- 如果有些朋友以前没有使用过java8 stream这种链式编程方式做开发，想学习一下。
- 如果有些朋友只学习了一部分用法，想学习更多。
- 如果有些朋友想看看有没有好的示例适用于实际工作当中。
那么恭喜你，这篇文章非常适合你。
首先，我们一起看看stream的继承关系：
stream的继承关系
Stream、IntStream、LongStream、DoubleStream的父接口都是BaseStream。BaseStream的四个子接口方法都差不多，只是IntStream、LongStream、DoubleStream直接存储基本类型，可以避免自动装/拆箱，效率会更高一些。但是，我们实际上使用Stream更多一些。
我们再看看stream的工作流程图：
stream的工作流程图
为什么要学stream的链式编程方式
业务需求1：指定一个字符串数组，找出里面相同的元素，并且统计重复的次数。
我们以前大概是这样做的：
public class CountTest {
@Test
public void testCount1() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
Map countMap = new HashMap<>();
for (String data : list) {
Long aLong = countMap.get(data);
if (Objects.isNull(aLong)) {
countMap.put(data, 1L);
} else {
countMap.put(data, ++aLong);
}
}
countMap.forEach((key, value) -> System.out.println("key:" + key + " value:" + value));
}
} 执行结果：
key:a value:3
key:ab value:2
key:b value:1
key:bd value:1
key:abc value:2
key:abcd value:1
我们再看看如果用java8的stream可以怎么做：
public class CountTest {
@Test
public void testCount2() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
Map countMap = list.stream().collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
countMap.forEach((key, value) -> System.out.println("key:" + key + " value:" + value));
}
} 执行结果：
key:a value:3
key:ab value:2
key:b value:1
key:bd value:1
key:abc value:2
key:abcd value:1我们可以看到testCount1和testCount2执行结果相同，仅仅一行代码：Map
就可以实现上面testCount1中多行代码的逻辑。
业务需求2：从一个指定的字符串数组中，查找指定的字符串是否存在
我们以前大概是这样做的：
public class FindTest {
@Test
public void testFind1() {
String findStr = "bd";
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
boolean match = false;
for (String data : list) {
if (data.equals(findStr)) {
match = true;
break;
}
}
//结果：match:true
System.out.println("match:" + match);
}
} 我们再看看如果用java8的stream可以怎么做：
public class MatchTest {
@Test
public void testFind2() {
String findStr = "bd";
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
boolean match = list.stream().anyMatch(x -> x.equals(findStr));
//结果：match:true
System.out.println("match:" + match);
}
} 我们可以看到调用testFind1和testFind2方法执行结果也是一样的。但是，用java8 stream的语法，又只用一行代码就完成功能了，真棒。
java8 stream超详细用法指南
stream的操作符大体上分为两种：中间操作符和终止操作符
中间操作：
1.filter(T-> boolean)
过滤数据，保留 boolean 为 true 的元素，返回一个集合
public class FilterTest {
@Test
public void testFilter() {
List list = Lists.newArrayList(20, 23, 25, 28, 30, 33, 37, 40);
//从指定数据集合中过滤出大于等于30的数据集合
List collect = list.stream().filter(x -> x >= 30).collect(Collectors.toList());
//结果：[33, 37, 40]
System.out.println(collect);
}
} collect(Collectors.toList())可以把流转换为 List 类型，collect实际上是一个终止操作。
2.map(T -> R)
转换操作符，可以做数据转换，比如：把字符串转换成int、long、double，或者把一个实体转换成另外一个实体。包含：map，mapToInt、mapToLong、mapToDouble
public class MapTest {
@Test
public void testMap() {
List list = Lists.newArrayList("1", "2", "3", "4", "5", "6");
List collect1 = list.stream().map(x -> Long.parseLong(x)).collect(Collectors.toList());
//结果：[1, 2, 3, 4, 5, 6]
System.out.println(collect1);
//结果：111111
list.stream().mapToInt(x -> x.length()).forEach(System.out::print);
System.out.println("");
//结果：111111
list.stream().mapToLong(x -> x.length()).forEach(System.out::print);
System.out.println("");
//结果：1.01.01.01.01.01.0
list.stream().mapToDouble(x -> x.length()).forEach(System.out::print);
}
} 3.flatMap(T -> Stream)
将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流
public class FlatMapTest {
@Test
public void testFlatMap() {
List> list = new ArrayList>(){{
add(Lists.newArrayList("a","b","c"));
add(Lists.newArrayList("d","e","f"));
add(Lists.newArrayList("j","k","y"));
}};
//结果：[[a, b, c], [d, e, f], [j, k, y]]
System.out.println(list);
List collect = list.stream().flatMap(List::stream).collect(Collectors.toList());
//结果：[a, b, c, d, e, f, j, k, y]
System.out.println(collect);
}
} 我们可以看到flatMap可以轻松把字符串的二维数据变成一位数组。
4.distinct
去重，类似于msql中的distinct的作用，底层使用了equals方法做比较。
public class DistinctTest {
@Test
public void testDistinct() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
List collect = list.stream().distinct().collect(Collectors.toList());
//结果：[a, b, ab, abc, abcd, bd]
System.out.println(collect);
}
} 其实，去重还有另外一种办法，可以用Collectors.toSet()，后面会讲到。
5.sorted
对元素进行排序，前提是实现Comparable接口，当然也可以自定义比较器。
public class SortTest {
@Test
public void testSort() {
List list = Lists.newArrayList(5, 3, 7, 1, 4, 6);
List collect = list.stream().sorted((a, b) -> a.compareTo(b)).collect(Collectors.toList());
//结果：[1, 3, 4, 5, 6, 7]
System.out.println(collect);
}
}
6.limit
限流操作，有点类似于mysql中的limit功能，比如：有10个元素，只取前面3个元素
public class LimitTest {
@Test
public void testLimit() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
List collect = list.stream().limit(3).collect(Collectors.toList());
//结果：[a, b, ab]
System.out.println(collect);
}
} 7.skip
跳过操作，比如：有个10个元素，从第5个元素开始去后面的元素
public class SkipTest {
@Test
public void testSkip() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
List collect = list.stream().skip(5).collect(Collectors.toList());
//结果：[ab, a, abcd, bd, abc]
System.out.println(collect);
}
} 8.peek
挑出操作，
public class PeekTest {
@Test
public void testPeek() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
//结果：abababcaabaabcdbdabc
list.stream().peek(x -> x.toUpperCase()).forEach(System.out::print);
}
} 眼尖的朋友会发现，进行x.toUpperCase()转换为大写功能，但是实际上没有生效。把peek改成map方法试试：
public class PeekTest {
@Test
public void testPeek() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "a", "ab", "a", "abcd", "bd", "abc");
//结果：ABABABCAABAABCDBDABC
list.stream().map(x -> x.toUpperCase()).forEach(System.out::print);
}
} 我们可以看到，用map操作转换成大写功能生效了，但是用peek操作却没有生效。peek只是对Stream中的元素进行某些操作，但是操作之后的数据并不返回到Stream中，所以Stream中的元素还是原来的元素。
终止操作：
1.forEach
遍历操作，包含：forEach 和 forEachOrdered
forEach：支持并行处理
forEachOrdered：是按顺序处理的，遍历速度较慢
public class ForEachTest {
@Test
public void testForEach() {
List list = Lists.newArrayList("a", "b", "ab");
//结果：a b ab
list.stream().forEach(x-> System.out.print(x+' '));
System.out.println("");
//可以简化
//结果：a b ab
list.forEach(x-> System.out.print(x+' '));
System.out.println("");
//结果：a b ab
list.stream().forEachOrdered(x-> System.out.print(x+' '));
}
} 2.collect
收集操作，将所有的元素收集起来，Collectors 提供了非常多收集器。包含：toMap、toSet、toList、joining，groupingBy，maxBy，minBy等操作。
toMap：将数据流转换为map，里面包含的元素是用key/value的形式的
toSet：将数据流转换为set，里面包含的元素不可重复
toList：将数据流转出为list，里面包含的元素是有序的
joining：拼接字符串
groupingBy：分组，可以将list转换map
couting：统计元素数量
maxBy：获取最大元素
minBy：获取最小元素
summarizingInt: 汇总int类型的元素，返回IntSummaryStatistics，再调用具体的方法对元素进行统计：getCount（统计数量），getSum（求和），getMin（获取最小值），getMax（获取最大值），getAverage（获取平均值）
summarizingLong：汇总long类型的元素，用法同summarizingInt
summarizingDouble：汇总double类型的元素，用法同summarizingInt
averagingInt：获取int类型的元素的平均值，返回一个double类型的数据
averagingLong：获取long类型的元素的平均值，用法同averagingInt
averagingDouble：获取double类型的元素的平均值，用法同averagingInt
mapping：获取映射，可以将原始元素的一部分内容作为一个新元素返回
public class CollectTest {
@Data
@AllArgsConstructor
class User {
private String name;
private Integer age;
}
@Test
public void testCollect() {
List list0 = Lists.newArrayList("a", "b", "ab");
Map collect0 = list0.stream().collect(Collectors.toMap(String::new, Function.identity()));
//结果：{ab=ab, a=a, b=b}
System.out.println(collect0);
List list = Lists.newArrayList("a", "b", "ab", "a", "b", "ab");
List collect1 = list.stream().collect(Collectors.toList());
//结果：[a, b, ab, a, b, ab]
System.out.println(collect1);
//结果：[a, ab, b]
Set collect2 = list.stream().collect(Collectors.toSet());
System.out.println(collect2);
String collect3 = list.stream().collect(Collectors.joining(","));
//结果：a,b,ab,a,b,ab
System.out.println(collect3);
Map> collect4 = list.stream().collect(Collectors.groupingBy(Function.identity()));
//结果：{ab=[ab, ab], a=[a, a], b=[b, b]}
System.out.println(collect4);
Long collect = list.stream().collect(Collectors.counting());
//结果：6
System.out.println(collect);
String collect5 = list.stream().collect(Collectors.maxBy((a, b) -> a.compareTo(b))).orElse(null);
//结果：b
System.out.println(collect5);
String collect6 = list.stream().collect(Collectors.minBy((a, b) -> a.compareTo(b))).orElse(null);
//结果：a
System.out.println(collect6);
List list2 = Lists.newArrayList("2", "3", "5");
IntSummaryStatistics summaryStatistics = list2.stream().collect(Collectors.summarizingInt(x -> Integer.parseInt(x)));
long sum = summaryStatistics.getSum();
//结果：10
System.out.println(sum);
Double collect7 = list2.stream().collect(Collectors.averagingInt(x -> Integer.parseInt(x)));
//结果：3.3333333333333335
System.out.println(collect7);
List userList = new ArrayList() {{
add(new User("jack",23));
add(new User("james",30));
add(new User("curry",28));
}};
List collect8 = userList.stream().collect(Collectors.mapping(User::getName, Collectors.toList()));
//[jack, james, curry]
System.out.println(collect8);
}
} 3.find
查找操作，包含：findFirst、findAny
findFirst：找到第一个，返回的类型为Optional
findAny：使用 stream() 时找到的是第一个元素，使用 parallelStream() 并行时找到的是其中一个元素，返回的类型为Optional
public class FindOpTest {
@Test
public void testFindOp() {
List list = Lists.newArrayList("a", "b", "ab", "abc", "bc", "ab");
//查找第一匹配的元素
String data1 = list.stream().findFirst().orElse(null);
//结果: a
System.out.println(data1);
String data2 = list.stream().findAny().orElse(null);
//结果: a
System.out.println(data2);
}
} 4.match
匹配操作，包含：allMatch、anyMatch、noneMatch
allMatch：所有元素都满足条件，返回boolean类型
anyMatch：任意一个元素满足条件，返回boolean类型
noneMatch：所有元素都不满足条件，返回boolean类型
public class MatchTest {
@Test
public void testMatch() {
List list = Lists.newArrayList(2, 3, 5, 7);
boolean allMatch = list.stream().allMatch(x -> x > 1);
//结果：true
System.out.println(allMatch);
boolean allMatch2 = list.stream().allMatch(x -> x > 2);
//结果：false
System.out.println(allMatch2);
boolean anyMatch = list.stream().anyMatch(x -> x > 2);
//结果：true
System.out.println(anyMatch);
boolean noneMatch1 = list.stream().noneMatch(x -> x > 5);
//结果：false
System.out.println(noneMatch1);
boolean noneMatch2 = list.stream().noneMatch(x -> x > 7);
//结果：true
System.out.println(noneMatch2);
}
} 5.count
统计操作，效果跟调用集合的size()方法类似
public class CountOpTest {
@Test
public void testCountOp() {
List list = Lists.newArrayList("a", "b", "ab");
long count = list.stream().count();
//结果：3
System.out.println(count);
}
} 6.min、max
min：获取最小值，返回Optional类型的数据
max：获取最大值，返回Optional类型的数据
public class MaxMinTest {
@Test
public void testMaxMin() {
List list = Lists.newArrayList(2, 3, 5, 7);
Optional max = list.stream().max((a, b) -> a.compareTo(b));
//结果：7
System.out.println(max.get());
Optional min = list.stream().min((a, b) -> a.compareTo(b));
//结果：2
System.out.println(min.get());
}
} 7.reduce
规约操作，将整个数据流的值规约为一个值，count、min、max底层就是使用reduce。
reduce 操作可以实现从Stream中生成一个值，其生成的值不是随意的，而是根据指定的计算模型。
public class ReduceTest {
@Test
public void testReduce() {
List list = Lists.newArrayList(2, 3, 5, 7);
Integer sum1 = list.stream().reduce(0, Integer::sum);
//结果：17
System.out.println(sum1);
Optional reduce = list.stream().reduce((a, b) -> a + b);
//结果：17
System.out.println(reduce.get());
Integer max = list.stream().reduce(0, Integer::max);
//结果：7
System.out.println(max);
Integer min = list.stream().reduce(0, Integer::min);
//结果：0
System.out.println(min);
Optional reduce1 = list.stream().reduce((a, b) -> a > b ? b : a);
//2
System.out.println(reduce1.get());
}
} 8.toArray
数组操作，将数据流的元素转换成数组。
public class ArrayTest {
@Test
public void testArray() {
List list = Lists.newArrayList("a", "b", "ab");
String[] strings = list.stream().toArray(String[]::new);
//结果：a b ab
for (int i = 0; i < strings.length; i++) {
System.out.print(strings[i]+" ");
}
}
} stream和parallelStream的区别
stream：是单管道，称其为流，其主要用于集合的逻辑处理。
parallelStream：是多管道，提供了流的并行处理，它是Stream的另一重要特性，其底层使用Fork/Join框架实现
public class StreamTest {
@Test
public void testStream() {
List list = Lists.newArrayList(1,2, 3,4, 5,6, 7);
//结果：1234567
list.stream().forEach(System.out::print);
}
} public class ParallelStreamTest {
@Test
public void testParallelStream() {
List list = Lists.newArrayList(1,2, 3,4, 5,6, 7);
//结果：5726134
list.parallelStream().forEach(System.out::print);
}
} 我们可以看到直接使用parallelStream的forEach遍历数据，是没有顺序的。
如果要让parallelStream遍历时有顺序怎么办呢？
public class ParallelStreamTest {
@Test
public void testParallelStream() {
List list = Lists.newArrayList(1,2, 3,4, 5,6, 7);
//结果：1234567
list.parallelStream().forEachOrdered(System.out::print);
}
} parallelStream的工作原理：
实际工作中的案例
1.从两个集合中找相同的元素。一般用于批量数据导入的场景，先查询出数据，再批量新增或修改。
public class WorkTest {
@Test
public void testWork1() {
List list1 = Lists.newArrayList("a", "b", "ab");
List list2 = Lists.newArrayList("a", "c", "ab");
List collect = list1.stream()
.filter(x -> list2.stream().anyMatch(e -> e.equals(x)))
.collect(Collectors.toList());
//结果：[a, ab]
System.out.println(collect);
}
} 2.有两个集合a和b，过滤出集合a中有，但是集合b中没有的元素。这种情况可以使用在假如指定一个id集合，根据id集合从数据库中查询出数据集合，再根据id集合过滤出数据集合中不存在的id，这些id就是需要新增的。
@Test
public void testWork2() {
List list1 = Lists.newArrayList("a", "b", "ab");
List list2 = Lists.newArrayList("a", "c", "ab");
List collect = list1.stream()
.filter(x -> list2.stream().noneMatch(e -> e.equals(x)))
.collect(Collectors.toList());
//结果：[b]
System.out.println(collect);
} 3.根据条件过滤数据，并且去重做数据转换
@AllArgsConstructor
@Data
class User {
private String name;
private Integer age;
}
@Test
public void testWork3() {
List userList = new ArrayList() {{
add(new User("jack",23));
add(new User("james",30));
add(new User("curry",28));
add(new User("tom",27));
add(new User("sue",29));
}};
List collect = userList.stream()
.filter(x -> x.getAge() > 27)
.sorted((a, b) -> a.getAge().compareTo(b.getAge()))
.limit(2)
.map(User::getName)
.collect(Collectors.toList());
//结果：[curry, sue]
System.out.println(collect);
} 4.统计指定集合中，姓名相同的人中年龄最小的年龄
@Test
public void testWork4() {
List userList = new ArrayList() {{
add(new User("tom", 23));
add(new User("james", 30));
add(new User("james", 28));
add(new User("tom", 27));
add(new User("sue", 29));
}};
userList.stream().collect(Collectors.groupingBy(User::getName))
.forEach((name, list) -> {
User user = list.stream().sorted((a, b) -> a.getAge().compareTo(b.getAge())).findFirst().orElse(null);
//结果：name:sue,age:29
// name:tom,age:23
// name:james,age:28
System.out.println("name:" + name + ",age:" + user.getAge());
});
} 大家喜欢这篇文章的话，请关注一下 ：苏三说技术
