详解JAVA8Stream API {全}

Stream API 借助于同样新出现的 Lambda 表达式，极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。通常编写并行代码很难而且容易出错, 但使用 Stream API 无需编写一行多线程的代码，就可以很方便地写出高性能的并发程序

1.2 与传统迭代器的区分

传统迭代器是单向处理,数据按照一个方向流动,当然LisT的Iterator 提供了加强版本:

Stream 可以并行化操作，迭代器只能命令式地、串行化操作

原理实现:Stream 的并行操作依赖于 Java7 中引入的 Fork/Join 框架（JSR166y）来拆分任务和加速处理过程。Java 的并行 API 演变历程基本如下：

1.0-1.4 中的 java.lang.Thread
5.0 中的 java.util.concurrent
6.0 中的 Phasers 等
7.0 中的 Fork/Join 框架
8.0 中的 Lambda

1.3 流的操作类型分为两种：

Intermediate(中间操作不触发操作 Lambda延迟性)：一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射 / 过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。

Terminal(终止操作触发整个流的操作)：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用 “光” 了，无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。

还有一种操作被称为 short-circuiting。用以指：

对于一个 intermediate 操作，如果它接受的是一个无限大（infinite/unbounded）的 Stream，但返回一个有限的新 Stream。

对于一个 terminal 操作，如果它接受的是一个无限大的 Stream，但能在有限的时间计算出结果。

划重点:

Stream 的每个元素进行转换，而且是执行多次，多个转换操作只会在 Terminal 操作的时候融合起来，一次循环完成. 这样时间复杂度就是 N（N为操作的具体的个数)

2:流的构造与转换

2:1 常见构造

// 1. Individual values

Stream stream = Stream.of("a", "b", "c");

// 2. Arrays

String [] strArray = new String[] {"a", "b", "c"};

stream = Stream.of(strArray);

stream = Arrays.stream(strArray);

// 3. Collections

List<String> list = Arrays.asList(strArray);

stream = list.stream();

2.2: 三大包装类型的构造

可以使用 Stream<Integer> Stream<Double> Stream<Long> 但是 Boxing unboxing (装箱拆箱非常耗时)

IntStream ints = IntStream.of(,,);

LongStream longs = LongStream.of(,,);

DoubleStream doubles = DoubleStream.of(,,);

IntStream.range(, ).forEach(System.out::print);// [1,10) 区间

System.out.println();

IntStream.rangeClosed(, ).forEach(System.out::print);//[1,10] 区间

2.3 并行流的规则输出

parallel() 方法将普通流转换为并行流

 IntStream.range(, ).parallel().forEach(System.out::print); // 并行执行 效率高 但是输出结果不具备输入结果的有序性

 IntStream.range(, ).parallel().forEachOrdered(System.out::print);// 并行执行 效率高  严格要求输出结果按照输入结果预定

2.4 流的转换

collect() 方法

// 1. Array

String[] strArray1 = stream.toArray(String[]::new);

// 2. Collection

List<String> list1 = stream.collect(Collectors.toList());

List<String> list2 = stream.collect(Collectors.toCollection(ArrayList::new));

Set set1 = stream.collect(Collectors.toSet());

Stack stack1 = stream.collect(Collectors.toCollection(Stack::new));

// 3. String

String str = stream.collect(Collectors.joining()).toString();

注意: 一个Stream只能使用一次,terminal终结最后的操作

3:流操作

3.1 操作分类

Intermediate =>返回新的Stream

Filter Map(FatMap,MapToXXmap) Sorted() limit() skip distinct peek sequential、 unordered

Terminal => 终结操作

ForEach ForOrderEach Max Min Collect count toArray、 reduce、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator

shorting-circuing ==> 即可终结操作也可以返回新的Stream

findFisrt findAny AnyMatch AllMatch NoneMatch limit

3.2 Map 映射

参数为Function<T,R> 可以理解为转换流

// 一对一

        IntStream.of(,,).map(x->x*).forEach(System.out::println);

        // 合并流

        Stream<List<Integer>> inputStream = Stream.of(

                Arrays.asList(),

                Arrays.asList(,),

                Arrays.asList(,,));

        Stream<Integer> child_stream = inputStream.flatMap(x->x.stream());

        // 合并流到其他类型 一对多

        DoubleStream doubleStream = inputStream.flatMapToDouble(x->x.stream().mapToDouble(Double::new));

        IntStream intStream = inputStream.flatMapToInt(x->x.stream().mapToInt(Integer::new));

        LongStream longStream = inputStream.flatMapToLong(x->x.stream().mapToLong(Long::new));

       // 转大小写

       List<String> output = wordList.stream().map(String::toUpperCase)

                                              .collect(Collectors.toList());

       // 平方数

       List<Integer> nums = Arrays.asList(, , , );

        List<Integer> squareNums = nums.stream().

        map(n -> n * n).

        collect(Collectors.toList());

3.3 Filter 过滤器

参数为Predicate 结果集为返回true的集合

//留下偶数

        IntStream.range(, ).filter(x->(x&)==).forEach(System.out::println);

        Integer[] sixNums = {, , , , , };

        Integer[] array = Stream.of(sixNums).filter(x->(x&)==).toArray(Integer[]::new);

       //  把单词挑出来

       List<String> output = reader.lines().

         flatMap(line -> Stream.of(line.split(REGEXP))).

         filter(word -> word.length() > ).

         collect(Collectors.toList());

3.4 Foreach Peek(Intermediate) 输出

终结操作用于输出 ,一个流只能用一次

forEachOrdered 在并行情况为保证一定有序输出. Peek 内部参数 Consumer 执行操作后返回一个新的Stream

 Stream<List<Integer>> stream = Stream.of(Arrays.asList(,,,,,));

        stream.parallel().forEach(System.out::println);

        stream.parallel().forEachOrdered(System.out::println); //并行 强制有序

       // 体现了 访问者设计模式

        Stream.of("one", "two", "three", "four")

            .filter(e -> e.length() > )

            .peek(e -> System.out.println("Filtered value: " + e))

            .map(String::toUpperCase)

            .peek(e -> System.out.println("Mapped value: " + e))

            .collect(Collectors.toList());

// 输出

Filtered value: three

Mapped value: THREE

Filtered value: four

Mapped value: FOUR

3.5 finalFist findAny

返回Optional 非终结操作,可以结果继续处理使用它的目的是尽可能避免 NullPointerException。 indAny、max/min、reduce 等方法等返回 Optional 值

Integer[] sixNums = {, , , , , };

            Stream.of(sixNums).findFirst().ifPresent(System.out::println);

            Stream.of(sixNums).findAny().ifPresent(System.out::println);

            // 返回的Optional 可以加上逻辑排除NPE

            Integer else1 = Stream.of(sixNums).filter(x->x<).findAny().orElse(null);

            System.out.println(else1);

           // findFisrt  findAny 找不到元素抛出NPE 可以加上Or系列方法 返回默认值

3.6 Reduce

这个方法的主要作用是把 identity 作为第二个参数BinaryOperator 函数的输入,执行操作后返回

T reduce(T identity, BinaryOperator<T> accumulator);

规则:

只有一个参数的时候BinaryOperator 返回Optional

具有两个参数的时候则返回一个具体的运算结果

// 字符串连接，concat = "ABCD"

String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat);

// 求最小值，minValue = -3.0

double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);

// 求和，sumValue = 10, 有起始值

int sumValue = Stream.of(, , , ).reduce(, Integer::sum);

// 求和，sumValue = 10, 无起始值

sumValue = Stream.of(, , , ).reduce(Integer::sum).get();

// 过滤，字符串连接，concat = "ace"

concat = Stream.of("a", "B", "c", "D", "e", "F").

 filter(x -> x.compareTo("Z") > ).

 reduce("", String::concat);

以上字符串拼接、数值的 sum、min、max、average 都是特殊的 reduce

3.7 limit/skip

limit 返回 Stream 的前面 n 个元素；skip 则是扔掉前 n 个元素

public void testLimitAndSkip() {

        List<Person> persons = new ArrayList();

        for (int i = ; i <= ; i++) {

            Person person = new Person(i, "name" + i);

            persons.add(person);

        }

        List<String> personList2 = persons.stream().map(Person::getName).limit().skip().collect(Collectors.toList());

        System.out.println(personList2);

    }

    private class Person {

        //get set

    }

注意:

limit/skip ,放在Sorted()后面并不能影响排序的次数

有一种情况是 limit/skip 无法达到 short-circuiting 目的的，就是把它们放在 Stream 的排序操作后，原因跟 sorted 这个 intermediate 操作有关：此时系统并不知道 Stream 排序后的次序如何，所以 sorted 中的操作看上去就像完全没有被 limit 或者 skip 一样

并行流情况下不能使用Limit() 将会影响并行操作的次序性能

对一个 parallel 的 Steam 管道来说，如果其元素是有序的，那么 limit 操作的成本会比较大，因为它的返回对象必须是前 n 个也有一样次序的元素。取而代之的策略是取消元素间的次序，或者不要用 parallel Stream

3.8 排序 Sorted

List<Person> persons = new ArrayList();

 for (int i = ; i <= ; i++) {

 Person person = new Person(i, "name" + i);

 persons.add(person);

 }

List<Person> personList2 = persons.stream().limit().sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList());

System.out.println(personList2);

3.9min/max/distinct

用 findFirst 来实现，但前者的性能会更好，为 O(n)，而 sorted 的成本是 O(n log n)。同时它们作为特殊的 reduce 方法被独立出来也是因为求最大最小值是很常见的操作

Stream<Integer> stream = Stream.generate(()->new Random().nextInt()).limit();

        long nums = -stream.distinct().count();

        System.out.println(nums);

        Integer max = stream.max(Comparator.naturalOrder()).get();

        Integer min = stream.min(Comparator.naturalOrder()).get();

3.10 Match

Stream 有三个 match 方法，从语义上说：

allMatch：Stream 中全部元素符合传入的 predicate，返回 true

anyMatch：Stream 中只要有一个元素符合传入的 predicate，返回 true

noneMatch：Stream 中没有一个元素符合传入的 predicate，返回 true

List<Person> persons = new ArrayList();

persons.add(new Person(, "name" + , ));

persons.add(new Person(, "name" + , ));

persons.add(new Person(, "name" + , ));

persons.add(new Person(, "name" + , ));

persons.add(new Person(, "name" + , ));

boolean isAllAdult = persons.stream().

 allMatch(p -> p.getAge() > );

System.out.println("All are adult? " + isAllAdult);

boolean isThereAnyChild = persons.stream().

 anyMatch(p -> p.getAge() < );

System.out.println("Any child? " + isThereAnyChild);

4生成流

4.1 generate

Supplier 接口，你可以自己来控制流的生成。这种情形通常用于随机数、常量的 Stream，或者需要前后元素间维持着某种状态信息的 Stream.

generate 内部维护一个无限制的循环根据传入的规则生成数据

需要使用Limit限制数据生成的范围

Random seed = new Random();

Supplier<Integer> random = seed::nextInt;

Stream.generate(random).limit().forEach(System.out::println);

//Another way

IntStream.generate(() -> (int) (System.nanoTime() % )).

limit().forEach(System.out::println);

自定义Supplier

Stream<Person> stream2 = Stream.generate(new Use_Max_Min_Distinct().new PersonSupplier()).limit();

        stream2.forEach(System.out::println);

  private class PersonSupplier implements Supplier<Person>{

        private Random random=new Random();

        @Override

        public Person get() {

            return new Person("Tom",random.nextInt());

        }

    }

    private class Person{

        private String name;

        // Constructor get set toString()

    }

4.2 Iterator

iterate 跟 reduce 操作很像，接受一个种子值，和一个 UnaryOperator（例如 f）。

然后种子值成为 Stream 的第一个元素，f(seed) 为第二个，f(f(seed)) 第三个，以此类推。

Stream.iterate(, n -> n + ).limit(). forEach(x -> System.out.print(x + " "));

// 0 3 6 9 12 15 18 21 24 27

在 iterate 时候管道必须有 limit 这样的操作来限制 Stream 大小。

5.聚合操作

5.1 groupingBy/partitioningBy

groupingBy 参数Function 多值的聚合操作
partitioningBy 参数Predicate true false 的单值操作

 List<Person> list = Arrays.asList(

                    new Person("Tom1", ),

                    new Person("Tom2", ),

                    new Person("Tom3", ),

                    new Person("Tom4", ),

                    new Person("Tom5", ),

                    new Person("Tom6", )

                    );

            // 分类

            Map<Integer, List<Person>> personGroups =

                    Stream.generate(new PersonSupplier()).limit()

                    .collect(Collectors.groupingBy(Person::getAge));

            Stream<Entry<Integer, List<Person>>> stream = personGroups.entrySet().stream();

            List<Entry<Integer, List<Person>>> list2 = stream.collect(Collectors.toList());

            Iterator<Entry<Integer, List<Person>>> iterator = list2.iterator();

            while(iterator.hasNext()) {

                Entry<Integer, List<Person>> entry = iterator.next();

                System.out.println(entry.getKey()+" "+entry.getValue());

            }

            // 按照断言划分

            Map<Boolean, List<Person>> map = Stream.generate(new PersonSupplier()).limit()

            .collect(Collectors.partitioningBy(x->x.getAge()>));

            Stream<Entry<Boolean, List<Person>>> stream2 = map.entrySet().stream();

            stream2.forEach((entry)->System.out.println(entry.getKey()+" "+entry.getValue()));

   class PersonSupplier implements Supplier<Person>{

    public Person get() {

        return new Person("Tom"+new Random().nextInt() , new Random().nextInt());

    };

}

class Person {}// Constructor get set ToString()

巴特西