Java8新特性Stream流詳解
一、Stream 流是如何工作的？
流表示包含著一系列元素的集合，我們可以對(duì)其做不同類(lèi)型的操作，用來(lái)對(duì)這些元素執(zhí)行計(jì)算。
List<String> myList =
Arrays.asList("a1", "a2", "b1", "c2", "c1");
myList
.stream() // 創(chuàng)建流
.filter(s -> s.startsWith("c")) // 執(zhí)行過(guò)濾，過(guò)濾出以 c 為前綴的字符串
.map(String::toUpperCase) // 轉(zhuǎn)換成大寫(xiě)
.sorted() // 排序
.forEach(System.out::println); // for 循環(huán)打印
12345678910我們可以對(duì)流進(jìn)行中間操作或者終端操作。兄弟們可能會(huì)疑問(wèn)？什么是中間操作？什么又是終端操作？
中間操作：①：中間操作會(huì)再次返回一個(gè)流，所以，我們可以鏈接多個(gè)中間操作，注意這里是不用加分號(hào)的。上圖中的filter 過(guò)濾，map 對(duì)象轉(zhuǎn)換，sorted 排序，就屬于中間操作。
終端操作：②：終端操作是對(duì)流操作的一個(gè)結(jié)束動(dòng)作，一般返回 void 或者一個(gè)非流的結(jié)果。上圖中的 forEach循環(huán) 就是一個(gè)終止操作。
看完上面的操作，感覺(jué)是不是很像一個(gè)流水線(xiàn)式操作呢。實(shí)際上，大部分流操作都支持 lambda 表達(dá)式作為參數(shù)，正確理解，應(yīng)該說(shuō)是接受一個(gè)函數(shù)式接口的實(shí)現(xiàn)作為參數(shù)。
二、不同類(lèi)型的 Stream 流
我們可以從各種數(shù)據(jù)源中創(chuàng)建 Stream 流，其中以 Collection 集合最為常見(jiàn)。如 List 和 Set 均支持 stream() 方法來(lái)創(chuàng)建順序流或者是并行流。
1.Arrays.asList()
并行流是通過(guò)多線(xiàn)程的方式來(lái)執(zhí)行的，它能夠充分發(fā)揮多核 CPU 的優(yōu)勢(shì)來(lái)提升性能。本文在最后再來(lái)介紹并行流，我們先討論順序流：
Arrays.asList("a1", "a2", "a3")
.stream() // 創(chuàng)建流
.findFirst() // 找到第一個(gè)元素
.ifPresent(System.out::println); // 如果存在，即輸出
12342.Stream.of()
在集合上調(diào)用stream()方法會(huì)返回一個(gè)普通的 Stream 流。但是, 大可不必刻意地創(chuàng)建一個(gè)集合，再通過(guò)集合來(lái)獲取 Stream 流，還可以通過(guò)如下這種方式：
Stream.of("a1", "a2", "a3")
.findFirst()
.ifPresent(System.out::println);
123例如上面這樣，我們可以通過(guò) Stream.of() 從一堆對(duì)象中創(chuàng)建 Stream 流。
注： 除了常規(guī)對(duì)象流之外，Java 8還附帶了一些特殊類(lèi)型的流，用于處理原始數(shù)據(jù)類(lèi)型int，long以及double。說(shuō)道這里，你可能已經(jīng)猜到了它們就是IntStream，LongStream還有DoubleStream。
3.IntStream.range()
IntStreams.range()方法還可以被用來(lái)取代常規(guī)的 for 循環(huán), 如下所示：
IntStream.range(1, 4)
.forEach(System.out::println); // 相當(dāng)于 for (int i = 1; i < 4; i++) {}
123注： 上面這些原始類(lèi)型流的工作方式與常規(guī)對(duì)象流基本是一樣的，但還是略微存在一些區(qū)別：
原始類(lèi)型流使用其獨(dú)有的函數(shù)式接口，例如IntFunction代替Function，IntPredicate代替Predicate。
4.average()
原始類(lèi)型流支持額外的終端聚合操作，sum()以及average()，如下所示：
Arrays.stream(new int[] {1, 2, 3})
.map(n -> 2 * n + 1) // 對(duì)數(shù)值中的每個(gè)對(duì)象執(zhí)行 2*n + 1 操作
.average() // 求平均值
.ifPresent(System.out::println); // 如果值不為空，則輸出
12345.mapToInt()，mapToLong() ，mapToDouble()
但是，偶爾我們也有這種需求，需要將常規(guī)對(duì)象流轉(zhuǎn)換為原始類(lèi)型流，這個(gè)時(shí)候，中間操作 mapToInt()，mapToLong() 以及mapToDouble就派上用場(chǎng)了：
Stream.of("a1", "a2", "a3")
.map(s -> s.substring(1)) // 對(duì)每個(gè)字符串元素從下標(biāo)1位置開(kāi)始截取
.mapToInt(Integer::parseInt) // 轉(zhuǎn)成 int 基礎(chǔ)類(lèi)型類(lèi)型流
.max() // 取最大值
.ifPresent(System.out::println); // 不為空則輸出
123456.mapToObj()
如果說(shuō)，需要將原始類(lèi)型流裝換成對(duì)象流，您可以使用 mapToObj()來(lái)達(dá)到目的：
IntStream.range(1, 4)
.mapToObj(i -> "a" + i) // for 循環(huán) 1->4, 拼接前綴 a
.forEach(System.out::println); // for 循環(huán)打印
123下面是一個(gè)組合示例，我們將雙精度流首先轉(zhuǎn)換成 int 類(lèi)型流，然后再將其裝換成對(duì)象流：
Stream.of(1.0, 2.0, 3.0)
.mapToInt(Double::intValue) // double 類(lèi)型轉(zhuǎn) int
.mapToObj(i -> "a" + i) // 對(duì)值拼接前綴 a
.forEach(System.out::println); // for 循環(huán)打印
1234三、Stream 流的處理順序
上小節(jié)中，我們已經(jīng)學(xué)會(huì)了如何創(chuàng)建不同類(lèi)型的 Stream 流，接下來(lái)我們?cè)偕钊肓私庀聰?shù)據(jù)流的執(zhí)行順序。
在討論處理順序之前，您需要明確一點(diǎn)，那就是中間操作的有個(gè)重要特性 —— 延遲性。觀察下面這個(gè)沒(méi)有終端操作的示例代碼：
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s);
return true;
});
12345注： 執(zhí)行此代碼段時(shí)，您可能會(huì)認(rèn)為，將依次打印 “d2”, “a2”, “b1”, “b3”, “c” 元素。然而當(dāng)你實(shí)際去執(zhí)行的時(shí)候，它不會(huì)打印任何內(nèi)容。
出現(xiàn)這樣的原因是：當(dāng)且僅當(dāng)存在終端操作時(shí)，中間操作操作才會(huì)被執(zhí)行。
接下來(lái)，對(duì)上面的代碼添加 forEach終端操作：
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s);
return true;
})
.forEach(s -> System.out.println("forEach: " + s));
123456再次執(zhí)行，我們會(huì)看到輸出如下：
filter: d2
forEach: d2
filter: a2
forEach: a2
filter: b1
forEach: b1
filter: b3
forEach: b3
filter: c
forEach: c12345678910
思考： 輸出的順序可能會(huì)讓你很驚訝！你腦海里肯定會(huì)想，應(yīng)該是先將所有 filter 前綴的字符串打印出來(lái)，接著才會(huì)打印 forEach 前綴的字符串。
事實(shí)上，輸出的結(jié)果卻是隨著鏈條垂直移動(dòng)的。比如說(shuō)，當(dāng) Stream 開(kāi)始處理 d2 元素時(shí)，它實(shí)際上會(huì)在執(zhí)行完 filter 操作后，再執(zhí)行 forEach 操作，接著才會(huì)處理第二個(gè)元素。
是不是很神奇？為什么要設(shè)計(jì)成這樣呢？
原因是出于性能的考慮。這樣設(shè)計(jì)可以減少對(duì)每個(gè)元素的實(shí)際操作數(shù)，看完下面代碼你就明白了：
Stream.of("d2", "a2", "b1", "b3", "c")
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉(zhuǎn)大寫(xiě)
})
.anyMatch(s -> {
System.out.println("anyMatch: " + s);
return s.startsWith("A"); // 過(guò)濾出以 A 為前綴的元素
});
// map: d2
// anyMatch: D2
// map: a2
// anyMatch: A2
1234567891011121314說(shuō)明： 終端操作 anyMatch()表示任何一個(gè)元素以 A 為前綴，返回為 true，就停止循環(huán)。所以它會(huì)從 d2 開(kāi)始匹配，接著循環(huán)到 a2 的時(shí)候，返回為 true ，于是停止循環(huán)。
由于數(shù)據(jù)流的鏈?zhǔn)秸{(diào)用是垂直執(zhí)行的，map這里只需要執(zhí)行兩次。相對(duì)于水平執(zhí)行來(lái)說(shuō)，map會(huì)執(zhí)行盡可能少的次數(shù)，而不是把所有元素都 map 轉(zhuǎn)換一遍。
四、中間操作順序這么重要？
1.map和filter垂直執(zhí)行
下面的例子由兩個(gè)中間操作map和filter，以及一個(gè)終端操作forEach組成。讓我們?cè)賮?lái)看看這些操作是如何執(zhí)行的：
Stream.of("d2", "a2", "b1", "b3", "c")
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉(zhuǎn)大寫(xiě)
})
.filter(s -> {
System.out.println("filter: " + s);
return s.startsWith("A"); // 過(guò)濾出以 A 為前綴的元素
})
.forEach(s -> System.out.println("forEach: " + s)); // for 循環(huán)輸出
// map: d2
// filter: D2
// map: a2
// filter: A2
// forEach: A2
// map: b1
// filter: B1
// map: b3
// filter: B3
// map: c
// filter: C
12345678910111213141516171819202122注： 學(xué)習(xí)了上面一小節(jié)，您應(yīng)該已經(jīng)知道了，map和filter會(huì)對(duì)集合中的每個(gè)字符串調(diào)用五次，而forEach卻只會(huì)調(diào)用一次，因?yàn)橹挥?“a2” 滿(mǎn)足過(guò)濾條件，滿(mǎn)足條件才會(huì)放行
如果我們改變中間操作的順序，將filter移動(dòng)到鏈頭的最開(kāi)始，就可以大大減少實(shí)際的執(zhí)行次數(shù)：
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s)
return s.startsWith("a"); // 過(guò)濾出以 a 為前綴的元素
})
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉(zhuǎn)大寫(xiě)
})
.forEach(s -> System.out.println("forEach: " + s)); // for 循環(huán)輸出
// filter: d2
// filter: a2
// map: a2
// forEach: A2
// filter: b1
// filter: b3
// filter: c
123456789101112131415161718現(xiàn)在，map僅僅只需調(diào)用一次，性能得到了提升，這種小技巧對(duì)于流中存在大量元素來(lái)說(shuō)，是非常很有用的。
2.sorted水平執(zhí)行
接下來(lái)，讓我們對(duì)上面的代碼再添加一個(gè)中間操作sorted：
Stream.of("d2", "a2", "b1", "b3", "c")
.sorted((s1, s2) -> {
System.out.printf("sort: %s; %s\n", s1, s2);
return s1.compareTo(s2); // 排序
})
.filter(s -> {
System.out.println("filter: " + s);
return s.startsWith("a"); // 過(guò)濾出以 a 為前綴的元素
})
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase(); // 轉(zhuǎn)大寫(xiě)
})
.forEach(s -> System.out.println("forEach: " + s)); // for 循環(huán)輸出
1234567891011121314sorted 是一個(gè)有狀態(tài)的操作，因?yàn)樗枰谔幚淼倪^(guò)程中，保存狀態(tài)以對(duì)集合中的元素進(jìn)行排序。
執(zhí)行上面代碼，輸出如下：
sort: a2; d2
sort: b1; a2
sort: b1; d2
sort: b1; a2
sort: b3; b1
sort: b3; d2
sort: c; b3
sort: c; d2
filter: a2
map: a2
forEach: A2
filter: b1
filter: b3
filter: c
filter: d2123456789101112131415
sorted是水平執(zhí)行的。因此，在這種情況下，sorted會(huì)對(duì)集合中的元素組合調(diào)用八次。這里，我們也可以利用上面說(shuō)道的優(yōu)化技巧
將 filter 過(guò)濾中間操作移動(dòng)到開(kāi)頭部分：
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> {
System.out.println("filter: " + s);
return s.startsWith("a");
})
.sorted((s1, s2) -> {
System.out.printf("sort: %s; %s\n", s1, s2);
return s1.compareTo(s2);
})
.map(s -> {
System.out.println("map: " + s);
return s.toUpperCase();
})
.forEach(s -> System.out.println("forEach: " + s));
// filter: d2
// filter: a2
// filter: b1
// filter: b3
// filter: c
// map: a2
// forEach: A2
12345678910111213141516171819202122從上面的輸出中，我們看到了 sorted從未被調(diào)用過(guò)，因?yàn)榻?jīng)過(guò)filter過(guò)后的元素已經(jīng)減少到只有一個(gè)，這種情況下，是不用執(zhí)行排序操作的。因此性能被大大提高了。
五、數(shù)據(jù)流復(fù)用問(wèn)題
Java8 Stream 流是不能被復(fù)用的，一旦你調(diào)用任何終端操作，流就會(huì)關(guān)閉：
Stream<String> stream =
Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> s.startsWith("a"));
stream.anyMatch(s -> true); // ok
stream.noneMatch(s -> true); // exception
123456當(dāng)我們對(duì) stream 調(diào)用了 anyMatch 終端操作以后，流即關(guān)閉了，再調(diào)用 noneMatch 就會(huì)拋出異常：
java.lang.IllegalStateException: stream has already been operated upon or closed
at java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java:229)
at java.util.stream.ReferencePipeline.noneMatch(ReferencePipeline.java:459)
at com.winterbe.java8.Streams5.test7(Streams5.java:38)
at com.winterbe.java8.Streams5.main(Streams5.java:28)
12345為了克服這個(gè)限制，我們必須為我們想要執(zhí)行的每個(gè)終端操作創(chuàng)建一個(gè)新的流鏈，例如，我們可以通過(guò) Supplier 來(lái)包裝一下流，通過(guò) get() 方法來(lái)構(gòu)建一個(gè)新的 Stream 流，如下所示：
Supplier<Stream<String>> streamSupplier =
() -> Stream.of("d2", "a2", "b1", "b3", "c")
.filter(s -> s.startsWith("a"));
streamSupplier.get().anyMatch(s -> true); // ok
streamSupplier.get().noneMatch(s -> true); // ok
123456通過(guò)構(gòu)造一個(gè)新的流，來(lái)避開(kāi)流不能被復(fù)用的限制, 這也是取巧的一種方式。
六、高級(jí)操作
Streams 支持的操作很豐富，除了上面介紹的這些比較常用的中間操作，如filter或map（參見(jiàn)Stream Javadoc）外。還有一些更復(fù)雜的操作，如collect，flatMap以及reduce。接下來(lái)，就讓我們學(xué)習(xí)一下：
本小節(jié)中的大多數(shù)代碼示例均會(huì)使用以下 List進(jìn)行演示：
class Person {
String name;
int age;
Person(String name, int age) {
this.name = name;
this.age = age;
}
@Override
public String toString() {
return name;
}
}
1234567891011121314// 構(gòu)建一個(gè) Person 集合
List<Person> persons =
Arrays.asList(
new Person("Max", 18),
new Person("Peter", 23),
new Person("Pamela", 23),
new Person("David", 12));
12345671.Collect
collect 是一個(gè)非常有用的終端操作，它可以將流中的元素轉(zhuǎn)變成另外一個(gè)不同的對(duì)象，例如一個(gè)List，Set或Map。collect 接受入?yún)镃ollector（收集器），它由四個(gè)不同的操作組成：供應(yīng)器（supplier）、累加器（accumulator）、組合器（combiner）和終止器（finisher）。
感覺(jué)復(fù)雜其實(shí)很簡(jiǎn)單，其實(shí)并不需要自己去實(shí)現(xiàn)收集器。因?yàn)?Java 8通過(guò)Collectors類(lèi)內(nèi)置了各種常用的收集器，你直接拿來(lái)用就行了。
2.Collectors.toList()
讓我們先從一個(gè)非常常見(jiàn)的用例開(kāi)始：
List<Person> filtered =
persons
.stream() // 構(gòu)建流
.filter(p -> p.name.startsWith("P")) // 過(guò)濾出名字以 P 開(kāi)頭的
.collect(Collectors.toList()); // 生成一個(gè)新的 List
System.out.println(filtered); // [Peter, Pamela]
1234567你也看到了，從流中構(gòu)造一個(gè) List 異常簡(jiǎn)單。如果說(shuō)你需要構(gòu)造一個(gè) Set 集合，只需要使用Collectors.toSet()就可以了。
3.Collectors.groupingBy
接下來(lái)這個(gè)示例，將會(huì)按年齡對(duì)所有人進(jìn)行分組：
Map<Integer, List<Person>> personsByAge = persons
.stream()
.collect(Collectors.groupingBy(p -> p.age)); // 以年齡為 key,進(jìn)行分組
personsByAge
.forEach((age, p) -> System.out.format("age %s: %s\n", age, p));
// age 18: [Max]
// age 23: [Peter, Pamela]
// age 12: [David]
123456789105.Collectors.summarizingInt
如果您還想得到一個(gè)更全面的統(tǒng)計(jì)信息，摘要收集器可以返回一個(gè)特殊的內(nèi)置統(tǒng)計(jì)對(duì)象。通過(guò)它，我們可以簡(jiǎn)單地計(jì)算出最小年齡、最大年齡、平均年齡、總和以及總數(shù)量。
IntSummaryStatistics ageSummary =
persons
.stream()
.collect(Collectors.summarizingInt(p -> p.age)); // 生成摘要統(tǒng)計(jì)
System.out.println(ageSummary);
// IntSummaryStatistics{count=4, sum=76, min=12, average=19.000000, max=23}
12345676.Collectors.joining
下一個(gè)這個(gè)示例，可以將所有人名連接成一個(gè)字符串：
String phrase = persons
.stream()
.filter(p -> p.age >= 18) // 過(guò)濾出年齡大于等于18的
.map(p -> p.name) // 提取名字
.collect(Collectors.joining(" and ", "In Germany ", " are of legal age.")); // 以 In Germany 開(kāi)頭，and 連接各元素，再以 are of legal age. 結(jié)束
System.out.println(phrase);
// In Germany Max and Peter and Pamela are of legal age.
12345678連接收集器的入?yún)⒔邮芊指舴约翱蛇x的前綴以及后綴。
7.對(duì)于如何將流轉(zhuǎn)換為 Map集合
我們必須指定 Map 的鍵和值。這里需要注意，Map 的鍵必須是唯一的，否則會(huì)拋出IllegalStateException 異常。
你可以選擇傳遞一個(gè)合并函數(shù)作為額外的參數(shù)來(lái)避免發(fā)生這個(gè)異常:
Map<Integer, String> map = persons
.stream()
.collect(Collectors.toMap(
p -> p.age,
p -> p.name,
(name1, name2) -> name1 + ";" + name2)); // 對(duì)于同樣 key 的，將值拼接
System.out.println(map);
// {18=Max, 23=Peter;Pamela, 12=David}
1234567898.構(gòu)建自定義收集器
既然我們已經(jīng)知道了這些強(qiáng)大的內(nèi)置收集器，接下來(lái)就讓我們嘗試構(gòu)建自定義收集器吧。
比如說(shuō)，我們希望將流中的所有人轉(zhuǎn)換成一個(gè)字符串，包含所有大寫(xiě)的名稱(chēng)，并以|分割。為了達(dá)到這種效果，我們需要通過(guò)Collector.of()創(chuàng)建一個(gè)新的收集器。同時(shí)，我們還需要傳入收集器的四個(gè)組成部分：供應(yīng)器、累加器、組合器和終止器。
Collector<Person, StringJoiner, String> personNameCollector =
Collector.of(
() -> new StringJoiner(" | "), // supplier 供應(yīng)器
(j, p) -> j.add(p.name.toUpperCase()), // accumulator 累加器
(j1, j2) -> j1.merge(j2), // combiner 組合器
StringJoiner::toString); // finisher 終止器
String names = persons
.stream()
.collect(personNameCollector); // 傳入自定義的收集器
System.out.println(names); // MAX | PETER | PAMELA | DAVID
123456789101112由于Java 中的字符串是 final 類(lèi)型的，我們需要借助輔助類(lèi)StringJoiner，來(lái)幫我們構(gòu)造字符串。
最開(kāi)始供應(yīng)器使用分隔符構(gòu)造了一個(gè)StringJointer。
累加器用于將每個(gè)人的人名轉(zhuǎn)大寫(xiě)，然后加到StringJointer中。
組合器將兩個(gè)StringJointer合并為一個(gè)。
最終，終結(jié)器從StringJointer構(gòu)造出預(yù)期的字符串。
9.FlatMap
上面我們已經(jīng)學(xué)會(huì)了如通過(guò)map操作, 將流中的對(duì)象轉(zhuǎn)換為另一種類(lèi)型。但是，Map只能將每個(gè)對(duì)象映射到另一個(gè)對(duì)象。
如果說(shuō)，我們想要將一個(gè)對(duì)象轉(zhuǎn)換為多個(gè)其他對(duì)象或者根本不做轉(zhuǎn)換操作呢？這個(gè)時(shí)候，flatMap就派上用場(chǎng)了。
FlatMap 能夠?qū)⒘鞯拿總€(gè)元素, 轉(zhuǎn)換為其他對(duì)象的流。因此，每個(gè)對(duì)象可以被轉(zhuǎn)換為零個(gè)，一個(gè)或多個(gè)其他對(duì)象，并以流的方式返回。之后，這些流的內(nèi)容會(huì)被放入flatMap返回的流中。
在學(xué)習(xí)如何實(shí)際操作flatMap之前，我們先新建兩個(gè)類(lèi)，用來(lái)測(cè)試：
class Foo {
String name;
List<Bar> bars = new ArrayList<>();
Foo(String name) {
this.name = name;
}
}
class Bar {
String name;
Bar(String name) {
this.name = name;
}
}
12345678910111213141516接下來(lái)，通過(guò)我們上面學(xué)習(xí)到的流知識(shí)，來(lái)實(shí)例化一些對(duì)象：
List<Foo> foos = new ArrayList<>();
// 創(chuàng)建 foos 集合
IntStream
.range(1, 4)
.forEach(i -> foos.add(new Foo("Foo" + i)));
// 創(chuàng)建 bars 集合
foos.forEach(f ->
IntStream
.range(1, 4)
.forEach(i -> f.bars.add(new Bar("Bar" + i + " <- " + f.name))));
123456789101112我們創(chuàng)建了包含三個(gè)foo的集合，每個(gè)foo中又包含三個(gè) bar。
flatMap 的入?yún)⒔邮芤粋€(gè)返回對(duì)象流的函數(shù)。為了處理每個(gè)foo中的bar，我們需要傳入相應(yīng) stream 流：
foos.stream()
.flatMap(f -> f.bars.stream())
.forEach(b -> System.out.println(b.name));
// Bar1 <- Foo1
// Bar2 <- Foo1
// Bar3 <- Foo1
// Bar1 <- Foo2
// Bar2 <- Foo2
// Bar3 <- Foo2
// Bar1 <- Foo3
// Bar2 <- Foo3
// Bar3 <- Foo3
12345678910111213如上所示，我們已成功將三個(gè) foo對(duì)象的流轉(zhuǎn)換為九個(gè)bar對(duì)象的流。
最后，上面的這段代碼可以簡(jiǎn)化為單一的流式操作：
IntStream.range(1, 4)
.mapToObj(i -> new Foo("Foo" + i))
.peek(f -> IntStream.range(1, 4)
.mapToObj(i -> new Bar("Bar" + i + " <- " f.name))
.forEach(f.bars::add))
.flatMap(f -> f.bars.stream())
.forEach(b -> System.out.println(b.name));
1234567flatMap也可用于Java8引入的Optional類(lèi)。Optional的flatMap操作返回一個(gè)Optional或其他類(lèi)型的對(duì)象。所以它可以用于避免繁瑣的null檢查。
接下來(lái)，讓我們創(chuàng)建層次更深的對(duì)象：
class Outer {
Nested nested;
}
class Nested {
Inner inner;
}
class Inner {
String foo;
}
1234567891011我們還可以使用Optional的flatMap操作，來(lái)完成上述相同功能的判斷，且更加優(yōu)雅：
Optional.of(new Outer())
.flatMap(o -> Optional.ofNullable(o.nested))
.flatMap(n -> Optional.ofNullable(n.inner))
.flatMap(i -> Optional.ofNullable(i.foo))
.ifPresent(System.out::println);
12345注： 如果不為空的話(huà)，每個(gè)flatMap的調(diào)用都會(huì)返回預(yù)期對(duì)象的Optional包裝，否則返回為null的Optional包裝類(lèi)。
10.Reduce
規(guī)約操作可以將流的所有元素組合成一個(gè)結(jié)果。Java 8 支持三種不同的reduce方法。第一種將流中的元素規(guī)約成流中的一個(gè)元素。
讓我們看看如何使用這種方法，來(lái)篩選出年齡最大的那個(gè)人：
persons
.stream()
.reduce((p1, p2) -> p1.age > p2.age ? p1 : p2)
.ifPresent(System.out::println); // Pamela
1234reduce方法接受BinaryOperator積累函數(shù)。該函數(shù)實(shí)際上是兩個(gè)操作數(shù)類(lèi)型相同的BiFunction。BiFunction功能和Function一樣，但是它接受兩個(gè)參數(shù)。示例代碼中，我們比較兩個(gè)人的年齡，來(lái)返回年齡較大的人。
第二種reduce方法接受標(biāo)識(shí)值和BinaryOperator累加器。此方法可用于構(gòu)造一個(gè)新的 Person，其中包含來(lái)自流中所有其他人的聚合名稱(chēng)和年齡：
Person result =
persons
.stream()
.reduce(new Person("", 0), (p1, p2) -> {
p1.age += p2.age;
p1.name += p2.name;
return p1;
});
System.out.format("name=%s; age=%s", result.name, result.age);
// name=MaxPeterPamelaDavid; age=76
1234567891011第三種reduce方法接受三個(gè)參數(shù)：標(biāo)識(shí)值，BiFunction累加器和類(lèi)型的組合器函數(shù)BinaryOperator。由于初始值的類(lèi)型不一定為Person，我們可以使用這個(gè)歸約函數(shù)來(lái)計(jì)算所有人的年齡總和：
Integer ageSum = persons
.stream()
.reduce(0, (sum, p) -> sum += p.age, (sum1, sum2) -> sum1 + sum2);
System.out.println(ageSum); // 76
12345結(jié)果為76，但是內(nèi)部究竟發(fā)生了什么呢？讓我們?cè)俅蛴∫恍┱{(diào)試日志：
Integer ageSum = persons
.stream()
.reduce(0,
(sum, p) -> {
System.out.format("accumulator: sum=%s; person=%s\n", sum, p);
return sum += p.age;
},
(sum1, sum2) -> {
System.out.format("combiner: sum1=%s; sum2=%s\n", sum1, sum2);
return sum1 + sum2;
});
// accumulator: sum=0; person=Max
// accumulator: sum=18; person=Peter
// accumulator: sum=41; person=Pamela
// accumulator: sum=64; person=David
12345678910111213141516你可以看到，累加器函數(shù)完成了所有工作。它首先使用初始值0和第一個(gè)人年齡相加。接下來(lái)的三步中sum會(huì)持續(xù)增加，直到76。
我們以并行流的方式運(yùn)行上面的代碼，看看日志輸出：
Integer ageSum = persons
.parallelStream()
.reduce(0,
(sum, p) -> {
System.out.format("accumulator: sum=%s; person=%s\n", sum, p);
return sum += p.age;
},
(sum1, sum2) -> {
System.out.format("combiner: sum1=%s; sum2=%s\n", sum1, sum2);
return sum1 + sum2;
});
// accumulator: sum=0; person=Pamela
// accumulator: sum=0; person=David
// accumulator: sum=0; person=Max
// accumulator: sum=0; person=Peter
// combiner: sum1=18; sum2=23
// combiner: sum1=23; sum2=12
// combiner: sum1=41; sum2=35
12345678910111213141516171819注： 并行流的執(zhí)行方式完全不同。這里組合器被調(diào)用了。實(shí)際上，由于累加器被并行調(diào)用，組合器需要被用于計(jì)算部分累加值的總和。
七、并行流
流是可以并行執(zhí)行的，當(dāng)流中存在大量元素時(shí)，可以顯著提升性能。并行流底層使用的ForkJoinPool, 它由ForkJoinPool.commonPool()方法提供。底層線(xiàn)程池的大小最多為五個(gè) - 具體取決于 CPU 可用核心數(shù)：
ForkJoinPool commonPool = ForkJoinPool.commonPool(); System.out.println(commonPool.getParallelism()); // 3 12
在我的機(jī)器上，公共池初始化默認(rèn)值為 3。你也可以通過(guò)設(shè)置以下JVM參數(shù)可以減小或增加此值：
-Djava.util.concurrent.ForkJoinPool.common.parallelism=5 1
集合支持parallelStream()方法來(lái)創(chuàng)建元素的并行流。或者你可以在已存在的數(shù)據(jù)流上調(diào)用中間方法parallel()，將串行流轉(zhuǎn)換為并行流，這也是可以的。
為了詳細(xì)了解并行流的執(zhí)行行為，我們?cè)谙旅娴氖纠a中，打印當(dāng)前線(xiàn)程的信息：
Arrays.asList("a1", "a2", "b1", "c2", "c1")
.parallelStream()
.filter(s -> {
System.out.format("filter: %s [%s]\n",
s, Thread.currentThread().getName());
return true;
})
.map(s -> {
System.out.format("map: %s [%s]\n",
s, Thread.currentThread().getName());
return s.toUpperCase();
})
.forEach(s -> System.out.format("forEach: %s [%s]\n",
s, Thread.currentThread().getName()));
1234567891011121314通過(guò)日志輸出，我們可以對(duì)哪個(gè)線(xiàn)程被用于執(zhí)行流式操作，有個(gè)更深入的理解：
filter: b1 [main]
filter: a2 [ForkJoinPool.commonPool-worker-1]
map: a2 [ForkJoinPool.commonPool-worker-1]
filter: c2 [ForkJoinPool.commonPool-worker-3]
map: c2 [ForkJoinPool.commonPool-worker-3]
filter: c1 [ForkJoinPool.commonPool-worker-2]
map: c1 [ForkJoinPool.commonPool-worker-2]
forEach: C2 [ForkJoinPool.commonPool-worker-3]
forEach: A2 [ForkJoinPool.commonPool-worker-1]
map: b1 [main]
forEach: B1 [main]
filter: a1 [ForkJoinPool.commonPool-worker-3]
map: a1 [ForkJoinPool.commonPool-worker-3]
forEach: A1 [ForkJoinPool.commonPool-worker-3]
forEach: C1 [ForkJoinPool.commonPool-worker-2]123456789101112131415
注： 所見(jiàn)，并行流使用了所有的ForkJoinPool中的可用線(xiàn)程來(lái)執(zhí)行流式操作。在持續(xù)的運(yùn)行中，輸出結(jié)果可能有所不同，因?yàn)樗褂玫奶囟ň€(xiàn)程是非特定的。
讓我們通過(guò)添加中間操作sort來(lái)擴(kuò)展上面示例：
Arrays.asList("a1", "a2", "b1", "c2", "c1")
.parallelStream()
.filter(s -> {
System.out.format("filter: %s [%s]\n",
s, Thread.currentThread().getName());
return true;
})
.map(s -> {
System.out.format("map: %s [%s]\n",
s, Thread.currentThread().getName());
return s.toUpperCase();
})
.sorted((s1, s2) -> {
System.out.format("sort: %s <> %s [%s]\n",
s1, s2, Thread.currentThread().getName());
return s1.compareTo(s2);
})
.forEach(s -> System.out.format("forEach: %s [%s]\n",
s, Thread.currentThread().getName()));
12345678910111213141516171819運(yùn)行代碼，輸出結(jié)果看上去有些奇怪：
filter: c2 [ForkJoinPool.commonPool-worker-3]
filter: c1 [ForkJoinPool.commonPool-worker-2]
map: c1 [ForkJoinPool.commonPool-worker-2]
filter: a2 [ForkJoinPool.commonPool-worker-1]
map: a2 [ForkJoinPool.commonPool-worker-1]
filter: b1 [main]
map: b1 [main]
filter: a1 [ForkJoinPool.commonPool-worker-2]
map: a1 [ForkJoinPool.commonPool-worker-2]
map: c2 [ForkJoinPool.commonPool-worker-3]
sort: A2 <> A1 [main]
sort: B1 <> A2 [main]
sort: C2 <> B1 [main]
sort: C1 <> C2 [main]
sort: C1 <> B1 [main]
sort: C1 <> C2 [main]
forEach: A1 [ForkJoinPool.commonPool-worker-1]
forEach: C2 [ForkJoinPool.commonPool-worker-3]
forEach: B1 [main]
forEach: A2 [ForkJoinPool.commonPool-worker-2]
forEach: C1 [ForkJoinPool.commonPool-worker-1]123456789101112131415161718192021
貌似sort只在主線(xiàn)程上串行執(zhí)行。但是實(shí)際上，并行流中的sort在底層使用了Java8中新的方法Arrays.parallelSort()。如 javadoc官方文檔解釋的，這個(gè)方法會(huì)按照數(shù)據(jù)長(zhǎng)度來(lái)決定以串行方式，或者以并行的方式來(lái)執(zhí)行。
如果指定數(shù)據(jù)的長(zhǎng)度小于最小數(shù)值，它則使用相應(yīng)的Arrays.sort方法來(lái)進(jìn)行排序。
回到上小節(jié) reduce的例子。我們已經(jīng)發(fā)現(xiàn)了組合器函數(shù)只在并行流中調(diào)用，而不不會(huì)在串行流中被調(diào)用。
讓我們來(lái)實(shí)際觀察一下涉及到哪個(gè)線(xiàn)程：
List<Person> persons = Arrays.asList(
new Person("Max", 18),
new Person("Peter", 23),
new Person("Pamela", 23),
new Person("David", 12));
persons
.parallelStream()
.reduce(0,
(sum, p) -> {
System.out.format("accumulator: sum=%s; person=%s [%s]\n",
sum, p, Thread.currentThread().getName());
return sum += p.age;
},
(sum1, sum2) -> {
System.out.format("combiner: sum1=%s; sum2=%s [%s]\n",
sum1, sum2, Thread.currentThread().getName());
return sum1 + sum2;
});
12345678910111213141516171819通過(guò)控制臺(tái)日志輸出，累加器和組合器均在所有可用的線(xiàn)程上并行執(zhí)行：
accumulator: sum=0; person=Pamela; [main]
accumulator: sum=0; person=Max; [ForkJoinPool.commonPool-worker-3]
accumulator: sum=0; person=David; [ForkJoinPool.commonPool-worker-2]
accumulator: sum=0; person=Peter; [ForkJoinPool.commonPool-worker-1]
combiner: sum1=18; sum2=23; [ForkJoinPool.commonPool-worker-1]
combiner: sum1=23; sum2=12; [ForkJoinPool.commonPool-worker-2]
combiner: sum1=41; sum2=35; [ForkJoinPool.commonPool-worker-2]1234567
總之，你需要記住的是，并行流對(duì)含有大量元素的數(shù)據(jù)流提升性能極大。但是你也需要記住并行流的一些操作，例如reduce和collect操作，需要額外的計(jì)算（如組合操作），這在串行執(zhí)行時(shí)是并不需要。
此外，我們也了解了，所有并行流操作都共享相同的 JVM 相關(guān)的公共ForkJoinPool。所以你可能需要避免寫(xiě)出一些又慢又卡的流式操作，這很有可能會(huì)拖慢你應(yīng)用中，嚴(yán)重依賴(lài)并行流的其它部分代碼的性能。
以上就是Java8新特性Stream流詳解的詳細(xì)內(nèi)容，更多關(guān)于Java8 Stream流的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Java中SpringBoot的@Transactional原理
這篇文章主要介紹了Java中SpringBoot的@Transactional原理,面向元數(shù)據(jù)遍歷已經(jīng)成為越來(lái)越多開(kāi)發(fā)者的偏好，因此原理從Springboot的EnableTransactionManagement注解說(shuō)起,需要的朋友可以參考下2023-07-07
SpringBoot如何讀取xml配置bean(@ImportResource)
這篇文章主要介紹了SpringBoot如何讀取xml配置bean(@ImportResource)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-01-01
本文主要通過(guò)實(shí)例給大家詳細(xì)分析了ZooKeeper用JAVA實(shí)現(xiàn)API編程的知識(shí)要點(diǎn)。2017-11-11
@CacheEvict 清除多個(gè)key的實(shí)現(xiàn)方式
這篇文章主要介紹了@CacheEvict 清除多個(gè)key的實(shí)現(xiàn)方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-02-02
SpringMVC之簡(jiǎn)單的增刪改查示例（SSM整合）
本篇文章主要介紹了SpringMVC之簡(jiǎn)單的增刪改查示例（SSM整合），這個(gè)例子是基于SpringMVC+Spring+Mybatis實(shí)現(xiàn)的。有興趣的可以了解一下。2017-03-03
這篇文章主要介紹了教你如何寫(xiě)springboot接口,Spring?Boot是由Pivotal團(tuán)隊(duì)提供的全新框架，其設(shè)計(jì)目的是用來(lái)簡(jiǎn)化新Spring應(yīng)用的初始搭建以及開(kāi)發(fā)過(guò)程。該框架使用了特定的方式來(lái)進(jìn)行配置，從而使開(kāi)發(fā)人員不再需要定義樣板化的配置,需要的朋友可以參考y一下2022-01-01
自定義的Troop<T>泛型類(lèi)（ c++, java和c#）的實(shí)現(xiàn)代碼
這篇文章主要介紹了自定義的Troop<T>泛型類(lèi)（ c++, java和c#）的實(shí)現(xiàn)代碼的相關(guān)資料,需要的朋友可以參考下2017-05-05
Spring中的AutowireCandidateResolver的具體使用詳解
這篇文章主要介紹了Spring中的AutowireCandidateResolver的具體使用詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
這篇文章主要介紹了Java中的Lombok使用詳解,Lombok是一個(gè)在Java開(kāi)發(fā)過(guò)程中使用注解的方式,用于簡(jiǎn)化JavaBean的編寫(xiě),避免冗余和樣板式代碼的插入,使類(lèi)的編寫(xiě)更加簡(jiǎn)潔,需要的朋友可以參考下2023-08-08
springboot2.x整合redis知識(shí)點(diǎn)講解
在本篇文章中小編給大家分享的是一篇關(guān)于springboot2.x整合redis知識(shí)點(diǎn)內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2020-01-01