Java8之Stream流

阿新 • • 發佈：2020-10-09

Java 8 (又稱為 jdk 1.8) 是 Java 語言開發的一個主要版本。 Oracle 公司於 2014 年 3 月 18 日釋出 Java 8 ，它支援函數語言程式設計，新的 JavaScript 引擎，新的日期 API，新的Stream API 等。

Stream API −新新增的Stream API（java.util.stream）把真正的函數語言程式設計風格引入到Java中。

一、概述

Stream 是 Java8 中處理集合的關鍵抽象概念，它可以指定你希望對集合進行的操作，可以執行非常複雜的查詢、過濾和對映資料等操作。使用Stream API 對集合資料進行操作，就類似於使用 SQL 執行的資料庫查詢。也可以使用 Stream API 來並行執行操作。簡而言之，Stream API 提供了一種高效且易於使用的處理資料的方式。

特點：

1 . 不是資料結構，不會儲存資料。

2. 不會修改原來的資料來源，它會將操作後的資料儲存到另外一個物件中。（保留意見：畢竟peek方法可以修改流中元素）

3. 惰性求值，流在中間處理過程中，只是對操作進行了記錄，並不會立即執行，需要等到執行終止操作的時候才會進行實際的計算。

二、分類

中間操作又可以分為無狀態（Stateless）與有狀態（Stateful）操作，
- 前者是指元素的處理不受之前元素的影響，
- 後者是指該操作只有拿到所有元素之後才能繼續下去。
終結操作又可以分為短路（Short-circuiting）與非短路（Unshort-circuiting）操作，
- 前者是指遇到某些符合條件的元素就可以得到最終結果，
- 後者是指必須處理完所有元素才能得到最終結果。
我們通常還會將中間操作稱為懶操作，也正是由這種懶操作結合終結操作、資料來源構成的處理管道（Pipeline），實現了 Stream 的高效。

三、具體用法

1. 流的常用建立方法

1.1 使用Collection下的 stream() 和 parallelStream() 方法

List<String> list = new ArrayList<>();
Stream<String> stream = list.stream(); //獲取一個順序流
Stream<String> parallelStream = list.parallelStream(); //獲取一個並行流

1.2 使用Arrays 中的 stream() 方法，將陣列轉成流

Integer[] nums = new Integer[10];
Stream<Integer> stream = Arrays.stream(nums);

1.3 使用Stream中的靜態方法：of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1,2,3,4,5,6);
 
Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
stream2.forEach(System.out::println); // 0 2 4 6 8 10
 
Stream<Double> stream3 = Stream.generate(Math::random).limit(2);
stream3.forEach(System.out::println);

1.4 使用 BufferedReader.lines() 方法，將每行內容轉成流

BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));
Stream<String> lineStream = reader.lines();
lineStream.forEach(System.out::println);

1.5 使用 Pattern.splitAsStream() 方法，將字串分隔成流

Pattern pattern = Pattern.compile(",");
Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
stringStream.forEach(System.out::println);

2. 流的中間操作

2.1 篩選與切片

filter：過濾流中的某些元素
limit(n)：獲取n個元素
skip(n)：跳過n元素，配合limit(n)可實現分頁
distinct：通過流中元素的 hashCode() 和 equals() 去除重複元素

Stream<Integer> stream = Stream.of(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14);
 
Stream<Integer> newStream = stream.filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
        .distinct() //6 7 9 8 10 12 14
        .skip(2) //9 8 10 12 14
        .limit(2); //9 8
newStream.forEach(System.out::println);

2.2 對映

map：接收一個函式作為引數，該函式會被應用到每個元素上，並將其對映成一個新的元素。
flatMap：接收一個函式作為引數，將流中的每個值都換成另一個流，然後把所有流連線成一個流。

List<String> list = Arrays.asList("a,b,c", "1,2,3");
 
//將每個元素轉成一個新的且不帶逗號的元素
Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
s1.forEach(System.out::println); // abc  123
 
Stream<String> s3 = list.stream().flatMap(s -> {
    //將每個元素轉換成一個stream
    String[] split = s.split(",");
    Stream<String> s2 = Arrays.stream(split);
    return s2;
});
s3.forEach(System.out::println); // a b c 1 2 3

2.3 排序

sorted()：自然排序，流中元素需實現Comparable介面
sorted(Comparator com)：定製排序，自定義Comparator排序器

List<String> list = Arrays.asList("aa", "ff", "dd");
//String 類自身已實現Compareable介面
list.stream().sorted().forEach(System.out::println);// aa dd ff
 
Student s1 = new Student("aa", 10);
Student s2 = new Student("bb", 20);
Student s3 = new Student("aa", 30);
Student s4 = new Student("dd", 40);
List<Student> studentList = Arrays.asList(s1, s2, s3, s4);
 
//自定義排序：先按姓名升序，姓名相同則按年齡升序
studentList.stream().sorted(
        (o1, o2) -> {
            if (o1.getName().equals(o2.getName())) {
                return o1.getAge() - o2.getAge();
            } else {
                return o1.getName().compareTo(o2.getName());
            }
        }
).forEach(System.out::println);

2.4 消費

peek：如同於map，能得到流中的每一個元素。但map接收的是一個Function表示式，有返回值；而peek接收的是Consumer表示式，沒有返回值。

Student s1 = new Student("aa", 10);
Student s2 = new Student("bb", 20);
List<Student> studentList = Arrays.asList(s1, s2);
 
studentList.stream()
        .peek(o -> o.setAge(100))
        .forEach(System.out::println);   
 
//結果：
Student{name='aa', age=100}
Student{name='bb', age=100}

3. 流的終止操作

3.1 匹配、聚合操作

allMatch：接收一個 Predicate 函式，當流中每個元素都符合該斷言時才返回true，否則返回false
noneMatch：接收一個 Predicate 函式，當流中每個元素都不符合該斷言時才返回true，否則返回false
anyMatch：接收一個 Predicate 函式，只要流中有一個元素滿足該斷言則返回true，否則返回false
findFirst：返回流中第一個元素
findAny：返回流中的任意元素
count：返回流中元素的總個數
max：返回流中元素最大值
min：返回流中元素最小值

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
 
boolean allMatch = list.stream().allMatch(e -> e > 10); //false
boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true
boolean anyMatch = list.stream().anyMatch(e -> e > 4);  //true
 
Integer findFirst = list.stream().findFirst().get(); //1
Integer findAny = list.stream().findAny().get(); //1
 
long count = list.stream().count(); //5
Integer max = list.stream().max(Integer::compareTo).get(); //5
Integer min = list.stream().min(Integer::compareTo).get(); //1

3.2 規約操作

Optional<T> reduce(BinaryOperator<T> accumulator)：第一次執行時，accumulator函式的第一個引數為流中的第一個元素，第二個引數為流中元素的第二個元素；第二次執行時，第一個引數為第一次函式執行的結果，第二個引數為流中的第三個元素；依次類推。
T reduce(T identity, BinaryOperator<T> accumulator)：流程跟上面一樣，只是第一次執行時，accumulator函式的第一個引數為identity，而第二個引數為流中的第一個元素。
<U> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U> combiner)：在序列流(stream)中，該方法跟第二個方法一樣，即第三個引數combiner不會起作用。在並行流(parallelStream)中,我們知道流被fork join出多個執行緒進行執行，此時每個執行緒的執行流程就跟第二個方法reduce(identity,accumulator)一樣，而第三個引數combiner函式，則是將每個執行緒的執行結果當成一個新的流，然後使用第一個方法reduce(accumulator)流程進行規約。

//經過測試，當元素個數小於24時，並行時執行緒數等於元素個數，當大於等於24時，並行時執行緒數為16
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24);
 
Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(v);   // 300
 
Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
System.out.println(v1);  //310
 
Integer v2 = list.stream().reduce(0,
        (x1, x2) -> {
            System.out.println("stream accumulator: x1:" + x1 + "  x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> {
            System.out.println("stream combiner: x1:" + x1 + "  x2:" + x2);
            return x1 * x2;
        });
System.out.println(v2); // -300
 
Integer v3 = list.parallelStream().reduce(0,
        (x1, x2) -> {
            System.out.println("parallelStream accumulator: x1:" + x1 + "  x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> {
            System.out.println("parallelStream combiner: x1:" + x1 + "  x2:" + x2);
            return x1 * x2;
        });
System.out.println(v3); //197474048

3.3 收集操作

collect：接收一個Collector例項，將流中元素收整合另外一個數據結構。
Collector<T, A, R> 是一個介面，有以下5個抽象方法：
Supplier<A> supplier()：建立一個結果容器A
BiConsumer<A, T> accumulator()：消費型介面，第一個引數為容器A，第二個引數為流中元素T。
BinaryOperator<A> combiner()：函式介面，該引數的作用跟上一個方法(reduce)中的combiner引數一樣，將並行流中各個子程序的執行結果(accumulator函式操作後的容器A)進行合併。
Function<A, R> finisher()：函式式介面，引數為：容器A，返回型別為：collect方法最終想要的結果R。
Set<Characteristics> characteristics()：返回一個不可變的Set集合，用來表明該Collector的特徵。有以下三個特徵：
CONCURRENT：表示此收集器支援併發。（官方文件還有其他描述，暫時沒去探索，故不作過多翻譯）
UNORDERED：表示該收集操作不會保留流中元素原有的順序。
IDENTITY_FINISH：表示finisher引數只是標識而已，可忽略。

3.3.1 Collector 工具庫：Collectors

Student s1 = new Student("aa", 10,1);
Student s2 = new Student("bb", 20,2);
Student s3 = new Student("cc", 10,3);
List<Student> list = Arrays.asList(s1, s2, s3);
 
//裝成list
List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10]
 
//轉成set
Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10]
 
//轉成map,注:key不能相同，否則報錯
Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10}
 
//字串分隔符連線
String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc)
 
//聚合操作
//1.學生總數
Long count = list.stream().collect(Collectors.counting()); // 3
//2.最大年齡 (最小的minBy同理)
Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
//3.所有人的年齡
Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40
//4.平均年齡
Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334
// 帶上以上所有方法
DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage());
 
//分組
Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
//多重分組,先根據型別分再根據年齡分
Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));
 
//分割槽
//分成兩部分，一部分大於10歲，一部分小於等於10歲
Map<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));
 
//規約
Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40

3.3.2 Collectors.toList() 解析

//toList 原始碼
public static <T> Collector<T, ?, List<T>> toList() {
    return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
            (left, right) -> {
                left.addAll(right);
                return left;
            }, CH_ID);
}
 
//為了更好地理解，我們轉化一下原始碼中的lambda表示式
public <T> Collector<T, ?, List<T>> toList() {
    Supplier<List<T>> supplier = () -> new ArrayList();
    BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
    BinaryOperator<List<T>> combiner = (list1, list2) -> {
        list1.addAll(list2);
        return list1;
    };
    Function<List<T>, List<T>> finisher = (list) -> list;
    Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
 
    return new Collector<T, List<T>, List<T>>() {
        @Override
        public Supplier supplier() {
            return supplier;
        }
 
        @Override
        public BiConsumer accumulator() {
            return accumulator;
        }
 
        @Override
        public BinaryOperator combiner() {
            return combiner;
        }
 
        @Override
        public Function finisher() {
            return finisher;
        }
 
        @Override
        public Set<Characteristics> characteristics() {
            return characteristics;
        }
    };
 
}