Java8新特性 - Stream流的应用
生命不息，写作不止 继续踏上学习之路，学之分享笔记 总有一天我也能像各位大佬一样 一个有梦有戏的人 @怒放吧德德 分享学习心得，欢迎指正，大家一起学习成长！
简介
stream是java8新出的抽象概念，他可以让你根据你期望的方式来处理集合数据，能够轻松的执行复杂的查找、过滤和映射数据等操作。Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。 Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。这种风格将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选， 排序，聚合等。 元素流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果。 对于一个集合，首先需要转成stream流，可以使用中间操作（filter过滤器、distinct去重、sorted排序等），但是最后是由终止操作结束（forEach遍历、collect转换、min，max最小最大等）。
Stream流的使用
生成流
在 Java 8 中, 集合接口有两个方法来生成流：
- stream() − 为集合创建串行流，也就是采用单线程执行
- parallelStream() − 为集合创建并行流，也就是采用多线程执行 串行流：单线程的方式操作， 数据量比较少的时候使用 并行流：多线程方式操作，数据量比较大的时候使用 主要原理是：将一个大的任务拆分n多个小的子任务并行执行， 最后在统计结果，有可能会非常消耗cpu的资源，确实可以 提高效率，但是在数据量不多的时候就不要使用并行流。
Stream将list转换为Set
首先将list转成stream流，在通过collect(Collectors.toSet())的方法得到set集合。但是，直接这么操作，set集合是无法去重的。首先需要了解一下set的底层是如何防止重复的key的，我们都知道set底层依赖map防止重复的key，map集合底层依靠equals比较防止重复的key。所以我们需要在实体类型中去重写equals和hashcode的方法。 实体类：
package com.jdk8.demo.lambda.entity;
import java.util.HashMap;
/**
* @author: lyd
* @description: 实体
* @Date: 2022/10/5
*/
public class Student {
private String name;
private Integer score;
// ... 省略get、set、构造方法
@Override
public boolean equals(Object obj) {
if (obj instanceof Student) {
return name.equals(((Student) obj).name) && score == ((Student) obj).score;
}
return false;
}
@Override
public int hashCode() {
return score.hashCode();
}
}
测试代码
public static void main(String[] args) {
// Stream将list转换为Set
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
students.add(new Student("lss", 87));
/**
* set底层依赖map防止重复的key，map集合底层依靠equals比较防止重复的key
*/
Stream<Student> stream = students.stream();
Set<Student> collect = stream.collect(Collectors.toSet());
Iterator<Student> iterator = collect.iterator();
while (iterator.hasNext()) {
Student next = iterator.next();
System.out.println(next.getName() + " -> " + next.getScore());
}
}
结果：
Stream将list转换为Map
list集合转成stream流之后，通过<R, A> R collect(Collector<? super T, A, R> collector)，在通过
Collector<T, ?, Map<K,U>> toMap(Function<? super T, ? extends K> keyMapper,
Function<? super T, ? extends U> valueMapper) {
return toMap(keyMapper, valueMapper, throwingMerger(), HashMap::new);
}
来声明key和value。如下代码，可以这么理解，stream.collect(Collectors.toMap(key, value))，key和value都是通过new Function<T, K>，对于key：T指的是Steam流的类型(既Student)，而K代表的是map中的key值，因此这里是String类型的，在apply方法中去返回key值，通过student的名字来最为key，因此这里返回student.getName()。而第二个作为map的value，整体操作也是跟key差不多，主要还是需要注意的是，value存的是student，因此需要使用Student类型。
Map<String, Student> map = stream.collect(Collectors.toMap(new Function<Student, String>() {
@Override
public String apply(Student student) {
return student.getName();
}
}, new Function<Student, Student>() {
@Override
public Student apply(Student student) {
return student;
}
}));
最后都可以使用lambda表达式来
public static void main(String[] args) {
// Stream将list转换为Map
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
Stream<Student> stream = students.stream();
Map<String, Student> map = stream.collect(Collectors.toMap(student -> student.getName(), student -> student));
map.forEach((key, value) -> System.out.println("key: " + key + " -> value: " + value));
}
结果
Stream使用Reduce求和
通过使用stream的reduce方法，在里面去new BinaryOperator，代码如下
public static void main(String[] args) {
// Stream使用Reduce求和
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
Stream<Student> stream = students.stream();
Optional<Student> sum = stream.reduce((student, student2) -> {
Student sum1 = new Student("sum", student.getScore() + student2.getScore());
return sum1;
});
System.out.println(sum.get().getName() + " : " + sum.get().getScore());
}
结果
Stream使用Max和Min
实际上就是通过匿名内部类new Comparator()实现public int compare(Student o1, Student o2)比较方法。
public static void main(String[] args) {
// StreamMax和Min
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
Stream<Student> stream = students.stream();
Optional<Student> max = stream.max((o1, o2) -> o1.getScore() - o2.getScore());
System.out.println(max.get().getScore());
Stream<Student> stream2 = students.stream();
Optional<Student> min = stream2.min((o1, o2) -> o1.getScore() - o2.getScore());
// 可以使用方法引入更加简便
// Optional<Student> min = stream2.min(Comparator.comparingInt(Student::getScore));
System.out.println(min.get().getScore());
}
结果
Stream中Match匹配
- anyMatch表示，判断的条件里，任意一个元素成功，返回true
- allMatch表示，判断条件里的元素，所有的都是，返回true
- noneMatch跟allMatch相反，判断条件里的元素，所有的都不是，返回true
public static void main(String[] args) {
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
Stream<Student> stream = students.stream();
boolean allMatch = stream.allMatch(student -> student.getScore() > 60);
System.out.println("allMatch: " + allMatch);
Stream<Student> stream2 = students.stream();
boolean anyMatch = stream2.anyMatch(student -> student.getScore() > 60);
System.out.println("anyMatch: " + anyMatch);
Stream<Student> stream3 = students.stream();
boolean noneMatch = stream3.noneMatch(student -> student.getScore() > 60);
System.out.println("noneMatch: " + noneMatch);
}
结果
Stream的过滤与遍历
stream的过滤是通过filter方法，通过实现匿名内部类new Predicate()的test方法，并且可以使用链式编程，持续过滤并且遍历，因为过滤不是终止运算。然而forEach是实现匿名内部类new Consumer()的accept方法。可以通过new的方式在通过idea来生成lambda表达式。
public static void main(String[] args) {
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
Stream<Student> stream = students.stream();
stream.filter(student -> student.getName() != null)
.filter(student -> student.getScore() > 70)
.forEach(student -> System.out.println("name: " + student.getName() + " score: " + student.getScore()));
}
结果
Stream的排序
不仅Arrays以及数组能够实现排序甚至是重写排序规则，Stream流也是提供了相应的方法。通过实现匿名内部类Comparator的compare方法。
public static void main(String[] args) {
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
Stream<Student> stream = students.stream();
stream.sorted(new Comparator<Student>() {
@Override
public int compare(Student o1, Student o2) {
return o1.getScore() - o2.getScore();
}
}).forEach(new Consumer<Student>() {
@Override
public void accept(Student student) {
System.out.println("name: " + student.getName() + " score: " + student.getScore());
}
});
/*lambda*/
stream.sorted((o1, o2) -> o1.getScore() - o2.getScore())
.forEach(student -> System.out.println("name: " + student.getName() + " score: " + student.getScore()));
/*方法引入*/
stream.sorted(Comparator.comparingInt(Student::getScore))
.forEach(student -> System.out.println("name: " + student.getName() + " score: " + student.getScore()));
}
结果
Stream的limit与skip
在SQL中可以通过limit进行分页数据的获取，在java8的stream流中，limit是获取集合中的前几个值，而skip是跳过几个元素。当我们需要获取第二到第三个元素的时候，可以通过skip(1)在通过limit(2)获取。
public static void main(String[] args) {
ArrayList<Student> students = new ArrayList<>();
students.add(new Student("lyd", 99));
students.add(new Student("lkj", 55));
students.add(new Student("llm", 67));
students.add(new Student("lss", 87));
Stream<Student> stream = students.stream();
stream.skip(1).limit(2).forEach(student -> System.out.println("name: " + student.getName() + " score: " + student.getScore()));
}
结果
工作繁忙也需要学习。 创作不易，如有错误请指正，感谢观看！记得点赞哦！
标签：
留言评论