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

無狀態：指元素的處理不受之前元素的影響；

有狀態：指該操作只有拿到所有元素之後才能繼續下去。

非短路操作：指必須處理所有元素才能得到最終結果；

短路操作：指遇到某些符合條件的元素就可以得到最終結果，如 A || B，只要A為true，則無需判斷B的結果。

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 list = new ArrayList<>();
Stream stream = list.stream(); //獲取一個順序流
Stream 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 stream = Arrays.stream(nums);
1.3 使用Stream中的靜態方法：of()、iterate()、generate()

Stream stream = Stream.of(1,2,3,4,5,6);

Stream stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
stream2.forEach(System.out::println); // 0 2 4 6 8 10

Stream 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 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 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 stream = Stream.of(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14);

Stream 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 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 s1 = list.stream().map(s -> s.replaceAll(",", ""));
s1.forEach(System.out::println); // abc 123

Stream s3 = list.stream().flatMap(s -> {
//將每個元素轉換成一個stream
String[] split = s.split(",");
Stream 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 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 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 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 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 reduce(BinaryOperator 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 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 reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator 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。

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;
    }
};