JAVA中stream,JAVA为啥要用stream流处理

　　00-1010介绍操作1:创建流操作2:中间操作过滤(过滤)、解映射、排序消耗操作3:终止操作匹配、最大值、数收集约定。

　　类用户{私有字符串名称；私有整数年龄；公共用户(字符串名称，整数年龄){ this.name=namethis.age=年龄；} public String getName(){ return name；} public void set name(String name){ this . name=name；} public Integer getAge(){ return age；} public void setAge(整数age){ this . age=age；} @ Override public String to String(){ return User { name= name ，age= age }}}

简介

Collection下的 stream() 和 parallelStream() 方法

　　ListString list=new ArrayList()；stream string stream=list . stream()；//串行流string并行流=list . parallel stream()；//并行流Arrays 中的 stream() 方法，将数组转成流

　　Integer[] nums=新整数[10]；stream integer stream=arrays . stream(nums)；Stream中的静态方法：of()、iterate()、generate()

　　stream integer stream=stream . of(1，2，3，4，5，6)；stream . foreach(system . out :3360 println)；//Output: 1 2 3 4 5 6 stream整数stream 2=stream.iterate (0，(x)-x ^ 2)。极限(6)；stream 2 . foreach(system . out :3360 println)；

　　 // 输出：0 2 4 6 8 10 Stream<Double> stream3 = Stream.generate(Math::random).limit(2);stream3.forEach(System.out::println); // 输出：两个随机数BufferedReader.lines() 方法，将每行内容转成流

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

Pattern.splitAsStream() 方法，将字符串分隔成流

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

操作2：中间操作

筛选（过滤）、去重

方法

　　方法说明filter过滤流中的某些元素（只保留返回值为true的项）limit(n)获取前n个元素skip(n)跳过前n个元素，配合limit(n)可实现分页distinct通过流中元素的 hashCode() 和 equals() 去除重复元素单个元素筛选（过滤）、去重、跳过、获取前n个

List<Integer> list = new ArrayList<>(Arrays.asList(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14)); List<Integer> newList = list.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 .collect(Collectors.toList());

根据对象属性去重

List<User> list = new ArrayList<User>() {{ add(new User("Tony", 20, "12")); add(new User("Pepper", 20, "123")); add(new User("Tony", 22, "1234")); add(new User("Tony", 22, "12345"));}}; //只通过名字去重List<User> streamByNameList = list.stream().collect(Collectors.collectingAndThen( Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(User::getName))), ArrayList::new));System.out.println(streamByNameList);//[User{name=Pepper, age=20, Phone=123}, // User{name=Tony, age=20, Phone=12}] //通过名字和年龄去重List<User> streamByNameAndAgeList = list.stream().collect(Collectors.collectingAndThen( Collectors.toCollection( () -> new TreeSet<>(Comparator.comparing(o -> o.getName() + o.getAge()))), ArrayList::new));System.out.println(streamByNameAndAgeList);//[User{name=Pepper, age=20, Phone=123},// User{name=Tony, age=20, Phone=12},// User{name=Tony, age=22, Phone=1234}]

collectingAndThen 这个方法的意思是: 将收集的结果转换为另一种类型。

　　因此上面的方法可以理解为：把 new TreeSet<>(Comparator.comparingLong(BookInfoVo::getRecordId))这个set转换为 ArrayList。

映射

方法

　　方法说明map函数作为参数，该函数被应用到每个元素，并将其映射成一个新的元素。新值类型可以和原来的元素的类型不同。flatMap函数作为参数，将流中每个值换成另一个流，再把所有流连成一个流。新值类型可以和原来的元素的类型不同。mapToInt/Long/Double跟map差不多。只是将其转为基本类型。flatMapToInt/Long/Double跟flatMap差不多。只是将其转为基本类型。新值类型和原来的元素的类型相同示例

List<String> list = Arrays.asList("a,b,c", "1,2,3"); //将每个元素转成一个新的且不带逗号的元素Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));s1.forEach(System.out::println); // abc 123 Stream<String> s2 = list.stream().flatMap(s -> { //将每个元素转换成一个stream String[] split = s.split(","); Stream<String> s3 = Arrays.stream(split); return s3;});s2.forEach(System.out::println); // a b c 1 2 3

新值类型和原来的元素的类型不同示例

User u1 = new User("aa", 10);User u2 = new User("bb", 20);User u3 = new User("cc", 10);List<User> list = Arrays.asList(u1, u2, u3); Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());ageSet.forEach(System.out::println); //20 10 int[] ageInt = list.stream().map(User::getAge).mapToInt(Integer::intValue).toArray();//下边这样也可以//Integer[] ages = list.stream.map(User::getAge).toArray(Integer[]::new);for (int i : ageInt) { System.out.println(i);}//10 20 10

map的原型为：<R> Stream<R> map(Function<? super T, ? extends R> mapper);

　　上边例子中，将Student::getAge作为参数，其实际为：<R> Stream<Integer> map(Function<? super Student, ? extends Integer> mapper);

排序

方法

　　方法说明sorted()自然排序，流中元素需实现Comparable接口。例：list.stream().sorted()sorted(Comparator com)定制排序。常用以下几种：list.stream().sorted(Comparator.reverseOrder())list.stream().sorted(Comparator.comparing(Student::getAge))list.stream().sorted(Comparator.comparing(Student::getAge).reversed())示例

List<String> list = Arrays.asList("aa", "ff", "dd");//String 类自身已实现Comparable接口list.stream().sorted().forEach(System.out::println); System.out.println("------------------------------------"); User u1 = new User("dd", 40);User u2 = new User("bb", 20);User u3 = new User("aa", 20);User u4 = new User("aa", 30);List<User> userList = Arrays.asList(u1, u2, u3, u4); //按年龄升序userList.stream().sorted(Comparator.comparing(User::getAge)) .forEach(System.out::println); System.out.println("------------------------------------"); //先按年龄升序，年龄相同则按姓名升序userList.stream().sorted( (o1, o2) -> { if (o1.getAge().equals(o2.getAge())) { return o1.getName().compareTo(o2.getName()); } else { return o1.getAge().compareTo(o2.getAge()); } }).forEach(System.out::println);

结果

aaddff------------------------------------User{name='bb', age=20}User{name='aa', age=20}User{name='aa', age=30}User{name='dd', age=40}------------------------------------User{name='aa', age=20}User{name='bb', age=20}User{name='aa', age=30}User{name='dd', age=40}

　　

消费

方法

　　方法说明peek类似于map，能得到流中的每一个元素。但map接收的是一个Function表达式，有返回值；而peek接收的是Consumer表达式，没有返回值。示例

User u1 = new User("dd", 40);User u2 = new User("bb", 20);User u3 = new User("aa", 20);User u4 = new User("aa", 30);List<User> list = Arrays.asList(u1, u2, u3, u4); List<User> list1 = list.stream() .peek(o -> o.setAge(100)) .collect(Collectors.toList());System.out.println(list1);

结果：

[User{name='dd', age=100}, User{name='bb', age=100}, User{name='aa', age=100}, User{name='aa', age=100}]

　　

操作3：终止操作

匹配、最值、个数

方法

　　方法说明allMatch接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回falsenoneMatch接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回falseanyMatch接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回falsefindFirst返回流中第一个元素findAny返回流中的任意元素count返回流中元素的总个数max返回流中元素最大值min返回流中元素最小值实例1：单个类型

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5); // 匹配boolean allMatch = list.stream().allMatch(e -> e > 10); //falseboolean noneMatch = list.stream().noneMatch(e -> e > 10); //trueboolean anyMatch = list.stream().anyMatch(e -> e > 4); //true // 获取第一个/第任意个Integer findFirst = list.stream().findFirst().get(); //1Integer findAny = list.stream().findAny().get(); //1 // 计数、最大值、最小值long count = list.stream().count(); //5Integer max = list.stream().max(Integer::compareTo).get(); //5Integer min = list.stream().min(Integer::compareTo).get(); //1

实例2：获取对象中的字段的最值

User u1 = new User("dd", 40);User u2 = new User("bb", 20);User u3 = new User("aa", 20);User u4 = new User("aa", 30);List<User> list = Arrays.asList(u1, u2, u3, u4); //获取最小年龄的用户。User user1 = list.stream() .min(Comparator.comparing(User::getAge)) .get();System.out.println(user1); System.out.println("------------------------------------"); //获取先按姓名升序，姓名相同则按年龄升序。然后获取最小的那个（第一个）User user = list.stream().min((o1, o2) -> { if (o1.getAge().equals(o2.getAge())) { return o1.getName().compareTo(o2.getName()); } else { return o1.getAge().compareTo(o2.getAge()); }}).get();System.out.println(user);

结果

User{name='bb', age=20}------------------------------------User{name='aa', age=20}

　　

收集

方法

　　方法说明collect接收一个Collector实例，将流中元素收集成另外一个数据结构。Collector实例一般由Collectors的静态方法取得。例如：Collectors.toList()

　　公共代码

User u1 = new User("dd", 40);User u2 = new User("bb", 20);User u3 = new User("aa", 20);User u4 = new User("aa", 30);List<User> list = Arrays.asList(u1, u2, u3, u4);

转换

　　字符串分隔符连接

String joinName = list.stream().map(User::getName).collect(Collectors.joining(",", "(", ")"));System.out.println(joinName);//(dd,bb,aa,aa)

转成list

List<Integer> ageList = list.stream().map(User::getAge).collect(Collectors.toList());System.out.println(ageList);//[40, 20, 20, 30]

转成set

Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());System.out.println(ageSet);//[20, 40, 30]

转成map（注：key不能相同，否则报错）

User s1 = new User("dd", 40);User s2 = new User("bb", 20);User s3 = new User("aa", 20);List<User> list = Arrays.asList(s1, s2, s3); Map<String, Integer> ageMap = list.stream().collect(Collectors.toMap(User::getName, User::getAge));System.out.println(ageMap);//{aa=20, bb=20, dd=40}

本处我将重复的名字给去掉了一个，因为如果key有重复的会报错。

　　三个参数的map

　　第一个参数就是用来生成key值的，第二个参数就是用来生成value值的。

　　第三个参数用在key值冲突的情况下：若新元素产生的key在Map中已经出现过了，第三个参数就会定义解决的办法。

User u1 = new User("aa", 10);User u2 = new User("bb", 20);User u3 = new User("cc", 10);User u4 = new User("bb", 30);List<User> list = new ArrayList<>(Arrays.asList(u1, u2, u3, u4)); Map<String, List<User>> listMap = list.stream().collect(Collectors.toMap(User::getName, o -> { List<User> list1 = new ArrayList<>(); list1.add(o); return list1; }, (r1, r2) -> { r1.addAll(r2); return r1; } ));System.out.println(listMap);

结果

{aa=[User{name='aa', age=20}, User{name='aa', age=30}], bb=[User{name='bb', age=20}], dd=[User{name='dd', age=40}]}

　　

聚合

　　聚合（总数、平均值、最大最小值等）

//1.用户总数Long count = list.stream().collect(Collectors.counting());System.out.println(count);//4 //2.最大年龄 (最小的minBy同理)Integer maxAge = list.stream().map(User::getAge).collect(Collectors.maxBy(Integer::compare)).get();System.out.println(maxAge);//40 //3.所有人的年龄Integer sumAge = list.stream().collect(Collectors.summingInt(User::getAge));System.out.println(sumAge);//110 //4.平均年龄Double averageAge = list.stream().collect(Collectors.averagingDouble(User::getAge));System.out.println(averageAge);// 27.5 // 统计上边所有数据DoubleSummaryStatistics stat = list.stream().collect(Collectors.summarizingDouble(User::getAge));System.out.println("count:" + stat.getCount() + " max:" + stat.getMax() + " sum:" + stat.getSum() + " average:" + stat.getAverage());//count:4 max:40.0 sum:110.0 average:27.5

分组

//根据年龄分组Map<Integer, List<User>> listMap = list.stream().collect(Collectors.groupingBy(User::getAge));for (Map.Entry<Integer, List<User>> entry : listMap.entrySet()) { System.out.println(entry.getKey() + "-->" + entry.getValue());}//20-->[User{name=bb, age=20}, User{name=aa, age=20}]//40-->[User{name=dd, age=40}]//30-->[User{name=aa, age=30}]

多重分组

// 先根据年龄分再根据Map<Integer, Map<String, List<User>>> ageNameMap = list.stream().collect( Collectors.groupingBy(User::getAge, Collectors.groupingBy(User::getName)));for (Map.Entry<Integer, Map<String, List<User>>> entry : ageNameMap.entrySet()) { System.out.println(entry.getKey() + "-->" + entry.getValue());}//20-->{aa=[User{name=aa, age=20}], bb=[User{name=bb, age=20}]}//40-->{dd=[User{name=dd, age=40}]}//30-->{aa=[User{name=aa, age=30}]}

分区

　　特殊的分组，分为true和false两组

//分成两部分，一部分大于10岁，一部分小于等于10岁Map<Boolean, List<User>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 20));for (Map.Entry<Boolean, List<User>> entry : partMap.entrySet()) { System.out.println(entry.getKey() + "-->" + entry.getValue());}//false-->[User{name=bb, age=20}, User{name=aa, age=20}]//true-->[User{name=dd, age=40}, User{name=aa, age=30}]

总结

　　Collector<T, A, R> 是一个接口，有以下5个抽象方法：

　　1.Supplier<A> supplier()：创建一个结果容器A

　　2.BiConsumer<A, T> accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。

　　3.BinaryOperator<A> combiner()：函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各个子进程的运行结果(accumulator函数操作后的容器A)进行合并。

　　4.Function<A, R> finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。

　　5.Set<Characteristics> characteristics()：返回一个不可变的Set集合，表明该Collector的特征。有以下三个特征：

　　CONCURRENT：表示此收集器支持并发。（官方文档还有其他描述，暂时没去探索，故不作过多翻译）UNORDERED：表示该收集操作不会保留流中元素原有的顺序。IDENTITY_FINISH：表示finisher参数只是标识而已，可忽略。注：如果对以上函数接口不太理解的话，可参考:Java中Lambda表达式的使用详细教程

　　Collectors.toList() 解析

//toList 源码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);} //为了更好地理解，我们转化一下源码中的lambda表达式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; } }; }

规约

方法

　　方法说明Optional<T> reduce(BinaryOperator<T> accumulator)第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。T reduce(T identity, BinaryOperator<T> accumulator)流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。<U> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U> combiner)在串行流(stream)中，该方法跟第二个方法一样，即第三个参数combiner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样，而第三个参数combiner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。示例

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5); Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();System.out.println(v);// 15 Integer v0 = list.stream().reduce((x1, x2) -> x1 + x2).get();System.out.println(v0);//15 Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);System.out.println(v1);//25 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);// -15 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);//-120

打印结果为：

151525stream accumulator: x1:0 x2:1stream accumulator: x1:-1 x2:2stream accumulator: x1:-3 x2:3stream accumulator: x1:-6 x2:4stream accumulator: x1:-10 x2:5-15parallelStream accumulator: x1:0 x2:3parallelStream accumulator: x1:0 x2:5parallelStream accumulator: x1:0 x2:4parallelStream combiner: x1:-4 x2:-5parallelStream accumulator: x1:0 x2:2parallelStream accumulator: x1:0 x

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

JAVA中stream,JAVA为啥要用stream流处理

目录

简介

操作2：中间操作

筛选（过滤）、去重

映射

排序

消费

操作3：终止操作

匹配、最值、个数

收集

规约

相关文章阅读