Java Stream流使用及性能分析

一、Stream简介

1、什么是Stream?

Java8 中，Collection 新增了两个流方法，分别是 Stream() 和 parallelStream()

Java8 中添加了一个新的接口类 Stream，相当于高级版的 Iterator，它可以通过 Lambda 表达式对集合进行大批量数据操作，或 者各种非常便利、高效的聚合数据操作。

2、为什么要使用Stream?

在 Java8 之前，我们通常是通过 for 循环或者 Iterator 迭代来重新排序合并数据，又或者通过重新定义 Collections.sorts 的 Comparator 方法来实现，这两种方式对于大数据量系统来说，效率并不是很理想。Stream 的聚合操作与数据库 SQL 的聚合操作 sorted、filter、map 等类似。我们在应用层就可以高效地实现类似数据库 SQL 的 聚合操作了，而在数据操作方面，Stream 不仅可以通过串行的方式实现数据操作，还可以通过并行的方式处理大批量数据，提高数据 的处理效率。

二、Stream使用

1、Stream操作分类

官方将 Stream 中的操作分为两大类：终结操作（Terminal operations）和中间操作（Intermediate operations）。

中间操作会返回一个新的流，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，然后会返回一个新的流，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。而是在终结操作开始的时候才真正开始执行。

中间操作又可以分为无状态（Stateless）与有状态（Stateful）操作:

• 无状态是指元素的处理不受之前元素的影响；
• 有状态是指该操作只有拿到所有元素之后才能继续下去。

终结操作是指返回最终的结果。一个流只能有一个终结操作，当这个操作执行后，这个流就被使用“光”了，无法再被操作。所以这必定这个流的最后一个操作。终结操作的执行才会真正开始流的遍历，并且会生成一个结果。

终结操作又可以分为短路（Short-circuiting）与非短路（Unshort-circuiting）操作，

• 短路是指遇到某些符合条件的元素就可以得到最终结果，
• 非短路是指必须处理完所有元素才能得到最终结果。操作分类详情如下图所示：

2、Stream流的常用方法

①count方法：

long count (); 统计流中的元素，返回long类型数据

  @Test
    public void TestStream(){
        List<String> list = new ArrayList<>();
        list.add("张三");
        list.add("李四");
        list.add("王五");
        list.add("赵六");
        list.add("刘七七");
        list.add("张八八");

        long count = list.stream().count();
        System.out.println("集合中的元素个数是：" + count);
    }

• 输出结果：

集合中的元素个数是：6

②filter方法：

Stream filter(Predicate predicate); 过滤出满足条件的元素
参数Predicate：函数式接口，抽象方法：boolean test （T t)
Predicate接口：是一个判断接口

// 获取stream流
        Stream<String> stream = Stream.of("张三","李四","王五","赵六","刘七七","张八八");
        // 需求：过去出姓张的元素
        stream.filter((String name)->{
            return name.startsWith("张");
        }).forEach((String name)->{
            System.out.println("流中的元素" + name);
        });

• 输出结果：

流中的元素张三
流中的元素张八八

③forEach方法：

void forEach(Consumer action)：逐一处理流中的元素
参数 Consumer action：函数式接口，只有一个抽象方法：void accept（T t)；
注意：

• 此方法并不保证元素的逐一消费动作在流中是有序进行的（元素可能丢失）
• Consumer是一个消费接口（可以获取流中的元素进行遍历操作，输出出去），可以使用Lambda表达式

 List<String> list = new ArrayList<>();
        list.add("张三");
        list.add("李四");
        list.add("王五");
        list.add("赵六");
        list.add("刘七七");
        list.add("张八八");

   list.stream().forEach((String name)->{
            System.out.println(name);
        });

使用Lambda表达式

list.stream().forEach(System.out::println);

• 输出结果：

张三
李四
王五
赵六
刘七七
张八八

④limit方法：

Stream limit(long maxSize); 取用前几个元素
注意：
参数是一个long 类型，如果流的长度大于参数，则进行截取；否则不进行操作

// 获取流的长度
        Stream<String> stream1 = Stream.of("张三","李四","王五","赵六","刘七七","张八八");
        // 需求：保留前三个元素
        stream1.limit(3).forEach((String name)->{
            System.out.println("流中的前三个元素是：" + name);
        });

• 输出结果：

流中的前三个元素是：张三
流中的前三个元素是：李四
流中的前三个元素是：王五

⑤map方法：

Stream map(Function mapper;
参数Function：函数式接口，抽象方法：R apply(T t);
Function：其实就是一个类型转换接口（T和R的类型可以一致，也可以不一致）

 // 获取Stream流
        Stream<String> stream2 = Stream.of("111","222","333","444","555");
        // 需求：把stream1流中的元素转换为int类型
        stream2.map((String s)->{
            return Integer.parseInt(s); // 将String类型的s进行转换为Integer类型的元素，并返回
        }).forEach((Integer i)->{
            System.out.println(i);  // 将转换后的int类型的元素逐一输出
        });

使用Lambda表达式

stream2.map(Integer::parseInt).forEach(System.out::println);

• 输出结果：

111
222
333
444
555

⑥skip方法：

Stream skip(long n); 跳过前几个元素
注意：
如果流的当前长度大于n，则跳过前n个，否则将会得到一个长度为0的空流

 Stream<String> stream3 = Stream.of("张三","李四","王五","赵六","刘七七","张八八");
        stream3.skip(3).forEach((String name)->{
            System.out.println("跳过前三个，打印剩下的" + name);
        });

• 输出结果：

跳过前三个，打印剩下的赵六
跳过前三个，打印剩下的刘七七
跳过前三个，打印剩下的张八八

⑦concat方法：

public static Stream concat(Stream a, Stream b)
–> 合并两个流

Stream<String> stream4 = Stream.of("111","222","333","444","555");
        Stream<String> stream5 = Stream.of("张三","李四","王五","赵六","刘七七","张八八");

        // 需求：合并两个流
        Stream<String> stream6 = Stream.concat(stream4,stream5);
        stream6.forEach((String name)->{
            System.out.print(name);
        });

使用Lambda表达式

stream6.forEach(System.out::print);

• 输出结果：

111222333444555张三李四王五赵六刘七七张八八

三、收集Stream流

 List<String> list = new ArrayList<>();
        list.add("张三");
        list.add("李四");
        list.add("王五");
        list.add("赵六");
        list.add("刘七七");
        list.add("张八八");

        List<String> userList = list.stream().filter((String name)->{
            return name.startsWith("张");
        }).filter((String name)->{
            return name.length() == 3;
        }).collect(Collectors.toList());
        System.out.println(userList);

        Set<String> userSet = list.stream().filter((String name)->{
            return name.startsWith("李");
        }).filter((String name)->{
            return name.length() == 2;
        }).collect(Collectors.toSet());
        System.out.println(userSet);

• 输出结果：

[张八八]
[李四]

三、Stream性能

1、性能分析

• 在少数据量的处理场景中（size <= 1000）

stream 的处理效率是不如传统的 iterator 外部迭代器处理速度快的，但是实际上这些处理任务本身运行时间都低于毫秒，这点效率的差距对普通业务几乎没有影响，反而 stream 可以使得代码更加简洁；

• 在大量数据（size > 10000）

stream 的处理效率会高于 iterator，特别是使用了并行流，在 cpu 恰好将线程分配到多个核心的条件下（当然 parallel stream 底层使用的是 JVM 的 ForkJoinPool，这东西分配线程本身就很玄学），可以达到一个很高的运行效率，然而实际普通业务一般不会有需要迭代高于 10000 次的计算；

• Parallel Stream （并行流）

Parallel Stream 受引 CPU 环境影响很大，当没分配到多个 cpu 核心时，加上引用 forkJoinPool 的开销，运行效率可能还不如普通的 Stream；

2、使用建议

• 简单的迭代逻辑，可以直接使用 iterator，对于有多步处理的迭代逻辑，可以使用 stream，损失一点几乎没有的效率，换来代码的高可读性是值得的；

• 单核 cpu 环境，不推荐使用 parallel stream，在多核 cpu 且有大数据量的条件下，推荐使用 paralle stream；

• stream 中含有装箱类型，在进行中间操作之前，最好转成对应的数值流，减少由于频繁的拆箱、装箱造成的性能损失。