什么是 Stream流式计算
在 Java8 之前，如果我们想重新排序合并数据，一般是通过 for 循环或者 Iterator 迭代等方式进行操作。
但是这两种方式通常在数据量比较大的情况下，效率比较低。
在Java8中，添加了一个新的接口Stream，可以通过 Lambda 表达式对集合进行各种非常便利、高效的聚合操作（Aggregate Operation），或者大批量数据操作 (Bulk Data Operation)。
Stream流式计算：将要处理的元素看做一种流，流在管道中传输，并且可以在管道的节点上处理，包括过滤筛选、去重、排序、聚合等，并把结果发送到下一计算节点。
举例：对5个用户进行筛选
- ID 必须是偶数
- 年龄必须大于23岁
- 用户名转为大写字母
- 用户名字母倒着排序
- 只输出一个用户！
User类
class User {
int id, age;
String name;
public User() {}
public User(int id, String name, int age) {
this.id = id;
this.name = name;
this.age = age;
}
public int getId() {
return id;
}
public int getAge() {
return age;
}
public String getName() {
return name;
}
}
初始化的5个用户
User u1 = new User(1,"a",21);
User u2 = new User(2,"b",22);
User u3 = new User(3,"c",23);
User u4 = new User(4,"d",24);
User u5 = new User(6,"e",25);
使用传统的方式来实现
List<User> list = Arrays.asList(u1, u2, u3, u4, u5);
List<String> nameList = new ArrayList<String>();
for (User u : list) {
if (u.getId() % 2 == 0)
if (u.getAge() > 23)
nameList.add(u.getName().toUpperCase());
}
nameList.sort(Comparator.reverseOrder());
System.out.println(nameList.get(0));
Stream进行实现
List<User> list = Arrays.asList(u1, u2, u3, u4, u5);
list.stream()
.filter(u -> {
return u.getId() % 2 == 0;
})
.filter(u -> {
return u.getAge() > 23;
})
.map(u -> {
return u.getName().toUpperCase();
})
.sorted((uu1, uu2) -> {
return uu2.compareTo(uu1);
})
.limit(1)
.forEach(System.out::println);
Stream 操作分类
Stream 的操作分为两大类：
-
中间操作（Intermediate operations）
- 只对操作进行了记录，即只会返回一个流，不会进行计算操作
- 无状态（Stateless）：元素的处理不受之前元素的影响
- 有状态（Stateful）：只有拿到所有元素之后才能继续下去
-
终结操作（Terminal operations）
- 终结操作是实现了计算操作
- 短路（Short-circuiting）：遇到某些符合条件的元素就可以得到最终结果
- 非短路（Unshort-circuiting）：必须处理完所有元素才能得到最终结果
串行处理和并行处理
-
串行处理操作：
- Stream 在执行每一步中间操作时，并不会做实际的数据操作处理，而是将这些中间操作串联起来，生成一个数据处理链表，通过 Spliterator 迭代器进行数据处理。
- 每执行一次迭代，就对所有的无状态的中间操作进行数据处理，而对有状态的中间操作，就需要迭代处理完所有的数据，再进行处理操作
- 最后进行终结操作的数据处理。
-
并行处理操作（parallel()）：
- Stream 对中间操作基本跟串行处理方式是一样的
- 终结操作中，Stream 将结合ForkJoin对集合进行切片处理，ForkJoin 框架将每个切片的处理结果 Join 合并起来
建议
在循环迭代次数较少的情况下，常规的迭代方式性能其实更好，尤其是服务器CPU只有单核
服务器是多核 CPU 的情况下，Stream 的并行迭代优势明显。
所以在平时处理大数据的集合时，应该尽量考虑将应用部署在多核 CPU 环境下，并且使用 Stream 的并行迭代方式进行处理