stream去重_简洁方便的集合处理——Java 8 stream流
原标题：简洁方便的集合处理——Java 8 stream流
本文原载于SegmentFault专栏 - 宜信技术学院
作者：宜信技术学院
整理编辑：SegmentFault
背景
java 8已经发行好几年了，前段时间java 12也已经问世，但平时的工作中，很多项目的环境还停留在java1.7中。而且java8的很多新特性都是革命性的，比如各种集合的优化、lambda表达式等，所以我们还是要去了解java8的魅力。
今天我们来学习java8的Stream，并不需要理论基础，直接可以上手去用。
我接触stream的原因，是我要搞一个用户收入消费的数据分析。起初的统计筛选分组都是打算用sql语言直接从mysql里得到结果来展现的。但在操作中我们发现这样频繁地访问数据库，性能会受到很大的影响，分析速度会很慢。所以我们希望能通过访问一次数据库就拿到所有数据，然后放到内存中去进行数据分析统计过滤。
接着，我看了stream的API，发现这就是我想要的。
Stream理解
在java中我们称Stream为『流』，我们经常会用流去对集合进行一些流水线的操作。stream就像工厂一样，只需要把集合、命令还有一些参数灌输到流水线中去，就可以加工成得出想要的结果。这样的流水线能大大简洁代码，减少操作。
Stream流程
原集合 —> 流 —> 各种操作(过滤、分组、统计)—> 终端操作
Stream流的操作流程一般都是这样的，先将集合转为流，然后经过各种操作，比如过滤、筛选、分组、计算。最后的终端操作，就是转化成我们想要的数据，这个数据的形式一般还是集合，有时也会按照需求输出count计数。下文会一一举例。
API功能举例
首先，定义一个用户对象，包含姓名、年龄、性别和籍贯四个成员变量：
importlombok.AllArgsConstructor;
importlombok.Builder;
importlombok.Data;
importlombok.NoArgsConstructor;
importlombok.extern.log4j.Log4j;
@Data
@NoArgsConstructor
@AllArgsConstructor
@Log4j
@Builder
publicclassUser{
//姓名
privateString name;
//年龄
privateInteger age;
//性别
privateInteger sex;
//所在省市
privateString address;
}
这里用lombok简化了实体类的代码。
然后创建需要的集合数据，也就是源数据：
//1.构建我们的list
List list= Arrays.asList(
newUser("钢铁侠",40,0,"华盛顿"),
newUser("蜘蛛侠",20,0,"华盛顿"),
newUser("赵丽颖",30,1,"湖北武汉市"),
newUser("詹姆斯",35,0,"洛杉矶"),
newUser("李世民",60,0,"山西省太原市"),
newUser("蔡徐坤",20,1,"陕西西安市"),
newUser("葫芦娃的爷爷",70,0,"山西省太原市")
);
过滤1)创建流 stream / parallelStream
stream : 串行流
parallelStream: 并行流
2)filter 过滤(T-> boolean)
比如要过滤年龄在40岁以上的用户，就可以这样写：
List filterList = list.stream.filter(user -> user.getAge >= 40)
.collect(toList);
filter里面，->箭头后面跟着的是一个boolean值，可以写任何的过滤条件，就相当于sql中where后面的东西，换句话说，能用sql实现的功能这里都可以实现
打印结果：
3)distinct 去重
和sql中的distinct关键字很相似。为了看到效果，此处在原集合中加入一个重复的人，就选择钢铁侠吧，复联4钢铁侠不幸遇害，大家还是比较伤心的。
List list= Arrays.asList(
newUser("钢铁侠",40,0,"华盛顿"),
newUser("钢铁侠",40,0,"华盛顿"),
newUser("蜘蛛侠",20,0,"华盛顿"),
newUser("赵丽颖",30,1,"湖北武汉市"),
newUser("詹姆斯",35,0,"洛杉矶"),
newUser("李世民",60,0,"山西省太原市"),
newUser("蔡徐坤”,18,1,"陕西西安市"),
new User("葫芦娃的爷爷",70,0,"山西省太原市")
);
//distinct 去重
List distinctList = filterList.stream.distinct
.collect(toList);
打印结果：
4)sorted排序
如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用sorted 方法对元素进行排序，如：
Comparator.comparingInt
反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。
//sorted
List sortedList = distinctList.stream.sorted(Comparator.comparingInt(User::getAge))
.collect(toList);
打印结果：
结果按照年龄从小到大进行排序。
5)limit 返回前n个元素
如果想知道这里面年龄最小的是谁，可作如下操作：
//limit返回前n个元素
List limitList = sortedList.stream.limit(1)
.collect(toList);
打印结果：
6)skip
与limit恰恰相反，skip的意思是跳过，也就是去除前n个元素。
打印结果：
果然，前两个人都被去除了，只剩下最老的葫芦娃爷爷。
映射1)map(T->R)
map是将T类型的数据转为R类型的数据，比如我们想要设置一个新的list，存储用户所有的城市信息。
//map(T->R)
List cityList = list.stream.map(User::getAddress).distinct.collect(toList);
打印结果：
2)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。
//flatMap(T -> Stream)
List flatList = newArrayList<>;
flatList.add("唱,跳");
flatList.add("rape,篮球,music");
flatList = flatList.stream.map(s -> s.split(",")).flatMap(Arrays::stream).collect(toList);
打印结果：
这里原集合中的数据由逗号分割，使用split进行拆分后，得到的是Stream，字符串数组组成的流，要使用flatMap的
Arrays::stream
将Stream转为Stream,然后把流相连接，组成了完整的唱、跳、rap、篮球和music。
查找1)allMatch(T->boolean)
检测是否全部满足参数行为，假如这些用户是网吧上网的用户名单，那就需要检查是不是每个人都年满18周岁了。
boolean isAdult = list.stream.allMatch(user -> user.getAge >= 18);
打印结果：
true
2)anyMatch(T->boolean)
检测是否有任意元素满足给定的条件，比如，想知道同学名单里是否有女生。
//anyMatch(T -> boolean) 是否有任意一个元素满足给定的条件
boolean isGirl = list.stream.anyMatch(user -> user.getSex == 1);
打印结果：
true
说明集合中有女生存在。
3)noneMatch(T -> boolean)
流中是否有元素匹配给定的 T -> boolean 条件。
比如检测有没有来自巴黎的用户。
booleanisLSJ = list.stream.noneMatch(user -> user.getAddress.contains("巴黎"));
打印结果：
true
打印true说明没有巴黎的用户。
4)findFirst( ):找到第一个元素
Optional fristUser = list.stream.findFirst;
打印结果：
User(name=钢铁侠, age=40, sex=0, address=华盛顿)
5)findAny:找到任意一个元素
Optional anyUser = list.stream.findAny;
打印结果：
User(name=钢铁侠, age=40, sex=0, address=华盛顿)
这里我们发现findAny返回的也总是第一个元素，那么为什么还要进行区分呢？因为在并行流parallelStream中找到的确实是任意一个元素。
Optional anyParallelUser = list.parallelStream.findAny;
打印结果：
Optional[User(name=李世民, age=60, sex=0, address=山西省太原市)]
纳新计算
1)求用户的总人数
longcount = list.stream.collect(Collectors.counting);
我们可以简写为：
long count = list.stream.count;
运行结果：
8
2)得到某一属性的最大最小值
// 求最大年龄
Optional max = list.stream.collect(Collectors.maxBy(
Comparator.comparing(User::getAge)));
// 求最小年龄
Optional min = list.stream.collect(Collectors.minBy(
Comparator.comparing(User::getAge)));
运行结果：
3)求年龄总和是多少
// 求年龄总和
inttotalAge = list.stream.collect(Collectors.summingInt(User::getAge));
运行结果：
313
我们经常会用BigDecimal来记录金钱，假设想得到BigDecimal的总和：
// 获得列表对象金额， 使用reduce聚合函数,实现累加器
BigDecimal sum = myList.stream .map(User::getMoney)
.reduce(BigDecimal.ZERO,BigDecimal::add);
4)求年龄平均值
//求年龄平均值
doubleavgAge = list.stream.collect(
Collectors.averagingInt(User::getAge));
运行结果：
39.125
5)一次性得到元素的个数、总和、最大值、最小值
IntSummaryStatistics statistics = list.stream.collect(
Collectors.summarizingInt(User::getAge));
运行结果：
6)字符串拼接
要将用户的姓名连成一个字符串并用逗号分割。
String names = list.stream.map(User::getName)
.collect(Collectors.joining(", "));
运行结果：
钢铁侠, 钢铁侠, 蜘蛛侠, 赵丽颖, 詹姆斯, 李世民, 蔡徐坤, 葫芦娃的爷爷
分组
在数据库操作中，我们经常通过GROUP BY关键字对查询到的数据进行分组，java8的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。
1)可以根据用户所在城市进行分组
Map> cityMap = list.stream
.collect(Collectors.groupingBy(User::getAddress));
运行结果：
结果是一个map，key为不重复的城市名，value为属于该城市的用户列表。已经实现了分组。
2)二级分组，先根据城市分组再根据性别分组
Map>> group = list.stream.collect(
Collectors.groupingBy(User::getAddress, // 一级分组，按所在地区
Collectors.groupingBy(User::getSex))); // 二级分组，按性别
运行结果：
3)如果仅仅想统计各城市的用户个数是多少，并不需要对应的list
按城市分组并统计人数：
Map cityCountMap = list.stream
.collect(Collectors.groupingBy(User::getAddress,Collectors.counting));
运行结果：
4)当然，也可以先进行过滤再分组并统计人数
Map map = list.stream.filter(user -> user.getAge <= 30)
.collect(Collectors.groupingBy(User::getAddress,Collectors.counting));
运行结果：
5)partitioningBy 分区
分区与分组的区别在于，分区是按照 true和 false来分的，因此partitioningBy 接受的参数的 lambda 也是 T -> boolean
//根据年龄是否小于等于30来分区
Map> part = list.stream
.collect(partitioningBy(user -> user.getAge <= 30));
运行结果：
总结
到目前为止，stream的功能我们已经用了很多了，感觉有点眼花缭乱却无所不能，stream能做的事情远远不止这些。
我们可以多学习使用stream，把原来复杂的sql查询，一遍又一遍地for循环的复杂代码重构，让代码更简洁易懂，可读性强。
欢迎关注 SegmentFault 微信公众号 :)返回搜狐，查看更多
责任编辑：