上一篇介绍了Lambda的学习,如果对Lambda表达式还不清晰的同学可以戳一下这个链接：java8新特性-lambda表达式入门学习。
java8除了提供了Lambda表达式，操作集合的Stream API也是非常新特性中最值得学习和掌握的，它大大简化了，我们操作数据集合的代码量的书写。
简单来说Stream是一个抽象概念，可以通过查找，过滤，映射等操作，这一点与Scala中集合操作很类似。
Stream是什么？
通俗的说就是操作数据集合的一种手段，你可以使用它，以获取所需要的集合数据源类型，如下图所示：
通常Stream流操作整个流程是创建流对象->对流操作->获得目标数据源操作
创建Stream
通过Collection接口提供的Stream
1.返回一个顺序流
default Streamstream() { return StreamSupport.stream(spliterator(), false); }
2.返回一个并行流
default StreamparallelStream() { return StreamSupport.stream(spliterator(), true); }
那我们简单演示一下这两个流的使用。
Emplyee的基本实体类
package com.codegeek.lambda;
import lombok.*;
@Setter
@Getter
@NoArgsConstructor
@ToString
public class Employee {
/**
* 员工姓名
*/
private String name;
/**
* 员工年龄
*/
private int age;
/**
* 基本薪水
*/
private double basicSalary;
/**
* 订单成交总额
*/
private double dealTotalPrice;
public Employee(String name, int age, double basicSalary,double dealTotalPrice) {
this.name = name;
this.age = age;
this.basicSalary = basicSalary;
this.dealTotalPrice = dealTotalPrice;
}
/**
* 员工总薪资=基本薪资+提成薪资
*
* @return Double
*/
public Double getTotalSalary() {
return this.basicSalary + this.dealTotalPrice * 0.04;
}
}
测试方法如下：
@Test
public void test() {
Employee qingLong = new Employee("青龙", 25, 5500, 7500);
Employee baiHu = new Employee("白虎", 27, 5000, 9000);
Employee zhuQue = new Employee("朱雀", 22, 3800, 4500);
Employee xuanWu = new Employee("玄武", 24, 3300, 3300);
List employees = Arrays.asList(qingLong, baiHu, zhuQue, xuanWu);
// 得到一个顺序流,并获取工资大与4000的员工的姓名
Stream stream = employees.stream();
stream.filter(e-> e.getTotalSalary()>4000).map(Employee::getName).forEach(System.out::println);
// 得到一个并行流，获取年龄大于25的员工姓名
Stream employeeStream = employees.parallelStream();
employeeStream.filter(employee -> employee.getAge()> 25).map(Employee::getName).forEach(System.out::println );
}
通过Arrays创建Stream流
注意数组里面是什么类型的数组，就会产生同类型的流。
1.产生IntStream
public static IntStream stream(int[] array) {
return stream(array, 0, array.length);
}
2.产生LongStream
public static LongStream stream(long[] array) {
return stream(array, 0, array.length);
}
3.产生DoubleStream
public static DoubleStream stream(double[] array) {
return stream(array, 0, array.length);
}
下面简单演示以下IntStream的使用案列
// 初始化一个数组对象
int[] arr = {11, 55, 44, 20, 45, 16};
// 通过Arrays创建流对象是IntStream
Arrays.stream(arr).sorted().forEach(System.out::println);
Stream常见的操作
上面简单介绍了下，流的创建，当流创建好后，我们又该如何使用呢，常见流的操作如下？
- 过滤和切片
| 方法 | 方法介绍 |
|---|---|
| filter(Predicate predicate) | 接收断言接口，并从流中排除元素 |
| distinct() | 去除流中重复的元素 |
| limit(long maxSize) | 截取流中元素个数，类似sql查询limit |
| skip(long n) | 跳过元素，跳过前n个元素 |
使用演示：
@Test
public void testFilter() {
int[] age = {11, 22, 44, 22, 24, 24, 66, 77, 77, 25, 34};
// 使用filter过滤获得大于33的数组元素
Arrays.stream(age).filter(i -> i > 33).forEach(System.out::println);
// 去重
Arrays.stream(age).distinct().forEach(System.out::println);
// 截取3个元素
Arrays.stream(age).limit(3).forEach(System.out::println);
// 跳过前3个元素
Arrays.stream(age).skip(3).forEach(System.out::println);
}
- 映射
| 方法 | 方法介绍 |
|---|---|
| map(Function mapper) | 接收一个函数式接口，将会映射到流中的每一个元素 |
| mapToDouble(ToDoubleFunction mapper) | 接收函数式接口，将映射产生DoubleStream |
| mapToLong(ToLongFunction mapper) | 接收函数式接口，将映射产生LongStream |
| mapToInt(ToIntFunction mapper) | 接收函数式接口，将映射产生IntStream |
| flatMap(Function extends Stream mapper) | 接收函数，将流中的每个值都转换一个流，然后将这些流汇成一个流 |
使用演示：
String[] arr = {"java", "scala", "php", "python", "c++"};
// 将流中的每一个元素转换成大写
Arrays.stream(arr).map(String::toUpperCase).forEach(System.out::println);
//将流中的数据转Double类型
long[] array = {1, 4, 6, 7, 12};
// 返回Double类型的Stream
Arrays.stream(array).mapToDouble(e-> e* 100).forEach(System.out::println);
// 返回Long类型的Stream
Arrays.stream(array).mapToLong(e -> e + 23).forEach(System.out::println);
// flatMap演示
List> database = new ArrayList<>();
List noSql = Arrays.asList("redis", "hbase", "membercache");
List sql = Arrays.asList("mysql", "oracle", "db2");
database.add(noSql);
database.add(sql);
List h = database.stream().flatMap(s -> s.stream().filter(si -> si.contains("h"))).collect(Collectors.toList());
h.stream().forEach(System.out::println);
- 排序
- 排序相对简单，以之前定义的employee类如下：
Employee qingLong = new Employee("青龙", 25, 5500, 7500);
Employee baiHu = new Employee("白虎", 27, 5000, 9000);
Employee zhuQue = new Employee("朱雀", 22, 3800, 4500);
Employee xuanWu = new Employee("玄武", 24, 3300, 3300);
List employees = Arrays.asList(qingLong, baiHu, zhuQue, xuanWu);
// 按照薪水的大小进行排序
employees.stream().sorted(Comparator.comparing(Employee::getTotalSalary)).forEach(System.out::println);
- 查找与匹配
| 方法 | 方法介绍 |
|---|---|
| allMatch(Predicate p) | 检查流中的元素是否都匹配 |
| anyMatch(Predicate p) | 检查是否匹配一个元素 |
| noneMatch(Predicate p) | 检查是否没有匹配所有元素 |
| findFirst() | 返回第一个元素 |
| findAny() | 返回流中任意元素 |
| count | 返回流中的个数 |
| max(Comparator c) | 返回流中最大值 |
| min(Comparator c) | 返回流中最小值 |
方法演示：以初始化的员工类
// 判断所有的员工年龄是否大于18
boolean b = employees.stream().allMatch(e -> e.getAge() > 18);
System.out.println("allMatch="+b);// 结果为true
// 判断所有员工中有没有年龄大于35的
boolean b1 = employees.stream().anyMatch(e -> e.getAge() > 35);
System.out.println("anyMath=" + b1); // 结果为false
// 判断所有员工中没有年龄大于35的
boolean b1 = employees.stream().noneMatch(e -> e.getAge() > 35);
System.out.println("anyMath=" + b1); // 结果为true
// 返回第一个员工的信息
Optional first = employees.stream().findFirst();
System.out.println(first.get());
// 统计年龄大于20的员工个数
ong count = employees.stream().filter(e -> e.getAge() > 20).count();
System.out.println("count="+count);
// 统计集合中员工薪资最高的员工信息
Optional max = employees.stream().max(Comparator.comparing(Employee::getTotalSalary));
System.out.println("max=" + max);
- 归约
| 方法 | 方法介绍 |
|---|---|
| reduce(BinaryOperator p) | 将流中的元素反复结合起来得到一个值返回Optional |
| reduce(T iden,BinaryOperator p) | 将流中的元素反复结合起来得到一个值T |
演示：
Optionalreduce = employees.stream().map(Employee::getTotalSalary).reduce(Double::sum); double v = reduce.get(); System.out.println("reduce="+v); int[] array = {1, 4, 6, 7, 12}; System.out.println("===="); // 这里第一次将0作为x的值然后数组中1作为y，然后计算后的结果是1，第二次将1作为x的值，然后数组中的4作为y值进行相加，后面以此类推，直到将所有的值都进行相加 int reduce = Arrays.stream(array).reduce(0, (x, y) -> x + y); System.out.println("reduce=" + reduce);
- 收集
| 方法 | 方法介绍 |
|---|---|
| collect(Collector c) | 将流转换为其他形式，接收Collector接口实现。 |
下面将对Stream做一个总体的回顾和使用。
@Test
public void test() {
// 避免空指针异常
Optional optional = employees.stream().sorted((e1, e2) -> e1.getTotalSalary().compareTo(e2.getTotalSalary())).findFirst();
// 若空指针异常就怎么处理
optional.orElse(new Employee());
System.out.println(optional);
// 返回任意一个(并行开启多个线程查找)
Optional any = employees.parallelStream().filter((e) -> e.getAge() > 25).findAny();
System.out.println(any);
// Max(Comparator按年龄比较)
Optional max = employees.stream().max(Comparator.comparing((e) -> e.getAge()));
System.out.println(max);
Optional max1 = employees.stream().map(Employee::getTotalSalary().max(Double::compare);
System.out.println(max1.get());
// 流中元素接收，计算得到一个
List list = Arrays.asList(1, 2, 3, 4, 5);
Integer reduce = list.stream().reduce(0, (x, u) -> x + u);//0+1+2.....+10
System.out.println(reduce);
Optional reduce1 = employees.stream().map(Employee::getAge).reduce(Integer::sum);
System.out.println(reduce1.get() + "----------");
// 收集元素到list
employees.stream().map(Employee::getName).distinct().collect(Collectors.toList()).forEach(System.out::println);
System.out.println();
// 收集元素到LinkList
employees.stream().map(Employee::getName).distinct().collect(Collectors.toCollection(HashSet::new)).forEach(System.out::println);
// 获取流中最大值
Optional max2 = employees.stream().map(Employee::getAge).max(Integer::compare);
System.out.println(max2.get());
// 收集获取总数(集合总数)
Long collect = employees.stream().collect(Collectors.counting());
System.out.println(collect);
// 工资的平均值
Double collect1 = employees.stream().collect(Collectors.averagingDouble(Employee::getTotalSalary));
System.out.println(collect1);
// 获取工资的总数，综合，最小值，平均值，最大值
DoubleSummaryStatistics collect2 = employees.stream().collect(Collectors.summarizingDouble(Employee::getTotalSalary));
System.out.println(collect2);
// 获取年龄最大的员工
Optional collect3 = employees.stream().collect(Collectors.maxBy((e1, e2) -> Integer.compare(e1.getAge(), e2.getAge())));
System.out.println(collect3.get());
// 获取年龄最小的员工
Optional collect4 = employees.stream().map(Employee::getTotalSalary).collect(Collectors.minBy(Double::compare));
System.out.println(collect4.get());
// 按薪资分组
Map> collect5 = employees.stream().collect(Collectors.groupingBy(Employee::getTotalSalary));
System.out.println(collect5);
// 薪资分区(匹配true)
Map> collect6 = employees.stream().collect(Collectors.partitioningBy((e) -> e.getTotalSalary() > 5000d));
System.out.println(collect6);
}
总结
到这里Stream介绍基本完成了。以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。