Java 8 新特性系列文章索引。
前言
我們都知道 Lambda 和 Stream 是 Java 8 的兩大亮點功能，在前面的文章里已經介紹過 Lambda 相關知識，這次介紹下 Java 8 的 Stream 流操作。它完全不同於 java.io 包的 Input/Output Stream ，也不是大數據實時處理的 Stream 流。這個 Stream 流操作是 Java 8 對集合操作功能的增強，專註於對集合的各種高效、便利、優雅的聚合操作。藉助於 Lambda 表達式，顯著的提高編程效率和可讀性。且 Stream 提供了并行計算模式，可以簡潔的編寫出并行代碼，能充分發揮如今計算機的多核處理優勢。
在使用 Stream 流操作之前你應該先了解 Lambda 相關知識，如果還不了解，可以參考之前文章： 。
1. Stream 流介紹
Stream 不同於其他集合框架，它也不是某種數據結構，也不會保存數據，但是它負責相關計算，使用起來更像一個高級的迭代器。在之前的迭代器中，我們只能先遍歷然後在執行業務操作，而現在只需要指定執行什麼操作， Stream 就會隱式的遍歷然後做出想要的操作。另外 Stream 和迭代器一樣的只能單向處理，如同奔騰長江之水一去而不復返。
由於 Stream 流提供了惰性計算和并行處理的能力，在使用并行計算方式時數據會被自動分解成多段然後并行處理，最後將結果匯總。所以 Stream 操作可以讓程序運行變得更加高效。
2. Stream 流概念
Stream 流的使用總是按照一定的步驟進行，可以抽象出下面的使用流程。
數據源（source） -> 數據處理/轉換（intermedia） -> 結果處理（terminal ）
2.1. 數據源
數據源（source）也就是數據的來源，可以通過多種方式獲得 Stream 數據源，下面列舉幾種常見的獲取方式。
- Collection.stream(); 從集合獲取流。
- Collection.parallelStream(); 從集合獲取并行流。
- Arrays.stream(T array) or Stream.of(); 從數組獲取流。
- BufferedReader.lines(); 從輸入流中獲取流。
- IntStream.of() ; 從靜態方法中獲取流。
- Stream.generate(); 自己生成流
2.2. 數據處理
數據處理/轉換（intermedia）步驟可以有多個操作，這步也被稱為intermedia（中間操作）。在這個步驟中不管怎樣操作，它返回的都是一個新的流對象，原始數據不會發生任何改變，而且這個步驟是惰性計算處理的，也就是說只調用方法並不會開始處理，只有在真正的開始收集結果時，中間操作才會生效，而且如果遍歷沒有完成，想要的結果已經獲取到了（比如獲取第一個值），會停止遍歷，然後返回結果。惰性計算可以顯著提高運行效率。
數據處理演示。
@Test
public void streamDemo(){
List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");
// 1. 篩選出名字長度為4的
// 2. 名字前面拼接 This is
// 3. 遍歷輸出
nameList.stream()
.filter(name -> name.length() == 4)
.map(name -> "This is "+name)
.forEach(name -> System.out.println(name));
}
// 輸出結果
// This is Jack
// This is Poul
數據處理/轉換操作自然不止是上面演示的過濾 filter 和 map映射兩種，另外還有 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等。
2.3. 收集結果
結果處理（terminal ）是流處理的最後一步，執行完這一步之後流會被徹底用盡，流也不能繼續操作了。也只有到了這個操作的時候，流的數據處理/轉換等中間過程才會開始計算，也就是上面所說的惰性計算。結果處理也必定是流操作的最後一步。
常見的結果處理操作有 forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator 等。
下面演示了簡單的結果處理的例子。
/**
* 轉換成為大寫然後收集結果，遍歷輸出
*/
@Test
public void toUpperCaseDemo() {
List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");
List<String> upperCaseNameList = nameList.stream()
.map(String::toUpperCase)
.collect(Collectors.toList());
upperCaseNameList.forEach(name -> System.out.println(name + ","));
}
// 輸出結果
// DARCY,CHRIS,LINDA,SID,KIM,JACK,POUL,PETER,
2.4. short-circuiting
有一種 Stream 操作被稱作 short-circuiting ，它是指當 Stream 流無限大但是需要返回的 Stream 流是有限的時候，而又希望它能在有限的時間內計算出結果，那麼這個操作就被稱為short-circuiting。例如 findFirst 操作。
3. Stream 流使用
Stream 流在使用時候總是藉助於 Lambda 表達式進行操作，Stream 流的操作也有很多種方式，下面列舉的是常用的 11 種操作。
3.1. Stream 流獲取
獲取 Stream 的幾種方式在上面的 Stream 數據源里已經介紹過了，下面是針對上面介紹的幾種獲取 Stream 流的使用示例。
@Test
public void createStream() throws FileNotFoundException {
List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");
String[] nameArr = {"Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter"};
// 集合獲取 Stream 流
Stream<String> nameListStream = nameList.stream();
// 集合獲取并行 Stream 流
Stream<String> nameListStream2 = nameList.parallelStream();
// 數組獲取 Stream 流
Stream<String> nameArrStream = Stream.of(nameArr);
// 數組獲取 Stream 流
Stream<String> nameArrStream1 = Arrays.stream(nameArr);
// 文件流獲取 Stream 流
BufferedReader bufferedReader = new BufferedReader(new FileReader("README.md"));
Stream<String> linesStream = bufferedReader.lines();
// 從靜態方法獲取流操作
IntStream rangeStream = IntStream.range(1, 10);
rangeStream.limit(10).forEach(num -> System.out.print(num+","));
System.out.println();
IntStream intStream = IntStream.of(1, 2, 3, 3, 4);
intStream.forEach(num -> System.out.print(num+","));
}
3.2. forEach
forEach 是 Strean 流中的一個重要方法，用於遍歷 Stream 流，它支持傳入一個標準的 Lambda 表達式。但是它的遍歷不能通過 return/break 進行終止。同時它也是一個 terminal 操作，執行之後 Stream 流中的數據會被消費掉。
如輸出對象。
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
numberList.stream().forEach(number -> System.out.println(number+","));
// 輸出結果
// 1,2,3,4,5,6,7,8,9,
3.3. map / flatMap
使用 map 把對象一對一映射成另一種對象或者形式。
/**
* 把数字值乘以2
*/
@Test
public void mapTest() {
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
// 映射成 2倍数字
List<Integer> collect = numberList.stream()
.map(number -> number * 2)
.collect(Collectors.toList());
collect.forEach(number -> System.out.print(number + ","));
System.out.println();
numberList.stream()
.map(number -> "数字 " + number + ",")
.forEach(number -> System.out.println(number));
}
// 輸出結果
// 2,4,6,8,10,12,14,16,18,
// 数字 1,数字 2,数字 3,数字 4,数字 5,数字 6,数字 7,数字 8,数字 9,
上面的 map 可以把數據進行一對一的映射，而有些時候關係可能不止 1對 1那麼簡單，可能會有1對多。這時可以使用 flatMap。下面演示使用 flatMap把對象扁平化展開。
/**
* flatmap把對象扁平化
*/
@Test
public void flatMapTest() {
Stream<List<Integer>> inputStream = Stream.of(
Arrays.asList(1),
Arrays.asList(2, 3),
Arrays.asList(4, 5, 6)
);
List<Integer> collect = inputStream
.flatMap((childList) -> childList.stream())
.collect(Collectors.toList());
collect.forEach(number -> System.out.print(number + ","));
}
// 輸出結果
// 1,2,3,4,5,6,
3.4. filter
使用 filter 進行數據篩選，挑選出想要的元素，下面的例子演示怎麼挑選出偶數数字。
/**
* filter 數據篩選
* 篩選出偶數数字
*/
@Test
public void filterTest() {
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
List<Integer> collect = numberList.stream()
.filter(number -> number % 2 == 0)
.collect(Collectors.toList());
collect.forEach(number -> System.out.print(number + ","));
}
得到如下結果。
2,4,6,8,
3.5. findFirst
findFirst 可以查找出 Stream 流中的第一個元素，它返回的是一個 Optional 類型，如果還不知道 Optional 類的用處，可以參考之前文章 。
/**
* 查找第一個數據
* 返回的是一個 Optional 對象
*/
@Test
public void findFirstTest(){
List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
Optional<Integer> firstNumber = numberList.stream()
.findFirst();
System.out.println(firstNumber.orElse(-1));
}
// 輸出結果
// 1
findFirst 方法在查找到需要的數據之後就會返回不再遍歷數據了，也因此 findFirst 方法可以對有無限數據的 Stream 流進行操作，也可以說 findFirst 是一個 short-circuiting 操作。
3.6. collect / toArray
Stream 流可以輕鬆的轉換為其他結構，下面是幾種常見的示例。
/**
* Stream 轉換為其他數據結構
*/
@Test
public void collectTest() {
List<Integer> numberList = Arrays.asList(1, 1, 2, 2, 3, 3, 4, 4, 5);
// to array
Integer[] toArray = numberList.stream()
.toArray(Integer[]::new);
// to List
List<Integer> integerList = numberList.stream()
.collect(Collectors.toList());
// to set
Set<Integer> integerSet = numberList.stream()
.collect(Collectors.toSet());
System.out.println(integerSet);
// to string
String toString = numberList.stream()
.map(number -> String.valueOf(number))
.collect(Collectors.joining()).toString();
System.out.println(toString);
// to string split by ,
String toStringbJoin = numberList.stream()
.map(number -> String.valueOf(number))
.collect(Collectors.joining(",")).toString();
System.out.println(toStringbJoin);
}
// 輸出結果
// [1, 2, 3, 4, 5]
// 112233445
// 1,1,2,2,3,3,4,4,5
3.7. limit / skip
獲取或者扔掉前 n 個元素
/**
* 獲取 / 扔掉前 n 個元素
*/
@Test
public void limitOrSkipTest() {
// 生成自己的隨機數流
List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);
ageList.stream()
.limit(3)
.forEach(age -> System.out.print(age+","));
System.out.println();
ageList.stream()
.skip(3)
.forEach(age -> System.out.print(age+","));
}
// 輸出結果
// 11,22,13,
// 14,25,26,
3.8. Statistics
數學統計功能，求一組數組的最大值、最小值、個數、數據和、平均數等。
/**
* 數學計算測試
*/
@Test
public void mathTest() {
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6);
IntSummaryStatistics stats = list.stream().mapToInt(x -> x).summaryStatistics();
System.out.println("最小值：" + stats.getMin());
System.out.println("最大值：" + stats.getMax());
System.out.println("個數：" + stats.getCount());
System.out.println("和：" + stats.getSum());
System.out.println("平均數：" + stats.getAverage());
}
// 輸出結果
// 最小值：1
// 最大值：6
// 個數：6
// 和：21
// 平均數：3.5
3.9. groupingBy
分組聚合功能，和數據庫的 Group by 的功能一致。
/**
* groupingBy
* 按年齡分組
*/
@Test
public void groupByTest() {
List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);
Map<String, List<Integer>> ageGrouyByMap = ageList.stream()
.collect(Collectors.groupingBy(age -> String.valueOf(age / 10)));
ageGrouyByMap.forEach((k, v) -> {
System.out.println("年齡" + k + "0多歲的有：" + v);
});
}
// 輸出結果
// 年齡10多歲的有：[11, 13, 14]
// 年齡20多歲的有：[22, 25, 26]
3.10. partitioningBy
/**
* partitioningBy
* 按某個條件分組
* 給一組年齡，分出成年人和未成年人
*/
public void partitioningByTest() {
List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);
Map<Boolean, List<Integer>> ageMap = ageList.stream()
.collect(Collectors.partitioningBy(age -> age > 18));
System.out.println("未成年人：" + ageMap.get(false));
System.out.println("成年人：" + ageMap.get(true));
}
// 輸出結果
// 未成年人：[11, 13, 14]
// 成年人：[22, 25, 26]
3.11. 進階 – 自己生成 Stream 流
/**
* 生成自己的 Stream 流
*/
@Test
public void generateTest(){
// 生成自己的隨機數流
Random random = new Random();
Stream<Integer> generateRandom = Stream.generate(random::nextInt);
generateRandom.limit(5).forEach(System.out::println);
// 生成自己的 UUID 流
Stream<UUID> generate = Stream.generate(UUID::randomUUID);
generate.limit(5).forEach(System.out::println);
}
// 輸出結果
// 793776932
// -2051545609
// -917435897
// 298077102
// -1626306315
// 31277974-841a-4ad0-a809-80ae105228bd
// f14918aa-2f94-4774-afcf-fba08250674c
// d86ccefe-1cd2-4eb4-bb0c-74858f2a7864
// 4905724b-1df5-48f4-9948-fa9c64c7e1c9
// 3af2a07f-0855-455f-a339-6e890e533ab3
上面的例子中 Stream 流是無限的，但是獲取到的結果是有限的，使用了 Limit 限制獲取的數量，所以這個操作也是 short-circuiting 操作。
4. Stream 流優點
4.1. 簡潔優雅
正確使用並且正確格式化的 Stream 流操作代碼不僅簡潔優雅，更讓人賞心悅目。下面對比下在使用 Stream 流和不使用 Stream 流時相同操作的編碼風格。
/**
* 使用流操作和不使用流操作的編碼風格對比
*/
@Test
public void diffTest() {
// 不使用流操作
List<String> names = Arrays.asList("Jack", "Jill", "Nate", "Kara", "Kim", "Jullie", "Paul", "Peter");
// 篩選出長度為4的名字
List<String> subList = new ArrayList<>();
for (String name : names) {
if (name.length() == 4) {
subList.add(name);
}
}
// 把值用逗號分隔
StringBuilder sbNames = new StringBuilder();
for (int i = 0; i < subList.size() - 1; i++) {
sbNames.append(subList.get(i));
sbNames.append(", ");
}
// 去掉最後一個逗號
if (subList.size() > 1) {
sbNames.append(subList.get(subList.size() - 1));
}
System.out.println(sbNames);
}
// 輸出結果
// Jack, Jill, Nate, Kara, Paul
如果是使用 Stream 流操作。
// 使用 Stream 流操作
String nameString = names.stream()
.filter(num -> num.length() == 4)
.collect(Collectors.joining(", "));
System.out.println(nameString);
4.2. 惰性計算
上面有提到，數據處理/轉換（intermedia） 操作 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等這些操作，在調用方法時並不會立即調用，而是在真正使用的時候才會生效，這樣可以讓操作延遲到真正需要使用的時刻。
下面會舉個例子演示這一點。
/**
* 找出偶數
*/
@Test
public void lazyTest() {
// 生成自己的隨機數流
List<Integer> numberLIst = Arrays.asList(1, 2, 3, 4, 5, 6);
// 找出偶數
Stream<Integer> integerStream = numberLIst.stream()
.filter(number -> {
int temp = number % 2;
if (temp == 0 ){
System.out.println(number);
}
return temp == 0;
});
System.out.println("分割線");
List<Integer> collect = integerStream.collect(Collectors.toList());
}
如果沒有 惰性計算，那麼很明顯會先輸出偶數，然後輸出 分割線。而實際的效果是。
分割線
2
4
6
可見 惰性計算 把計算延遲到了真正需要的時候。
4.3. 并行計算
獲取 Stream 流時可以使用 parallelStream 方法代替 stream 方法以獲取并行處理流，并行處理可以充分的發揮多核優勢，而且不增加編碼的複雜性。
下面的代碼演示了生成一千萬個隨機數后，把每個隨機數乘以2然後求和時，串行計算和并行計算的耗時差異。
/**
* 并行計算
*/
@Test
public void main() {
// 生成自己的隨機數流，取一千萬個隨機數
Random random = new Random();
Stream<Integer> generateRandom = Stream.generate(random::nextInt);
List<Integer> numberList = generateRandom.limit(10000000).collect(Collectors.toList());
// 串行 - 把一千萬個隨機數，每個隨機數 * 2 ，然後求和
long start = System.currentTimeMillis();
int sum = numberList.stream()
.map(number -> number * 2)
.mapToInt(x -> x)
.sum();
long end = System.currentTimeMillis();
System.out.println("串行耗時："+(end - start)+"ms，和是:"+sum);
// 并行 - 把一千萬個隨機數，每個隨機數 * 2 ，然後求和
start = System.currentTimeMillis();
sum = numberList.parallelStream()
.map(number -> number * 2)
.mapToInt(x -> x)
.sum();
end = System.currentTimeMillis();
System.out.println("并行耗時："+(end - start)+"ms，和是:"+sum);
}
得到如下輸出。
串行耗時：1005ms，和是:481385106
并行耗時：47ms，和是:481385106
效果顯而易見，代碼簡潔優雅。
5. Stream 流建議
5.1 保證正確排版
從上面的使用案例中，可以發現使用 Stream 流操作的代碼非常簡潔，而且可讀性更高。但是如果不正確的排版，那麼看起來將會很糟糕，比如下面的同樣功能的代碼例子，多幾層操作呢，是不是有些讓人頭大？
// 不排版
String string = names.stream().filter(num -> num.length() == 4).map(name -> name.toUpperCase()).collect(Collectors.joining(","));
// 排版
String string = names.stream()
.filter(num -> num.length() == 4)
.map(name -> name.toUpperCase())
.collect(Collectors.joining(","));
5.1 保證函數純度
如果想要你的 Stream 流對於每次的相同操作的結果都是相同的話，那麼你必須保證 Lambda 表達式的純度，也就是下面亮點。
- Lambda 中不會更改任何元素。
- Lambda 中不依賴於任何可能更改的元素。
這兩點對於保證函數的冪等非常重要，不然你程序執行結果可能會變得難以預測，就像下面的例子。
@Test
public void simpleTest(){
List<Integer> numbers = Arrays.asList(1, 2, 3);
int[] factor = new int[] { 2 };
Stream<Integer> stream = numbers.stream()
.map(e -> e * factor[0]);
factor[0] = 0;
stream.forEach(System.out::println);
}
// 輸出結果
// 0
// 0
// 0
文中代碼都已經上傳到
。
個人網站：
如果你喜歡這篇文章，可以關注公眾號，一起成長。
關注公眾號回復資源可以沒有套路的獲取全網最火的的 Java 核心知識整理&面試資料。
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】
※想知道網站建置、網站改版該如何進行嗎?將由專業工程師為您規劃客製化網頁設計及後台網頁設計
※不管是台北網頁設計公司、台中網頁設計公司，全省皆有專員為您服務
※Google地圖已可更新顯示潭子電動車充電站設置地點!!
※帶您來看台北網站建置，台北網頁設計，各種案例分享
