Java 8 是一个成功的版本，新增的内容很实用。比如大家熟悉的 lamda 表达式，集合的 Stream，等等。
本文讲讲 Stream 的使用。
Stream 是什么？
Stream 将要处理的集合看做流，然后方便的对流做操作，比如筛选，排序等等。
Stream 的操作可以分为两大类：
- 中间操作。就是操作完还是返回一个流，还可以继续做其他操作。
- 终端操作。就是结束流，流结束之后就不可以再操作了，会返回一个值或者一个新的集合。
Stream 有以下特征：
- 不改变源数据，会生成一个新的数据。
- 具有延迟执行特性，只有调用终端操作时，中间操作才会执行。
中间操作有：
- filter：筛选
- map/flatMap：映射
- sorted：排序
- distinct：去重
- limit：取前 n 个元素
- skip：跳过前 n 个元素
- ......
终端操作有：
- collect：收集
- foreach：遍历
- findFirst/findAny：获取单个元素
- anyMatch：判断是否有满足条件的元素
- reduce：归约
- max、min、count：统计
- ......
创建 Stream
- 通过集合的 stream() 或者 parallelStream() 方法创建
List list = Arrays.asList("a", "b", "c");
// 创建一个顺序流
Stream stream = list.stream();
// 创建一个并行流
Stream parallelStream = list.parallelStream();
stream() 创建的是顺序流，由主线程按顺序对流执行操作。
parallelStream() 创建的是并行流，如果对顺序没有要求，可以使用它以多线程并行执行。数据量比较大的时候并行流可以明显提高效率。
- 使用 java.util.Arrays.stream(T[] array) 方法用数组创建流
int[] array={1,2,3,4,5};
IntStream stream = Arrays.stream(array);
- 使用 Stream 的静态方法：of()、iterate()、generate()
Stream stream = Stream.of(1, 2, 3, 4, 5, 6);
Stream stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
Stream stream3 = Stream.generate(Math::random).limit(3);
中间操作
filter
传入规则，筛选出符合要求的元素。
filter
例子1（筛选出大于 3 的元素）
Arrays.asList(1, 2, 3, 4, 5).stream()
.filter(x -> x > 3)
.forEach(System.out::println);
结果：
4
5
例子2（筛选出年龄大于 20 的人的姓名）
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男"));
personList.add(new Person("Rose", 15, "女"));
personList.add(new Person("Tom", 20, "男"));
personList.add(new Person("Lucy", 25, "女"));
personList.add(new Person("Lily", 39, "女"));
personList.stream()
.filter(person -> person.getAge() > 20)
.map(Person::getName)
.forEach(System.out::println);
结果：
Lucy
Lily
map、flatMap
用于映射。
-
map：接收一个函数作为参数，按照一定的规则将元素映射为一个新的元素。
map -
flatMap：接收一个函数作为参数，按照一定的规则将每个元素映射为一个新的流，然后把所有流连接成一个流。
flatMap
例子1（将每个数映射为它的平方）
Arrays.asList(1, 2, 3).stream()
.map(i -> i*i)
.forEach(System.out::println);
结果
1
4
9
例子2（将筛选出的年龄大于 20 的 Person 对象映射为 name 属性）
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男"));
personList.add(new Person("Rose", 15, "女"));
personList.add(new Person("Tom", 20, "男"));
personList.add(new Person("Lucy", 25, "女"));
personList.add(new Person("Lily", 39, "女"));
personList.stream()
.filter(person -> person.getAge() > 20)
.map(Person::getName)
.forEach(System.out::println);
结果：
Lucy
Lily
例子3（将每个元素转化为一个流，然后合并）
List newList = Arrays.asList("a,b,c", "d,e,f,g").stream()
.flatMap(s -> Arrays.stream(s.split(",")))
.collect(Collectors.toList());
System.out.println(newList);
结果：
[a, b, c, d, e, f, g]
sorted
排序。
例子1：
List sortedList = Arrays.asList(4, 7, 3, 9, 1, 5).stream()
.sorted(Integer::compareTo)
.collect(Collectors.toList());
System.out.println(sortedList);
sortedList = Arrays.asList(4, 7, 3, 9, 1, 5).stream()
.sorted() // 默认升序
.collect(Collectors.toList());
System.out.println(sortedList);
结果：
[1, 3, 4, 5, 7, 9]
[1, 3, 4, 5, 7, 9]
例子2：
List personList = new ArrayList();
personList.add(new Person("Lucy", 25, "女", 2));
personList.add(new Person("Rose", 15, "女", 1));
personList.add(new Person("Jack", 10, "男", 1));
personList.add(new Person("Tom", 20, "男", 2));
personList.add(new Person("Tony", 35, "男", 3));
personList.add(new Person("Lily", 30, "女", 3));
// 按年龄排序（升序）
List nameSortedByAge = personList.stream()
.sorted(Comparator.comparing(Person::getAge))
.map(Person::getName)
.collect(Collectors.toList());
System.out.println(nameSortedByAge);
// 按年龄排序（倒序，加 reversed）
nameSortedByAge = personList.stream()
.sorted(Comparator.comparing(Person::getAge).reversed())
.map(Person::getName)
.collect(Collectors.toList());
System.out.println(nameSortedByAge);
// 先按性别再按年龄排序
nameSortedByAge = personList.stream()
.sorted(Comparator.comparing(Person::getSex).thenComparing(Person::getAge))
.map(Person::getName)
.collect(Collectors.toList());
System.out.println(nameSortedByAge);
// 先按性别再按年龄自定义排序（倒序）
nameSortedByAge = personList.stream()
.sorted((p1, p2) -> {
if (p1.getSex().equals(p2.getSex())) {
return p2.getAge() - p1.getAge();
} else {
return p2.getSex().compareTo(p1.getSex());
}
})
.map(Person::getName)
.collect(Collectors.toList());
System.out.println(nameSortedByAge);
结果：
[Jack, Rose, Tom, Lucy, Lily, Tony]
[Tony, Lily, Lucy, Tom, Rose, Jack]
[Rose, Lucy, Lily, Jack, Tom, Tony]
[Tony, Tom, Jack, Lily, Lucy, Rose]
distinct
去重。
例子1：
String[] arr1 = { "a", "b", "c", "d" };
String[] arr2 = { "d", "e", "f", "g" };
List newList = Stream.concat(Stream.of(arr1), Stream.of(arr2))
.distinct()
.collect(Collectors.toList());
System.out.println(newList);
结果：
[a, b, c, d, e, f, g]
例子2：
对象去重
List personList = new ArrayList();
personList.add(new Person(1001, "Lucy", 25, "女", 2));
personList.add(new Person(1001, "Lucy", 25, "女", 2));
personList.add(new Person(1002,"Rose", 15, "女", 1));
personList.add(new Person(1003,"Jack", 10, "男", 1));
List names = personList.stream()
.filter(distinctByKey(Person::getId))
.map(Person::getName)
.collect(Collectors.toList());
System.out.println(names);
static Predicate distinctByKey(Function keyExtractor) {
Map seen = new ConcurrentHashMap<>();
return t -> seen.putIfAbsent(keyExtractor.apply(t), Boolean.TRUE) == null;
}
结果：
[Lucy, Rose, Jack]
limit
限制从集合中取前 n 位
List limitList = Stream.iterate(1, x -> x + 2)
.limit(10)
.collect(Collectors.toList());
System.out.println(limitList);
结果：
[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
skip
跳过前 n 位
List limitList = Stream.iterate(1, x -> x + 2)
.skip(1)
.limit(10)
.collect(Collectors.toList());
System.out.println(limitList);
结果：
[3, 5, 7, 9, 11, 13, 15, 17, 19, 21]
终端操作
forEach
Arrays.asList(1, 2, 3, 4, 5).stream()
.forEach(System.out::println);
结果：
1
2
3
4
5
findFirst
System.out.println(Arrays.asList(1, 2, 3, 4, 5).stream()
.filter(x -> x > 3)
.findFirst()
.get());
结果：
4
findAny
获取任意一个
// findAny 获取任意适用于并行流 parallelStream
System.out.println(Arrays.asList(1, 2, 3, 4, 5).parallelStream()
.filter(x -> x > 3)
.findAny()
.get());
结果：
4 或者 5
anyMatch
是否有满足条件的元素
System.out.println(Arrays.asList(1, 2, 3, 4, 5).stream()
.anyMatch(x -> x > 3));
reduce
归纳。也称缩减，顾名思义，是把一个流缩减成一个值，用与集合求和、求乘积、求最值等。
求和：
List list = Arrays.asList(1, 2, 3, 4, 5, 6);
// 求和方式 1
int sum = list.stream()
.reduce((x, y) -> x + y)
.get();
System.out.println(sum);
// 求和方式 2
sum = list.stream()
.reduce(Integer::sum)
.get();
System.out.println(sum);
// 求和方式 3
// 列表中所有元素和要再加上第一个参数
sum = list.stream()
.reduce(1, Integer::sum);
System.out.println(sum);
结果：
21
21
22
求乘积：
List list = Arrays.asList(1, 2, 3, 4, 5, 6);
// 求乘积
int product = list.stream()
.reduce((x, y) -> x * y)
.get();
System.out.println(product);
结果：
720
求最大值：
List list = Arrays.asList(1, 2, 3, 4, 5, 6);
// 求最大值方式 1
int maxvalue = list.stream()
.reduce((x, y) -> x > y ? x : y)
.get();
System.out.println(maxvalue);
// 求最大值方式 2
// 列表的最大值和第一个参数再选一个最大值
maxvalue = list.stream()
.reduce(10, Integer::max);
System.out.println(maxvalue);
结果：
6
10
max、min、count
用于对集合进行统计
// 统计最大值是什么
// 打印 3
int maxValue = Arrays.asList(1, 2, 3).stream()
.max(Integer::compareTo)
.get();
System.out.println(maxValue);
// 统计最长的字符串是什么
// 打印 ccc
String maxLengthValue = Arrays.asList("a", "bb", "ccc").stream()
.max(Comparator.comparing(String::length))
.get();
System.out.println(maxLengthValue);
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男"));
personList.add(new Person("Rose", 15, "女"));
personList.add(new Person("Tom", 20, "男"));
personList.add(new Person("Lucy", 25, "女"));
personList.add(new Person("Lily", 39, "女"));
// 统计年龄最小的人的姓名
// 打印 Jack
String name = personList.stream()
.min(Comparator.comparingInt(Person::getAge))
.map(Person::getName)
.get();
System.out.println(name);
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男"));
personList.add(new Person("Rose", 15, "女"));
personList.add(new Person("Tom", 20, "男"));
personList.add(new Person("Lucy", 25, "女"));
personList.add(new Person("Lily", 39, "女"));
// 统计男生的人数
// 打印 2
long count = personList.stream()
.filter(person -> person.getSex().equals("男"))
.count();
System.out.println(count);
collect
把流收集起来，可以收集成一个新的集合，也可以收集成一个值。
例子1：toList、toSet、toMap
List list = Arrays.asList(1, 2, 3, 4, 5, 5, 6, 6);
// 转化为 List
List newList = list.stream()
.filter(x -> x > 2)
.collect(Collectors.toList());
System.out.println(newList);
// 转化为 Set
Set set = list.stream()
.filter(x -> x > 2)
.collect(Collectors.toSet());
System.out.println(set);
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男"));
personList.add(new Person("Rose", 15, "女"));
personList.add(new Person("Tom", 20, "男"));
personList.add(new Person("Lucy", 25, "女"));
personList.add(new Person("Lily", 39, "女"));
// 转化为 Mao
Map map = personList.stream()
.filter(person -> person.getAge() > 20)
.collect(Collectors.toMap(Person::getName, person -> person));
System.out.println(map);
结果：
[3, 4, 5, 5, 6, 6]
[3, 4, 5, 6]
{Lucy=Person@1ddc4ec2, Lily=Person@133314b}
另外如果想转化为 LinkedList 的话，collect 的参数设为 Collectors.toCollection(LinkedList::new)
例子2：各种统计方法
- 计数：count
- 平均值：averagingInt、averagingLong、averagingDouble
- 最值：maxBy、minBy
- 求和：summingInt、summingLong、summingDouble
- 统计以上所有：summarizingInt、summarizingLong、summarizingDouble
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男"));
personList.add(new Person("Rose", 15, "女"));
personList.add(new Person("Tom", 20, "男"));
personList.add(new Person("Lucy", 25, "女"));
personList.add(new Person("Lily", 39, "女"));
// 求总数
long count = personList.stream()
.collect(Collectors.counting());
System.out.println(count);
// 求平均年龄
double averageAge = personList.stream()
.collect(Collectors.averagingInt(Person::getAge));
System.out.println(averageAge);
// 求最高年龄
int maxAge = personList.stream()
.map(Person::getAge)
.collect(Collectors.maxBy(Integer::compare))
.get();
System.out.println(maxAge);
// 求年龄之和
Integer sum = personList.stream()
.collect(Collectors.summingInt(Person::getAge));
System.out.println(sum);
// 一次性统计所有信息
DoubleSummaryStatistics all = personList.stream()
.collect(Collectors.summarizingDouble(Person::getAge));
System.out.println(all);
例子3：分组
partitioningBy：分成两部分
groupingBy：分成多部分
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男", 1));
personList.add(new Person("Rose", 15, "女", 1));
personList.add(new Person("Tom", 20, "男", 2));
personList.add(new Person("Lucy", 25, "女", 2));
personList.add(new Person("Lily", 30, "女", 3));
personList.add(new Person("Tony", 35, "女", 3));
personList.add(new Person("未知", 100, "未知", 4));
// 按年龄是否大于 20 分组
Map> part = personList.stream()
.collect(Collectors.partitioningBy(person -> person.getAge() > 20));
System.out.println(part);
// 按性别分组
Map> group = personList.stream()
.collect(Collectors.groupingBy(Person::getSex));
System.out.println(group);
// 先按班级分组，再按性别分组
Map>> group2 = personList.stream()
.collect(Collectors.groupingBy(Person::getClazz, Collectors.groupingBy(Person::getSex)));
System.out.println(group2);
结果：
{false=[Person@5b6f7412, Person@27973e9b, Person@312b1dae], true=[Person@7530d0a, Person@27bc2616, Person@3941a79c, Person@506e1b77]}
{女=[Person@27973e9b, Person@7530d0a, Person@27bc2616, Person@3941a79c], 未知=[Person@506e1b77], 男=[Person@5b6f7412, Person@312b1dae]}
{1={女=[Person@27973e9b], 男=[Person@5b6f7412]}, 2={女=[Person@7530d0a], 男=[Person@312b1dae]}, 3={女=[Person@27bc2616, Person@3941a79c]}, 4={未知=[Person@506e1b77]}}
例子4：joining
将 stream 中的元素用特定的连接符连接成一个字符串。
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男", 1));
personList.add(new Person("Rose", 15, "女", 1));
personList.add(new Person("Tom", 20, "男", 2));
personList.add(new Person("Lucy", 25, "女", 2));
personList.add(new Person("Lily", 30, "女", 3));
personList.add(new Person("Tony", 35, "女", 3));
String names = personList.stream()
.map(Person::getName)
.collect(Collectors.joining(", "));
System.out.println(names);
结果：
Jack, Rose, Tom, Lucy, Lily, Tony
例子5：reducing
归约。相比于 stream 本身的 reduce 方法，增加了对自定义归约的支持。
List personList = new ArrayList();
personList.add(new Person("Jack", 10, "男", 1));
personList.add(new Person("Rose", 15, "女", 1));
personList.add(new Person("Tom", 20, "男", 2));
personList.add(new Person("Lucy", 25, "女", 2));
personList.add(new Person("Lily", 30, "女", 3));
personList.add(new Person("Tony", 35, "女", 3));
// 再过 10 年所有人年龄之和
Integer sum = personList.stream()
.collect(Collectors.reducing(0, Person::getAge, (i, j) -> (i + j + 10)));
System.out.println(sum);