初识Java8中的Stream

作者：黄霖hy | 来源：互联网 | 2022-04-26 21:02

lambda表达式是stream的基础，接下来通过实例代码给大家详细介绍java8中的stream，感兴趣的朋友一起看看吧

lambda表达式是stream的基础，初学者建议先学习lambda表达式，https://www.jb51.net/article/121129.htm

1.初识stream

先来一个总纲：

东西就是这么多啦，stream是java8中加入的一个非常实用的功能，最初看时以为是io中的流（其实一点关系都没有），让我们先来看一个小例子感受一下：

@Before
public void init() {
 random = new Random();
 stuList = new ArrayList() {
 {
 for (int i = 0; i <100; i++) {
 add(new Student("student" + i, random.nextInt(50) + 50));
 }
 }
 };
}
public class Student {
 private String name;
 private Integer score;
 //-----getters and setters-----
}
//1列出班上超过85分的学生姓名，并按照分数降序输出用户名字
@Test
public void test1() {
 List studentList = stuList.stream()
 .filter(x->x.getScore()>85)
 .sorted(Comparator.comparing(Student::getScore).reversed())
 .map(Student::getName)
 .collect(Collectors.toList());
 System.out.println(studentList);
}

列出班上分数超过85分的学生姓名，并按照分数降序输出用户名字，在java8之前我们需要三个步骤：

1）新建一个List newList，在for循环中遍历stuList，将分数超过85分的学生装入新的集合中

2）对于新的集合newList进行排序操作

3）遍历打印newList

这三个步骤在java8中只需要两条语句，如果紧紧需要打印，不需要保存新生产list的话实际上只需要一条，是不是非常方便。

2.stream的特性

我们首先列出stream的如下三点特性，在之后我们会对照着详细说明

1.stream不存储数据

2.stream不改变源数据

3.stream的延迟执行特性

通常我们在数组或集合的基础上创建stream，stream不会专门存储数据，对stream的操作也不会影响到创建它的数组和集合,对于stream的聚合、消费或收集操作只能进行一次，再次操作会报错，如下代码：

@Test
public void test1(){
 Stream stream = Stream.generate(()->"user").limit(20);
 stream.forEach(System.out::println);
 stream.forEach(System.out::println);
}

程序在正常完成一次打印工作后报错。

stream的操作是延迟执行的，在列出班上超过85分的学生姓名例子中，在collect方法执行之前，filter、sorted、map方法还未执行，只有当collect方法执行时才会触发之前转换操作

看如下代码：

public boolean filter(Student s) {
 System.out.println("begin compare");
 return s.getScore() > 85;
}
 
@Test
public void test() {
 Stream stream = Stream.of(stuArr).filter(this::filter);
 System.out.println("split-------------------------------------");
 List studentList = stream.collect(toList());
}

我们将filter中的逻辑抽象成方法，在方法中加入打印逻辑，如果stream的转换操作是延迟执行的，那么split会先打印，否则后打印，代码运行结果为

可见stream的操作是延迟执行的。

TIP：

当我们操作一个流的时候，并不会修改流底层的集合（即使集合是线程安全的），如果想要修改原有的集合，就无法定义流操作的输出。

由于stream的延迟执行特性，在聚合操作执行前修改数据源是允许的。

List wordList;
 @Before
public void init() {
 wordList = new ArrayList() {
 {
 add("a");
 add("b");
 add("c");
 add("d");
 add("e");
 add("f");
 add("g");
 }
 };
}
/**
 * 延迟执行特性，在聚合操作之前都可以添加相应元素
 */
@Test
public void test() {
 Stream words = wordList.stream();
 wordList.add("END");
 long n = words.distinct().count();
 System.out.println(n);
}

最后打印的结果是8

如下代码是错误的

/**
 * 延迟执行特性，会产生干扰
 * nullPointException
 */
@Test
public void test2(){
 Stream words1 = wordList.stream();
 words1.forEach(s -> {
 System.out.println("s->"+s);
 if (s.length() <4) {
 System.out.println("select->"+s);
 wordList.remove(s);
 System.out.println(wordList);
 }
 });
}

结果报空指针异常

3.创建stream

1）通过数组创建

/**
 * 通过数组创建流
 */
@Test
public void testArrayStream(){
 //1.通过Arrays.stream
 //1.1基本类型
 int[] arr = new int[]{1,2,34,5};
 IntStream intStream = Arrays.stream(arr);
 //1.2引用类型
 Student[] studentArr = new Student[]{new Student("s1",29),new Student("s2",27)};
 Stream studentStream = Arrays.stream(studentArr);
 //2.通过Stream.of
 Stream stream1 = Stream.of(1,2,34,5,65);
 //注意生成的是int[]的流
 Stream stream2 = Stream.of(arr,arr);
 stream2.forEach(System.out::println);
}

2）通过集合创建流

/**
 * 通过集合创建流
 */
@Test
public void testCollectionStream(){
 List strs = Arrays.asList("11212","dfd","2323","dfhgf");
 //创建普通流
 Stream stream = strs.stream();
 //创建并行流
 Stream stream1 = strs.parallelStream();
}

3）创建空的流

@Test
public void testEmptyStream(){
 //创建一个空的stream
 Stream stream = Stream.empty();
}
4）创建无限流
@Test
public void testUnlimitStream(){
 //创建无限流，通过limit提取指定大小
 Stream.generate(()->"number"+new Random().nextInt()).limit(100).forEach(System.out::println);
 Stream.generate(()->new Student("name",10)).limit(20).forEach(System.out::println);
}

5）创建规律的无限流

/**
 * 产生规律的数据
 */
@Test
public void testUnlimitStream1(){
 Stream.iterate(0,x->x+1).limit(10).forEach(System.out::println);
 Stream.iterate(0,x->x).limit(10).forEach(System.out::println);
 //Stream.iterate(0,x->x).limit(10).forEach(System.out::println);与如下代码意思是一样的
 Stream.iterate(0, UnaryOperator.identity()).limit(10).forEach(System.out::println);
}

4.对stream的操作

1）最常使用

map：转换流，将一种类型的流转换为另外一种流

/**
 * map把一种类型的流转换为另外一种类型的流
 * 将String数组中字母转换为大写
 */
@Test
public void testMap() {
 String[] arr = new String[]{"yes", "YES", "no", "NO"};
 Arrays.stream(arr).map(x -> x.toLowerCase()).forEach(System.out::println);
}

filter：过滤流，过滤流中的元素

@Test
public void testFilter(){
 Integer[] arr = new Integer[]{1,2,3,4,5,6,7,8,9,10};
 Arrays.stream(arr).filter(x->x>3&&x<8).forEach(System.out::println);
}

flapMap：拆解流，将流中每一个元素拆解成一个流

/**
 * flapMap：拆解流
 */
@Test
public void testFlapMap1() {
 String[] arr1 = {"a", "b", "c", "d"};
 String[] arr2 = {"e", "f", "c", "d"};
 String[] arr3 = {"h", "j", "c", "d"};
 // Stream.of(arr1, arr2, arr3).flatMap(x -> Arrays.stream(x)).forEach(System.out::println);
 Stream.of(arr1, arr2, arr3).flatMap(Arrays::stream).forEach(System.out::println);
}

sorted：对流进行排序

String[] arr1 = {"abc","a","bc","abcd"};
/**
 * Comparator.comparing是一个键提取的功能
 * 以下两个语句表示相同意义
 */
@Test
public void testSorted1_(){
 /**
 * 按照字符长度排序
 */
 Arrays.stream(arr1).sorted((x,y)->{
 if (x.length()>y.length())
 return 1;
 else if (x.length()

2）提取流和组合流

@Before
 public void init(){
 arr1 = new String[]{"a","b","c","d"};
 arr2 = new String[]{"d","e","f","g"};
 arr3 = new String[]{"i","j","k","l"};
 }
 /**
 * limit，限制从流中获得前n个数据
 */
 @Test
 public void testLimit(){
 Stream.iterate(1,x->x+2).limit(10).forEach(System.out::println);
 }
 /**
 * skip，跳过前n个数据
 */
 @Test
 public void testSkip(){
// Stream.of(arr1).skip(2).limit(2).forEach(System.out::println);
 Stream.iterate(1,x->x+2).skip(1).limit(5).forEach(System.out::println);
 }
 /**
 * 可以把两个stream合并成一个stream（合并的stream类型必须相同）
 * 只能两两合并
 */
 @Test
 public void testConcat(){
 Stream stream1 = Stream.of(arr1);
 Stream stream2 = Stream.of(arr2);
 Stream.concat(stream1,stream2).distinct().forEach(System.out::println);
 }

3）聚合操作

@Before
public void init(){
 arr = new String[]{"b","ab","abc","abcd","abcde"};
}
/**
 * max、min
 * 最大最小值
 */
@Test
public void testMaxAndMin(){
 Stream.of(arr).max(Comparator.comparing(String::length)).ifPresent(System.out::println);
 Stream.of(arr).min(Comparator.comparing(String::length)).ifPresent(System.out::println);
}
/**
 * count
 * 计算数量
 */
@Test
public void testCount(){
 long count = Stream.of(arr).count();
 System.out.println(count);
}
/**
 * findFirst
 * 查找第一个
 */
@Test
public void testFindFirst(){
 String str = Stream.of(arr).parallel().filter(x->x.length()>3).findFirst().orElse("noghing");
 System.out.println(str);
}
/**
 * findAny
 * 找到所有匹配的元素
 * 对并行流十分有效
 * 只要在任何片段发现了第一个匹配元素就会结束整个运算
 */
@Test
public void testFindAny(){
 Optional optiOnal= Stream.of(arr).parallel().filter(x->x.length()>3).findAny();
 optional.ifPresent(System.out::println);
}
/**
 * anyMatch
 * 是否含有匹配元素
 */
@Test
public void testAnyMatch(){
 Boolean aBoolean = Stream.of(arr).anyMatch(x->x.startsWith("a"));
 System.out.println(aBoolean);
}
@Test
public void testStream1() {
 Optional optiOnal= Stream.of(1,2,3).filter(x->x>1).reduce((x,y)->x+y);
 System.out.println(optional.get());
}

4）Optional类型

通常聚合操作会返回一个Optional类型，Optional表示一个安全的指定结果类型，所谓的安全指的是避免直接调用返回类型的null值而造成空指针异常，调用optional.ifPresent()可以判断返回值是否为空，或者直接调用ifPresent(Consumer<&＃63; super T> consumer)在结果部位空时进行消费操作；调用optional.get()获取返回值。通常的使用方式如下：

@Test
 public void testOptional() {
 List list = new ArrayList() {
 {
 add("user1");
 add("user2");
 }
 };
 Optional opt = Optional.of("andy with u");
 opt.ifPresent(list::add);
 list.forEach(System.out::println);
 }

使用Optional可以在没有值时指定一个返回值，例如

@Test
public void testOptional2() {
 Integer[] arr = new Integer[]{4,5,6,7,8,9};
 Integer result = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElse(-1);
 System.out.println(result);
 Integer result1 = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElseGet(()->-1);
 System.out.println(result1);
 Integer result2 = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElseThrow(RuntimeException::new);
 System.out.println(result2);
}

Optional的创建

采用Optional.empty()创建一个空的Optional，使用Optional.of()创建指定值的Optional。同样也可以调用Optional对象的map方法进行Optional的转换，调用flatMap方法进行Optional的迭代

@Test
public void testStream1() {
 Optional studentOptiOnal= Optional.of(new Student("user1",21));
 Optional optiOnalStr= studentOptional.map(Student::getName);
 System.out.println(optionalStr.get());
}
public static Optional inverse(Double x) {
 return x == 0 &＃63; Optional.empty() : Optional.of(1 / x);
}
public static Optional squareRoot(Double x) {
 return x <0 &＃63; Optional.empty() : Optional.of(Math.sqrt(x));
}
/**
 * Optional的迭代
 */
@Test
public void testStream2() {
 double x = 4d;
 Optional result1 = inverse(x).flatMap(StreamTest7::squareRoot);
 result1.ifPresent(System.out::println);
 Optional result2 = Optional.of(4.0).flatMap(StreamTest7::inverse).flatMap(StreamTest7::squareRoot);
 result2.ifPresent(System.out::println);
}

5）收集结果

Student[] students;
@Before
public void init(){
 students = new Student[100];
 for (int i=0;i<30;i++){
 Student student = new Student("user",i);
 students[i] = student;
 }
 for (int i=30;i<60;i++){
 Student student = new Student("user"+i,i);
 students[i] = student;
 }
 for (int i=60;i<100;i++){
 Student student = new Student("user"+i,i);
 students[i] = student;
 }
}
@Test
public void testCollect1(){
 /**
 * 生成List
 */
 List list = Arrays.stream(students).collect(toList());
 list.forEach((x)-> System.out.println(x));
 /**
 * 生成Set
 */
 Set set = Arrays.stream(students).collect(toSet());
 set.forEach((x)-> System.out.println(x));
 /**
 * 如果包含相同的key，则需要提供第三个参数，否则报错
 */
 Map map = Arrays.stream(students).collect(toMap(Student::getName,Student::getScore,(s,a)->s+a));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * 生成数组
 */
@Test
public void testCollect2(){
 Student[] s = Arrays.stream(students).toArray(Student[]::new);
 for (int i=0;i s = Arrays.stream(students).collect(toCollection(HashSet::new));
 s.forEach(System.out::println);
}
/**
 * 统计
 */
@Test
public void testCollect4(){
 IntSummaryStatistics summaryStatistics = Arrays.stream(students).collect(Collectors.summarizingInt(Student::getScore));
 System.out.println("getAverage->"+summaryStatistics.getAverage());
 System.out.println("getMax->"+summaryStatistics.getMax());
 System.out.println("getMin->"+summaryStatistics.getMin());
 System.out.println("getCount->"+summaryStatistics.getCount());
 System.out.println("getSum->"+summaryStatistics.getSum());
}

6）分组和分片

分组和分片的意义是，将collect的结果集展示位Map的形式，通常的用法如下：

Student[] students;
@Before
public void init(){
 students = new Student[100];
 for (int i=0;i<30;i++){
 Student student = new Student("user1",i);
 students[i] = student;
 }
 for (int i=30;i<60;i++){
 Student student = new Student("user2",i);
 students[i] = student;
 }
 for (int i=60;i<100;i++){
 Student student = new Student("user3",i);
 students[i] = student;
 }
}
@Test
public void testGroupBy1(){
 Map> map = Arrays.stream(students).collect(groupingBy(Student::getName));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * 如果只有两类，使用partitioningBy会比groupingBy更有效率
 */
@Test
public void testPartitioningBy(){
 Map> map = Arrays.stream(students).collect(partitioningBy(x->x.getScore()>50));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * downstream指定类型
 */
@Test
public void testGroupBy2(){
 Map> map = Arrays.stream(students).collect(groupingBy(Student::getName,toSet()));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * downstream 聚合操作
 */
@Test
public void testGroupBy3(){
 /**
 * counting
 */
 Map map1 = Arrays.stream(students).collect(groupingBy(Student::getName,counting()));
 map1.forEach((x,y)-> System.out.println(x+"->"+y));
 /**
 * summingInt
 */
 Map map2 = Arrays.stream(students).collect(groupingBy(Student::getName,summingInt(Student::getScore)));
 map2.forEach((x,y)-> System.out.println(x+"->"+y));
 /**
 * maxBy
 */
 Map> map3 = Arrays.stream(students).collect(groupingBy(Student::getName,maxBy(Comparator.comparing(Student::getScore))));
 map3.forEach((x,y)-> System.out.println(x+"->"+y));
 /**
 * mapping
 */
 Map> map4 = Arrays.stream(students).collect(groupingBy(Student::getName,mapping(Student::getScore,toSet())));
 map4.forEach((x,y)-> System.out.println(x+"->"+y));
}

5.原始类型流

在数据量比较大的情况下，将基本数据类型（int,double...）包装成相应对象流的做法是低效的，因此，我们也可以直接将数据初始化为原始类型流，在原始类型流上的操作与对象流类似，我们只需要记住两点

1.原始类型流的初始化

2.原始类型流与流对象的转换

DoubleStream doubleStream;
 IntStream intStream;
 /**
 * 原始类型流的初始化
 */
 @Before
 public void testStream1(){
 doubleStream = DoubleStream.of(0.1,0.2,0.3,0.8);
 intStream = IntStream.of(1,3,5,7,9);
 IntStream stream1 = IntStream.rangeClosed(0,100);
 IntStream stream2 = IntStream.range(0,100);
 }
 /**
 * 流与原始类型流的转换
 */
 @Test
 public void testStream2(){
 Stream stream = doubleStream.boxed();
 doubleStream = stream.mapToDouble(Double::new);
 }

6.并行流

可以将普通顺序执行的流转变为并行流，只需要调用顺序流的parallel() 方法即可，如Stream.iterate(1, x -> x + 1).limit(10).parallel()。

1）并行流的执行顺序

我们调用peek方法来瞧瞧并行流和串行流的执行顺序，peek方法顾名思义，就是偷窥流内的数据，peek方法声明为Stream peek(Consumer<&＃63; super T> action);加入打印程序可以观察到通过流内数据，见如下代码：

public void peek1(int x) {
 System.out.println(Thread.currentThread().getName() + ":->peek1->" + x);
 }
 public void peek2(int x) {
 System.out.println(Thread.currentThread().getName() + ":->peek2->" + x);
 }
 public void peek3(int x) {
 System.out.println(Thread.currentThread().getName() + ":->final result->" + x);
 }
 /**
 * peek，监控方法
 * 串行流和并行流的执行顺序
 */
 @org.junit.Test
 public void testPeek() {
 Stream stream = Stream.iterate(1, x -> x + 1).limit(10);
 stream.peek(this::peek1).filter(x -> x > 5)
 .peek(this::peek2).filter(x -> x <8)
 .peek(this::peek3)
 .forEach(System.out::println);
 }
 @Test
 public void testPeekPal() {
 Stream stream = Stream.iterate(1, x -> x + 1).limit(10).parallel();
 stream.peek(this::peek1).filter(x -> x > 5)
 .peek(this::peek2).filter(x -> x <8)
 .peek(this::peek3)
 .forEach(System.out::println);
 }

串行流打印结果如下：

并行流打印结果如下：

咋看不一定能看懂，我们用如下的图来解释

我们将stream.filter(x -> x > 5).filter(x -> x <8).forEach(System.out::println)的过程想象成上图的管道，我们在管道上加入的peek相当于一个阀门，透过这个阀门查看流经的数据，

1）当我们使用顺序流时，数据按照源数据的顺序依次通过管道，当一个数据被filter过滤，或者经过整个管道而输出后，第二个数据才会开始重复这一过程

2）当我们使用并行流时，系统除了主线程外启动了七个线程（我的电脑是4核八线程）来执行处理任务，因此执行是无序的，但同一个线程内处理的数据是按顺序进行的。

2） sorted()、distinct()等对并行流的影响

sorted()、distinct()是元素相关方法，和整体的数据是有关系的,map，filter等方法和已经通过的元素是不相关的,不需要知道流里面有哪些元素，并行执行和sorted会不会产生冲突呢？

结论：1.并行流和排序是不冲突的，2.一个流是否是有序的，对于一些api可能会提高执行效率，对于另一些api可能会降低执行效率

3.如果想要输出的结果是有序的，对于并行的流需要使用forEachOrdered(forEach的输出效率更高)

我们做如下实验：

/**
 * 生成一亿条0-100之间的记录
 */
@Before
public void init() {
 Random random = new Random();
 list = Stream.generate(() -> random.nextInt(100)).limit(100000000).collect(toList());
}
/**
 * tip
 */
@org.junit.Test
public void test1() {
 long begin1 = System.currentTimeMillis();
 list.stream().filter(x->(x > 10)).filter(x->x<80).count();
 long end1 = System.currentTimeMillis();
 System.out.println(end1-begin1);
 list.stream().parallel().filter(x->(x > 10)).filter(x->x<80).count();
 long end2 = System.currentTimeMillis();
 System.out.println(end2-end1);
 long begin1_ = System.currentTimeMillis();
 list.stream().filter(x->(x > 10)).filter(x->x<80).distinct().sorted().count();
 long end1_ = System.currentTimeMillis();
 System.out.println(end1-begin1);
 list.stream().parallel().filter(x->(x > 10)).filter(x->x<80).distinct().sorted().count();
 long end2_ = System.currentTimeMillis();
 System.out.println(end2_-end1_);
}

可见，对于串行流.distinct().sorted()方法对于运行时间没有影响，但是对于串行流，会使得运行时间大大增加，因此对于包含sorted、distinct()等与全局数据相关的操作，不推荐使用并行流。

7.stream vs spark rdd

最初看到stream的一个直观感受是和spark像，真的像

val count = sc.parallelize(1 to NUM_SAMPLES).filter { _ =>
 val x = math.random
 val y = math.random
 x*x + y*y <1}.count()println(s"Pi is roughly ${4.0 * count / NUM_SAMPLES}")

以上代码摘自spark官网，使用的是scala语言，一个最基础的word count代码，这里我们简单介绍一下spark，spark是当今最流行的基于内存的大数据处理框架，spark中的一个核心概念是RDD（弹性分布式数据集），将分布于不同处理器上的数据抽象成rdd，rdd上支持两种类型的操作1） Transformation（变换）2） Action（行动），对于rdd的Transformation算子并不会立即执行，只有当使用了Action算子后，才会触发。