JDK新特性：Stream流式编程-编程知识

JDK新特性：Stream流式编程

news/2024/11/18 9:30:49/文章来源:https://www.cnblogs.com/chenlei210162701002/p/18360186

Stream流

Stream是Java 8 API添加的一个新的抽象，称为流Stream，以一种声明性方式处理数据集合（侧重对于源数据计算能力的封装，并且支持序列与并行两种操作方式）Stream流是从支持数据处理操作的源生成的元素序列，源可以是数组、文件、集合、函数。流不是集合元素，它不是数据结构并不保存数据，它的主要目的在于计算Stream流是对集合（Collection）对象功能的增强，与Lambda表达式结合，可以提高编程效率、间接性和程序可读性。

特点：

1、代码简洁：函数式编程写出的代码简洁且意图明确，使用stream接口让你从此告别for循环

2、多核友好：Java函数式编程使得编写并行程序如此简单，就是调用一下方法

流程：

1、将集合转换为Stream流（或者创建流）

2、操作Stream流（中间操作，终端操作）

stream流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果

接口继承关系：

BaseStream：基础接口，声明了流管理的核心方法；

Stream：核心接口，声明了流操作的核心方法，其他接口为指定类型的适配

Java中的流式编程：创建Stream数据流

生成流的方式主要有五种：

2.1、Stream创建
使用静态方法 Stream.of()，通过显式值创建一个流

Stream<Integer> stream = Stream.of(0, 1, 2, 3, 4, 5);

2.2、Collection创建
Collection 集合创建（应用中最常用的一种）

List<Integer> integerList = new ArrayList<>();
integerList.add(0);
integerList.add(1);
integerList.add(2);
integerList.add(3);
integerList.add(4);
integerList.add(5);
Stream<Integer> listStream = integerList.stream();

2.3、Arrays创建
Arrays 数组创建，将数组作为数据源，读取数组中的数据到一个流中

int[] intArr = {0, 1, 2, 3, 4, 5};
IntStream arrayStream = Arrays.stream(intArr);
1
2
2.4：文件创建
通过 Files.line() 方法得到一个流，并且得到的每个流是给定文件中的一行

try {
Stream fileStream = Files.lines(Paths.get("data.txt"), Charset.defaultCharset());
} catch (IOException e) {
e.printStackTrace();
}

2.5：函数创建
函数创建，创建无限流

Stream.iterator() 方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为 iterator 生成的流为无限流，通过 limit 方法对流进行了截断

Stream<Integer> iterateStream = Stream.iterate(0, n -> n + 2).limit(5);

Stream.generate() 方法接受一个参数，方法参数类型为 Supplier ，由它为流提供值。generate 生成的流也是无限流，因此通过 limit 对流进行了截断

Stream<Double> generateStream = Stream.generate(Math::random).limit(5);

Java中的流式编程：中间操作

Java中的流式编程：中间操作
通常对于 Stream 的中间操作，可以视为是源的查询，并且是懒惰式的设计，对于源数据进行的计算只有在需要时才会被执行，与数据库中视图的原理相似；

Stream 流的强大之处便是在于提供了丰富的中间操作，相比集合或数组这类容器，极大的简化源数据的计算复杂度。一个流可以跟随零个或多个中间操作。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，仅仅调用到这类方法，并没有真正开始流的遍历，真正的遍历需等到终端操作时，常见的中间操作有下面即将介绍的 filter、map 等。

3.1、filter 过滤
filter 条件过滤，以将流中满足指定条件的数据保留，去掉不满足指定条件的数据

// filter：输出ID大于6的user对象

List<User> filetrUserList = userList.stream().filter(user -> user.getId() > 6).collect(Collectors.toList());
filetrUserList.forEach(System.out::println);

3.2、map 映射
map 元素映射，提供一个映射规则，将流中的每一个元素替换成指定的元素

// map

List<String> mapUserList = userList.stream().map(user -> user.getName() + "用户").collect(Collectors.toList());
mapUserList.forEach(System.out::println);

3.3、distinct 去重
distinct 去重，去除流中的重复的数据，这个方法是没有参数的，去重的规则与 hashSet 相同

// 去重
dataSource.distinct().forEach(System.out::println);

3.4、sorted 排序
sorted 排序，将流中的数据，按照其对应的类实现的 Comparable 接口提供的比较规则进行排序

// sorted：排序，根据名字倒序

userList.stream().sorted(Comparator.comparing(User::getName).reversed()).collect(Collectors.toList()).forEach(System.out::println);

3.4、limit & skip 限制 & 跳过
limit 限制，表示截取流中的指定数量的数据（从第0开始），丢弃剩余部分
skip 跳过，表示跳过指定数量的数据，截取剩余部分

// 获取成绩的[3,5]名

dataSource.sorted((s1,s2) -> s2.score - s1.score).distinct() .limit(5).skip(2).forEach(System.out::println);

3.5、flatMap 扁平化映射
使用 flatMap 方法的效果是，各个数组并不是分别映射成一个流，而是映射成流的内容。所有使用 map(Arrays::stream) 时生成的单个流都被合并起来，即扁平化为一个流

// 一般是用在map映射完成后，流中的数据是一个容器，而我们需要再对容器中的数据进行处理，此时使用扁平化映射
// 将字符串数组中的数据读取到流中
Stream stream = Arrays.stream(s);
// 统计字符串数组中所有出现的字符

stream.map(e -> e.split("")) .flatMap(Arrays::stream).distinct().forEach(System.out::print);

3.6、peek 对元素进行遍历处理
// peek：对元素进行遍历处理，每个用户ID加1输出
userList.stream().peek(user -> user.setId(user.getId()+1)).forEach(System.out::println);

4、Java中的流式编程：终端操作
Stream 流执行完终端操作之后，无法再执行其他动作，否则会报状态异常，提示该流已经被执行操作或者被关闭，想要再次执行操作必须重新创建 Stream 流

一个流有且只能有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作，因此一个流只能被遍历一次，若想在遍历需要通过源数据在生成流。

终端操作的执行，才会真正开始流的遍历。如 count、collect 等

4.1、collect 收集器
collect 将流中的数据整合起来

// collect：收集器，将流转换为其他形式

Set set = userList.stream().collect(Collectors.toSet());
set.forEach(System.out::println);
System.out.println("--------------------------");
List list = userList.stream().collect(Collectors.toList());
list.forEach(System.out::println);

4.2、forEach 遍历流
forEach 遍历流中数据

// forEach：遍历流

userList.stream().forEach(user -> System.out.println(user));
userList.stream().filter(user -> "上海".equals(user.getCity())).forEach(System.out::println);

4.3、findFirst & findAny 获取流中的元素
findFirst 获取流中的一个元素，获取的是流中的首元素，在进行元素获取的时候，无论是串行流还是并行流，获取的都是首元素

// findFirst：返回第一个元素

User firstUser = userList.stream().findFirst().get();
User firstUser1 = userList.stream().filter(user -> "上海".equals(user.getCity())).findFirst().get();

findAny 获取流中的一个元素，通常是首元素，但在并行流中，获取的可能不是首元素。在进行元素获取的时候，串行流一定获取到的是流中的首元素，并行流获取到的可能是首元素，也可能不是

// findAny：将返回当前流中的任意元素

User findUser = userList.stream().findAny().get();
User findUser1 = userList.stream().filter(user -> "上海".equals(user.getCity())).findAny().get();

4.4、count 总数
count 返回流中元素总数

// count：返回流中元素总数

long count = userList.stream().filter(user -> user.getAge() > 20).count();
System.out.println(count);

4.5、sum 求和
// sum：求和

int sum = userList.stream().mapToInt(User::getId).sum();

4.6、max & min 最大 & 最小

// max：最大值
int max = userList.stream().max(Comparator.comparingInt(User::getId)).get().getId();
// min：最小值
int min = userList.stream().min(Comparator.comparingInt(User::getId)).get().getId();

4.7、reduce 聚合
reduce 将流中的数据按照一定的规则聚合起来

// reduce：将流中元素反复结合起来，得到一个值

Optional reduce = userList.stream().reduce((user, user2) -> {return user;
});
if(reduce.isPresent()) System.out.println(reduce.get());

4.8、allMatch & anyMatch & noneMatch
allMatch: 只有当流中所有的元素都匹配指定的规则，才会返回 true

anyMatch: 只要流中的任意数据满足指定的规则，就会返回 true

noneMatch: 只有当流中所有的元素都不满足指定的规则，才会返回 true

// allMatch：检查是否匹配所有元素
boolean matchAll = userList.stream().allMatch(user -> "北京".equals(user.getCity()));
// anyMatch：检查是否至少匹配一个元素
boolean matchAny = userList.stream().anyMatch(user -> "北京".equals(user.getCity()));
// noneMatch：检查是否没有匹配所有元素，返回 boolean
boolean nonaMatch = userList.stream().allMatch(user -> "北京".equals(user.getCity()));

5、Collect收集
Collector：结果收集策略的核心接口，具备将指定元素累加存放到结果容器中的能力；并在Collectors工具中提供了Collector接口的实现类

5.1、toList
将用户 ID 存放到 List 集合中

List<Integer> idList = userList.stream().map(User::getId).collect(Collectors.toList()) ;

5.2、toMap
将用户 ID 和 Name 以 Key-Value 形式存放到 Map 集合中

Map<Integer,String> userMap = userList.stream().collect(Collectors.toMap(User::getId,User::getName));

5.3、toSet
将用户所在城市存放到 Set 集合中

Set<String> citySet = userList.stream().map(User::getCity).collect(Collectors.toSet());

5.4、counting
符合条件的用户总数

long count = userList.stream().filter(user -> user.getId()>1).collect(Collectors.counting());

5.5、summingInt
对结果元素即用户 ID 求和

Integer sumInt = userList.stream().filter(user -> user.getId()>2).collect(Collectors.summingInt(User::getId)) ;

5.6、minBy
筛选元素中 ID 最小的用户

User maxId = userList.stream().collect(Collectors.minBy(Comparator.comparingInt(User::getId))).get() ;

5.7、joining
将用户所在城市，以指定分隔符链接成字符串

String joinCity = userList.stream().map(User::getCity).collect(Collectors.joining("||"));

5.8、groupingBy
按条件分组，以城市对用户进行分组；

Map<String,List<User>> groupCity = userList.stream().collect(Collectors.groupingBy(User::getCity));

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/785513.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！