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，可以執行非常復雜的查找、過濾和映射數據等操作。使用Stream API 對集合數據進行操作，就類似于使用 SQL 執行的數據庫查詢。也可以使用 Stream API 來并行執行操作。簡而言之，Stream API 提供了一種高效且易于使用的處理數據的方式。
特點：
1 . 不是數據結構，不會保存數據。
2. 不會修改原來的數據源，它會將操作后的數據保存到另外一個對象中。（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，并不會立即執行，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后才能繼續下去。
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. 流的常用創建方法
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(); //獲取一個并行流
1.2 使用Arrays 中的 stream() 方法，將數組轉成流
? ? 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，將字符串分隔成流
? ? 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() 去除重復元素
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 映射
map：接收一個函數作為參數，該函數會被應用到每個元素上，并將其映射成一個新的元素。
flatMap：接收一個函數作為參數，將流中的每個值都換成另一個流，然后把所有流連接成一個流。
? 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接口
sorted(Comparator com)：定制排序，自定義Comparator排序器
List<String> list = Arrays.asList("aa", "ff", "dd");
? ? //String 類自身已實現Compareable接口
? ? 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：如同于map，能得到流中的每一個元素。但map接收的是一個Function表達式，有返回值；而peek接收的是Consumer表達式，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 函數，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 函數，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 函數，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 reduce(BinaryOperator accumulator)：第一次執行時，accumulator函數的第一個參數為流中的第一個元素，第二個參數為流中元素的第二個元素；第二次執行時，第一個參數為第一次函數執行的結果，第二個參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函數的第一個參數為identity，而第二個參數為流中的第一個元素。
U reduce(U identity,BiFunction accumulator,BinaryOperator combiner)：在串行流(stream)中，該方法跟第二個方法一樣，即第三個參數combiner不會起作用。在并行流(parallelStream)中,我們知道流被fork join出多個線程進行執行，此時每個線程的執行流程就跟第二個方法reduce(identity,accumulator)一樣，而第三個參數combiner函數，則是將每個線程的執行結果當成一個新的流，然后使用第一個方法reduce(accumulator)流程進行規約。
//經過測試，當元素個數小于24時，并行時線程數等于元素個數，當大于等于24時，并行時線程數為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實例，將流中元素收集成另外一個數據結構。
Collector 是一個接口，有以下5個抽象方法：
Supplier supplier()：創建一個結果容器A
BiConsumer accumulator()：消費型接口，第一個參數為容器A，第二個參數為流中元素T。
Function finisher()：函數式接口，參數為：容器A，返回類型為：collect方法最終想要的結果R。
Set characteristics()：返回一個不可變的Set集合，用來表明該Collector的特征。有以下三個特征：
CONCURRENT：表示此收集器支持并發。（官方文檔還有其他描述，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參數只是標識而已，可忽略。
注：如果對以上函數接口不太理解的話，可參考我另外一篇文章：Java 8 函數式接口
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}
? ? //字符串分隔符連接
? ? 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,先根據類型分再根據年齡分
? ? Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));
? ? //分區
? ? //分成兩部分，一部分大于10歲，一部分小于等于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 源碼
? ? 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，我們轉化一下源碼中的lambda表達式
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;
? ? ? ? ? ? }
? ? ? ? };
? ? }
原文鏈接：https://blog.csdn.net/y_k_y/article/details/84633001
