map, reduce, find, match, sorted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For-Each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， 通过访问者模式(Visitor)实现。

二、Stream的使用流程

首先当我们在使用一个流的时候通常包括三个基本的步骤：获取一个数据源（Stream Source）→ 数据转换→执行操作获取想要的结果。

第一部分：获取一个数据源（Stream Source）

想要对流进行操作，首先你必须获取一个流的对象，获取流的对象就要有一个能够生成流的数据源（Stream Source），流的数据源有很多，比较常用的两个数据源：集合（Collection）、数组。

第二部分：流的构造与转换

构造成流的几种常见的方法：

    //常用的构造流的几种方法
    public static void StreamInitDemo(){
        //1. 直接用Stream类生成Stream对象
        Stream stream = Stream.of("a","b","c");

        //2. 通过Arrays来获取Stream对象
        String [] stringAry = new String[] {"a","b","c"};
        stream = Arrays.stream(stringAry);

        //3. 通过集合对象来获取Stream对象
        List list = Arrays.asList(stringAry);
        stream = list.stream();
    }

以上都是讲数据源转化为流，得到流对象后我们会进行一些相应的操作，那么操作完以后我们想要的不会是流对象，其只是一个工具，最后我们想要会是String或者一个数组或者一个集合，也有可能是一个map，这就涉及到了流的转换，接下来请看演示代码：

    //流转换为其他数据结构
    public static void StreamTransDemo(){
        Stream stream = Stream.of("a", "b", "c");
        //1. Stream类对象转成数组
        String[] strings = (String[]) stream.toArray(String[]::new);
        //2. Stream转成集合
        List list1 = (List) stream.collect(Collectors.toList());
        List list2 = (List) stream.collect(Collectors.toCollection(ArrayList::new));
        Set set = (Set) stream.collect(Collectors.toSet());
        Stack stack = (Stack) stream.collect(Collectors.toCollection(Stack::new));
        //Stream转成String
        String str = stream.collect(Collectors.joining()).toString();
    }

第三部分：Stream的操作

image.png

如图，流的操作类型分为三种：Intermediate、Termianl、Short-circuiting。

• Intermediate表示中间的，这类方法的返回值还是一个Stream流对象，因此你可以再对其进行操作，比如你想先进行过滤，然后再过滤等操作。
• Terminal 则表示这是流的最终操作，当这种类型的对流进行操作后，就无法对流进行操作了。
• Short-circuiting 表示：对于一个 intermediate 操作，如果它接受的是一个无限大（infinite/unbounded）的 Stream，但返回一个有限的新 Stream。对于一个 terminal 操作，如果它接受的是一个无限大的 Stream，但能在有限的时间计算出结果。

那么它们这三种类型都包含哪些方法呢？

• Intermediate：
  map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered

• Terminal：
  forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator

• Short-circuiting：
  anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 limit

1.map

map的作用就是把放入Stream中的每一个元素都执行一般操作后再返回一个Stream。这就相当于隐式的迭代器（iterator）。

//这个操作将 wordList 集合中的元素全部转换成大写然后再调用
//collect方法获得一个list集合。
List output = wordList.stream().map(String::toUpperCase).collect(Collectors.toList());

在这个方法中map是一个Intermediate方法，其返回一个Stream，但是通常情况下我们想要其转成list 或者 数组，因此调用 collect 方法，它是Terminal 最后获得一个List集合。再比如：

//获取 nums 中每个元素的平方
List nums = Arrays.asList(1, 2, 3, 4);
List squareNums = nums.stream().map(n -> n * n).collect(Collectors.toList());

从上面例子可以看出，map 生成的是个 1:1 映射，每个输入元素，都按照规则转换成为另外一个元素。还有一些场景，是一对多映射关系的，这时需要 flatMap。
map可以把Stream中的元素按照给定的Function进行转换，新生成的Stream只包含转换生成的元素。但如果Stream中的元素是集合，则无能为力，这个时候就需要flatmap。

flatMap：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，就好像多个流都被合并起来，扁平化为一个流。
flat:水平的; 平坦的; 平滑的;

2.flatMap

Stream> inputStream = Stream.of(
 Arrays.asList(1),
 Arrays.asList(2, 3),
 Arrays.asList(4, 5, 6)
 );
Stream outputStream = inputStream.flatMap((childList) -> childList.stream());

flatMap 把放入 Stream 中的层级结构扁平化，就是将最底层元素抽出来放到一起，最终 output 的新 Stream 里面已经没有 List 了，都是直接的数字。

3.filter

filter 对原始 Stream 进行某项测试，通过测试的元素被留下来生成一个新 Stream。

//筛选出集合中的所有的偶数
Integer[] sixNums = {1, 2, 3, 4, 5, 6};
Integer[] evens = Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new);

4.forEach

forEach 方法接收一个 Lambda 表达式，然后在 Stream 的每一个元素上执行该表达式。

//打印出Person 中的姓名字段
//java 8的代码
roster.stream()
        .filter(p -> p.getGender() == Person.Sex.MALE)
            .forEach(p -> System.out.println(p.getName()));
//java 8之前的代码
for (Person p : roster) {
        if (p.getGender() == Person.Sex.MALE) {
            System.out.println(p.getName());
        }
 }

对一个人员集合遍历，找出男性并打印姓名。可以看出来，forEach 是为 Lambda 而设计的，保持了最紧凑的风格。而且 Lambda 表达式本身是可以重用的，非常方便。当需要为多核系统优化时，可以 parallelStream().forEach()，只是此时原有元素的次序没法保证，并行的情况下将改变串行时操作的行为，此时 forEach 本身的实现不需要调整，而 Java8 以前的 for 循环 code 可能需要加入额外的多线程逻辑。

但一般认为，forEach 和常规 for 循环的差异不涉及到性能，它们仅仅是函数式风格与传统 Java 风格的差别。另外一点需要注意，forEach 是 terminal 操作，因此它执行后，Stream 的元素就被“消费”掉了，你无法对一个 Stream 进行两次 terminal 运算。下面的代码是错误的：

stream.forEach(element -> doOneThing(element));
stream.forEach(element -> doAnotherThing(element));

相反，具有相似功能的 intermediate 操作 peek 可以达到上述目的。如下是出现在该 api javadoc 上的一个示例。

5.peek

//peek 对每个元素执行操作并返回一个新的 Stream
Stream.of("one", "two", "three", "four")
 .filter(e -> e.length() > 3)
 .peek(e -> System.out.println("Filtered value: " + e))
 .map(String::toUpperCase)
 .peek(e -> System.out.println("Mapped value: " + e))
 .collect(Collectors.toList());

6.findFirst

这是一个 termimal 兼 short-circuiting 操作，它总是返回 Stream 的第一个元素，或者空。
这里比较重点的是它的返回值类型：Optional。这也是一个模仿 Scala 语言中的概念，作为一个容器，它可能含有某值，或者不包含。使用它的目的是尽可能避免 NullPointerException。

String strA = " abcd ", strB = null;
print(strA);
print("");
print(strB);
getLength(strA);
getLength("");
getLength(strB);
public static void print(String text) {
 // Java 8代码实现
 Optional.ofNullable(text).ifPresent(System.out::println);
 // Java 8以前的代码实现
 if (text != null) {
 System.out.println(text);
 }
 }
public static int getLength(String text) {
 // Java 8代码实现
return Optional.ofNullable(text).map(String::length).orElse(-1);
 // Java 8以前的代码实现
// return if (text != null) ? text.length() : -1;
 };

在更复杂的 if (xx != null) 的情况中，使用 Optional 代码的可读性更好，而且它提供的是编译时检查，能极大的降低 NPE 这种 Runtime Exception 对程序的影响，或者迫使程序员更早的在编码阶段处理空值问题，而不是留到运行时再发现和调试。

Stream 中的 findAny、max/min、reduce 等方法等返回 Optional 值。还有例如 IntStream.average() 返回 OptionalDouble 等等。

7.reduce

这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值（种子），然后依照运算规则（BinaryOperator），和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说，字符串拼接、数值的 sum、min、max、average 都是特殊的 reduce。例如 Stream 的 sum 就相当于

Integer sum = integers.reduce(0, (a, b) -> a+b); 
或
Integer sum = integers.reduce(0, Integer::sum);

也有没有起始值的情况，这时会把 Stream 的前面两个元素组合起来，返回的是 Optional。

// 字符串连接，concat = "ABCD"
String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat); 
// 求最小值，minValue = -3.0
double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min); 
// 求和，sumValue = 10, 有起始值
int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);
// 求和，sumValue = 10, 无起始值
sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();
// 过滤，字符串连接，concat = "ace"
concat = Stream.of("a", "B", "c", "D", "e", "F").
 filter(x -> x.compareTo("Z") > 0).
 reduce("", String::concat);

上面代码例如第一个示例的 reduce()，第一个参数（空白字符）即为起始值，第二个参数（String::concat）为 BinaryOperator。这类有起始值的 reduce() 都返回具体的对象。而对于第四个示例没有起始值的 reduce()，由于可能没有足够的元素，返回的是 Optional，请留意这个区别。

8.limit/skip

limit 返回 Stream 的前面 n 个元素；skip 则是扔掉前 n 个元素（它是由一个叫 subStream 的方法改名而来）。

//limit 和 skip 对运行次数的影响
public void testLimitAndSkip() {
 List persons = new ArrayList();
 for (int i = 1; i <= 10000; i++) {
   Person person = new Person(i, "name" + i);
   persons.add(person);
 }
 List personList2 = persons.stream().map(Person::getName).limit(10).skip(3).collect(Collectors.toList());
 System.out.println(personList2);
}
private class Person {
   public int no;
   private String name;
   public Person (int no, String name) {
   this.no = no;
   this.name = name;
 }
 public String getName() {
   System.out.println(name);
   return name;
 }
}

输出结果为：

name1
name2
name3
name4
name5
name6
name7
name8
name9
name10
[name4, name5, name6, name7, name8, name9, name10]

这是一个有 10，000 个元素的 Stream，但在 short-circuiting 操作 limit 和 skip 的作用下，管道中 map 操作指定的 getName() 方法的执行次数为 limit 所限定的 10 次，而最终返回结果在跳过前 3 个元素后只有后面 7 个返回。

有一种情况是 limit/skip 无法达到 short-circuiting 目的的，就是把它们放在 Stream 的排序操作后，原因跟 sorted 这个 intermediate 操作有关：此时系统并不知道 Stream 排序后的次序如何，所以 sorted 中的操作看上去就像完全没有被 limit 或者 skip 一样。

//limit 和 skip 对 sorted 后的运行次数无影响
List persons = new ArrayList();
 for (int i = 1; i <= 5; i++) {
 Person person = new Person(i, "name" + i);
 persons.add(person);
 }
List personList2 = persons.stream().sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).limit(2).collect(Collectors.toList());
System.out.println(personList2);

name2
name1
name3
name2
name4
name3
name5
name4
[stream.StreamDW$Person@816f27d, stream.StreamDW$Person@87aac27]

即虽然最后的返回元素数量是 2，但整个管道中的 sorted 表达式执行次数没有像前面例子相应减少。

最后有一点需要注意的是，对一个 parallel 的 Steam 管道来说，如果其元素是有序的，那么 limit 操作的成本会比较大，因为它的返回对象必须是前 n 个也有一样次序的元素。取而代之的策略是取消元素间的次序，或者不要用 parallel Stream。

9.sorted

对 Stream 的排序通过 sorted 进行，它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后，再排序，这能帮助程序明显缩短执行时间。

//优化：排序前进行 limit 和 skip
List persons = new ArrayList();
 for (int i = 1; i <= 5; i++) {
 Person person = new Person(i, "name" + i);
 persons.add(person);
}
List personList2 = persons.stream().limit(2).sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList());
System.out.println(personList2);

结果会简单很多：

name2
name1
[stream.StreamDW$Person@6ce253f1, stream.StreamDW$Person@53d8d10a]

当然，这种优化是有 business logic 上的局限性的：即不要求排序后再取值。

10.min/max/distinct

min 和 max 的功能也可以通过对 Stream 元素先排序，再 findFirst 来实现，但前者的性能会更好，为 O(n)，而 sorted 的成本是 O(n log n)。同时它们作为特殊的 reduce 方法被独立出来也是因为求最大最小值是很常见的操作。

//找出最长一行的长度
BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log"));
int longest = br.lines().mapToInt(String::length).max().getAsInt();
br.close();
System.out.println(longest);

下面的例子则使用 distinct 来找出不重复的单词。

//找出全文的单词，转小写，并排序
BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log"));
List words = br.lines().flatMap(line -> Stream.of(line.split(" "))).
  filter(word -> word.length() > 0).
  map(String::toLowerCase).
  distinct().
  sorted().
  collect(Collectors.toList());
br.close();
System.out.println(words);

11.Match

Stream 有三个 match 方法，从语义上说：

• allMatch：Stream 中全部元素符合传入的 predicate，返回 true
• anyMatch：Stream 中只要有一个元素符合传入的 predicate，返回 true
• noneMatch：Stream 中没有一个元素符合传入的 predicate，返回 true

Predicate是个断言式接口其参数是，也就是给一个参数T，返回boolean类型的结果。跟Function一样，Predicate的具体实现也是根据传入的lambda表达式来决定的。

它们都不是要遍历全部元素才能返回结果。例如 allMatch 只要一个元素不满足条件，就 skip 剩下的所有元素，返回 false。

List persons = new ArrayList();
persons.add(new Person(1, "name" + 1, 10));
persons.add(new Person(2, "name" + 2, 21));
persons.add(new Person(3, "name" + 3, 34));
persons.add(new Person(4, "name" + 4, 6));
persons.add(new Person(5, "name" + 5, 55));

boolean isAllAdult = persons.stream(). allMatch(p -> p.getAge() > 18);
System.out.println("All are adult? " + isAllAdult);
boolean isThereAnyChild = persons.stream().anyMatch(p -> p.getAge() < 12);
System.out.println("Any child? " + isThereAnyChild);

输出结果：

All are adult? false
Any child? true

---

---

---

其它demo：

    //Map通过Stream转换为set集合
    public static void demo(){
        //新创建一个map，然后给map赋值
        Map map = new HashMap<>();
        map.put("a","张三");
        map.put("b","李四");
        map.put("c","王五");
        map.put("d","赵六");
        map.put("e","孙七");
        map.put("f","陈八");
        //根据map中的key过滤得到key不是a的结果然后获取value值
        List