JDK8之Stream新特性
2024-09-05 01:23:47
https://www.cnblogs.com/cbxBlog/p/9123106.html
/**
*JDK8 Stream特性
* Created by chengbx on 2018/5/27.
* Java 8 中的 Stream 是对集合（Collection）对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），
* 或者大批量数据操作 (bulk data operation)。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。
* 所以说，Java 8 中首次出现的 java.util.stream 是一个函数式语言+多核时代综合影响的产物。
* 一、Stream API 的操作步骤：
*
* 1. 创建 Stream
*
* 2. 中间操作
*
* 3. 终止操作(终端操作)
*
* 4. 接口中的默认方法
* 接口默认方法的”类优先”原则
* 若一个接口中定义了一个默认方法，而另外一个父类或接口中
* 又定义了一个同名的方法时
* 1.选择父类中的方法。如果一个父类提供了具体的实现，那么
* 接口中具有相同名称和参数的默认方法会被忽略.
* 2.接口冲突。如果一个父接口提供一个默认方法，而另一个接
* 口也提供了一个具有相同名称和参数列表的方法（不管方法
* 是否是默认方法），那么必须覆盖该方法来解决冲突
* 5. 新增的重复注解@Repeatble和类型注解
* java8新增了重复注解，其使用方式为：
@Repeatable(Authorities.class)
public @interface Authority {
String role();
}
public @interface Authorities {
Authority[] value();
}
public class RepeatAnnotationUseNewVersion {
@Authority(role="Admin")
@Authority(role="Manager")
publicvoiddoSomeThing(){ }
}
2.Java8为ElementType枚举增加了TYPE_PARAMETER、TYPE_USE两个枚举值，
从而可以使用@Target(ElementType_TYPE_USE)修饰注解定义，这种注解被称为类型注解，
可以用在任何使用到类型的地方
*/
public class TestStream { List<Employee> employees = Arrays.asList(
new Employee("aaa",11,5000),
new Employee("bbb",21,5200),
new Employee("ccc",13,5500),
new Employee("ddd",54,6400),
new Employee("eee",16,7100),
new Employee("fff",74,7120),
new Employee("ggg",12,7150)
);
/**
* 创建stream
*/
@Test
public void test1(){
//1. Collection 提供了两个方法 stream() 与 parallelStream()
List<String> list = new ArrayList<>();
Stream<String> stream = list.stream();
Stream<String> parallelStream = list.parallelStream(); //获取一个并行流
//2. 通过 Arrays 中的 stream() 获取一个数组流
Integer[] nums = new Integer[10];
Stream<Integer> stream1 = Arrays.stream(nums);
//3. 通过 Stream 类中静态方法 of()
Stream<Integer> stream2 = Stream.of(1,2,3,4,5,6);
//4. 创建无限流
//迭代
Stream<Integer> stream3 = Stream.iterate(0, (x) -> x + 2).limit(10);
stream3.forEach(System.out::println); //生成
Stream<Double> stream4 = Stream.generate(Math::random).limit(2);
stream4.forEach(System.out::println);
}
/*
筛选与切片
filter——接收 Lambda ， 从流中排除某些元素。
limit——截断流，使其元素不超过给定数量。
skip(n) —— 跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个，
则返回一个空流。与 limit(n) 互补
distinct——筛选，通过流所生成元素的 hashCode() 和 equals() 去除重复元素
*/
//内部迭代：迭代操作 Stream API 内部完成
@Test
public void test2(){
//中间操作,不会执行任何操作
Stream<Employee> str = employees.stream().filter((e) -> e.getAge()>30).limit(1);
//终止操作,一次性执行全部内容，即"惰性求值"
str.forEach(System.out::println);
// employees.stream().filter((e) -> e.getAge()<30)
// .forEach((employee) -> System.out.println(employee));
}
//外部迭代
@Test
public void test3(){
Iterator<Employee> it = employees.iterator();
while(it.hasNext()){
System.out.println(it.next());
}
}
@Test
public void test4(){
employees.stream()
.filter((e) -> {
System.out.println("短路！"); // && ||
return e.getSalary() >= 5000;
}).limit(3)
.forEach(System.out::println);
} @Test
public void test5(){
employees.parallelStream()
.filter((e) -> e.getSalary() >= 5000)
.skip(2)
.forEach(System.out::println);
}
@Test
public void test6(){
employees.stream()
.distinct()
.forEach(System.out::println);
} /**
* 映射
* map -接收lambda，将元素转换成其他形式获取信息，接收一个函数作为参数，
该函数会被应用在每个元素上，并将其映射成一个新的元素。
* flatmap-接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流
*/
@Test
public void test7(){
List<String> list = Arrays.asList("aaa","bbb","ccc","ddd");
list.stream().map((str) -> str.toUpperCase())
.forEach((str) -> System.out.println(str));
System.out.println("---------------");
employees.stream().map(Employee::getName)
.forEach((name) ->System.out.println(name));
}
/**
* 排序
* sorted()--自然排序(comparable)
* sorted(Comparator com)--定制排序(Comparator)
*/
@Test
public void test8(){
List<String> list = Arrays.asList("eee","ggg","ccc","ddd");
list.stream().sorted().forEach(System.out::println);
System.out.println("-------------------以下是定制排序-------------");
employees.stream().sorted((e1,e2) ->{
if (e1.getAge() ==e2.getAge()) {
return e1.getName().compareTo(e2.getName());
}else{
return Integer.compare(e1.getAge(),e2.getAge());
}
}).forEach((employee) -> System.out.println(employee));
}
//3. 终止操作
/*
allMatch——检查是否匹配所有元素
anyMatch——检查是否至少匹配一个元素
noneMatch——检查是否没有匹配的元素
findFirst——返回第一个元素
findAny——返回当前流中的任意元素
count——返回流中元素的总个数
max——返回流中最大值
min——返回流中最小值
注意：流进行了终止操作后，不能再次使用
*/ @Test
public void test9(){
boolean b = employees.stream().allMatch((emp) -> emp.getAge()==15);
System.out.println(b);
System.out.println("---------------");
boolean b1 = employees.stream().anyMatch((emp) -> emp.getAge()==15);
System.out.println(b1);
System.out.println("---------------");
boolean b2 = employees.stream().noneMatch((emp) -> emp.getAge()==15);
System.out.println(b2);
System.out.println("---------------");
Optional<Employee> optional = employees.stream()
.sorted((emp1, emp2) -> Double.compare(emp1.getSalary(),emp2.getSalary()))
.findFirst();
System.out.println(optional.get());
System.out.println("---------------");
Optional<Employee> optional1 = employees.parallelStream()
.filter((emp) -> emp.getAge() >15).findAny();
System.out.println(optional1);
System.out.println("---------------");
Long count = employees.parallelStream().filter((emp) -> emp.getAge() >15).count();
System.out.println(count);
Optional<Double> optiona3 = employees.stream()
.map((emp) -> emp.getSalary()).max(Double::compareTo);
System.out.println(optiona3.get());
System.out.println("---------------");
Optional<Employee> optiona4 = employees.stream()
.min((e1,e2) ->Double.compare(e1.getSalary(),e2.getSalary()));
System.out.println(optiona4);
} /**
* 归约
reduce(T identity, BinaryOperator) / reduce(BinaryOperator) ——可以将流中元素反复结合起来，得到一个值。
*/
@Test
public void test10(){
List<Integer> list = Arrays.asList(1,2,3,4,5,6,7,8,9,10);
Integer sum = list.stream().reduce(0,(x,y) -> x+y);
System.out.println(sum);//
System.out.println("---------------------");
Optional<Double> sumSal = employees.stream().map(Employee::getSalary).reduce(Double::sum);
System.out.println(sumSal);
}
/**
* 收集:
* collect——将流转换为其他形式。接收一个 Collector接口的实现，用于给Stream中元素做汇总的方法
*/
//将employee集合中name值取出来放入集合中 aaa bbb ccc ddd eee fff ggg
@Test
public void test11(){
List list = employees.stream().map(Employee::getName).collect(Collectors.toList());
list.forEach(System.out::println);
}
@Test
public void test12(){
Set set = employees.stream().map(Employee::getName).collect(Collectors.toSet());
set.forEach(System.out::println);
}
@Test
public void test13(){
HashSet hashSet = employees.stream().map(Employee::getName)
.collect(Collectors.toCollection(HashSet::new));
hashSet.forEach(System.out::println);
}
//获取集合中元素的个数 7
@Test
public void test14(){
long count = employees.stream().collect(Collectors.counting());
System.out.println(count);
System.out.println("----------------");
//获取工资平均值
Double avgMoney = employees.stream()
.collect(Collectors.averagingDouble((emp) -> emp.getSalary()));
System.out.println(avgMoney);//6210.0
System.out.println("----------------");
//工资总和
Double sumMoney = employees.stream()
.collect(Collectors.summingDouble(Employee::getSalary));
System.out.println(sumMoney);
//最大值
Optional<Employee> optional= employees.stream()
.collect(Collectors.maxBy((emp1,emp2) -> Double.compare(emp1.getSalary(),emp2.getSalary())));
System.out.println(optional.get());//Employee{name='ggg', age=12, salary=7150.0}
//最小值
Optional<Double> minMoney = employees.stream()
.map(Employee::getSalary).collect(Collectors.minBy(Double::compare));
System.out.println(minMoney.get());
}
//分组
@Test
public void test15(){
employees.stream()
.collect(Collectors.groupingBy(Employee::getAge));
}
//分区
@Test
public void test16(){
Map<Boolean,List<Employee>> map =employees.stream()
.collect(Collectors.partitioningBy((e) -> e.getSalary() >6000));
System.out.println(map);
//{false=[Employee{name='aaa', age=11, salary=5000.0}, Employee{name='bbb', age=21, salary=5200.0},
// Employee{name='ccc', age=13, salary=5500.0}],
// true=[Employee{name='ddd', age=54, salary=6400.0}, Employee{name='eee', age=16, salary=7100.0},
// Employee{name='fff', age=74, salary=7120.0}, Employee{name='ggg', age=12, salary=7150.0}]} } @Test
public void test17(){
DoubleSummaryStatistics dss =employees.stream()
.collect(Collectors.summarizingDouble(Employee::getSalary));
//求平均值
System.out.println(dss.getAverage());
//求最大值
System.out.println(dss.getMax());
//求和
System.out.println(dss.getSum());
} @Test
public void test18(){
String name = employees.stream().map(Employee::getName).collect(Collectors.joining(","));
System.out.println(name);//aaa,bbb,ccc,ddd,eee,fff,ggg
}
}
最新文章
- Unity3D和Egret3D的基情
- django 自定义标签和过滤器
- unity, Graphics.Blit (null, null, mat,0);
- 【python】正则表达式
- CentOS上无法识别NTFS格式分区的解决方法
- js中的循环语句
- 深入React事件系统(React点击空白部分隐藏弹出层；React阻止事件冒泡失效)
- hdu 4267 线段树间隔更新
- ElasticSearch query_string vs multi_match cross_fields query
- Vue之axios请求数据
- asp一句话
- webstorm 2017激活
- Object.keys()，Object.values() 用法
- sql 查询某个字段出现的次数
- jQuery项目赋予Router
- 为什么easyui的datagrid里getSelections还有getChecked只能获取一行值呢？
- gen_projective_mosaic(Halcon例子)
- # 20155222卢梓杰 2016-2017-2 《Java程序设计》第2周学习总结
- Mysql报错 Cannot load from mysql.proc
- python之web架构
热门文章
- linux下解决80端口被占用
- python网络编程(Socket、TCP、UDP)
- spark热门电影
- 【HANA系列】【第一篇】SAP HANA XS使用JavaScript数据交互详解
- 如何为根分区扩容（centos7为例）
- 【神经网络与深度学习】GLog使用笔记
- [转帖]IntelliJ IDEA 2018.3.3破解方法
- 注入(Injection)
- Git 发生Another git process seems to be running in this repository, e.g. an editor opened by 'git commit'.错误
- priority_queue member function