3.4 Foreach Peek(Intermediate) 输出
记录:
- 操作集合有Collections工具类
- 为了配合collect() 函数 配置了Collectors工具类
- Compartor类定义了 naturalOrder() reverseOrder() 前者为正序 后者为反序
- 为了解决流处理的NPE 增加了Optional工具类
- 为了并发处理数据增加了Spliterator工具类
1: 概述
1.1 优势
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(1,2,3); LongStream longs = LongStream.of(4,5,6); DoubleStream doubles = DoubleStream.of(6,7,8); IntStream.range(1, 10).forEach(System.out::print);// [1,10) 区间 System.out.println(); IntStream.rangeClosed(1, 10).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(1, 10).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(1, 10).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(1,2,3).map(x->x*2).forEach(System.out::println); // 合并流 Stream<List<Integer>> inputStream = Stream.of( Arrays.asList(1), Arrays.asList(2,3), Arrays.asList(4,5,6)); 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(1, 2, 3, 4); 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(1, 10).filter(x->(x&1)==0).forEach(System.out::println); Integer[] sixNums = {1, 2, 3, 4, 5, 6}; Integer[] array = Stream.of(sixNums).filter(x->(x&1)==0).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() > 0). 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(1,2,3,4,5,6)); 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() > 3) .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 = {1, 2, 3, 4, 5, 6};
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<0).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(1, 2, 3, 4).reduce(0, Integer::sum); // 求和，sumValue = 10, 无起始值 sumValue = Stream.of(1, 2, 3, 4).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") > 0). 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 = 1; i <= 10000; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<String> personList2 = persons.stream().map(Person::getName).limit(10).skip(3).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 = 1; i <= 5; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<Person> personList2 = persons.stream().limit(2).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(100); long nums = 100-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(1, "name" + 1, 10)); persons.add(new Person(2, "name" + 2, 21)); persons.add(new Person(3, "name" + 3, 34)); persons.add(new Person(4, "name" + 4, 6)); persons.add(new Person(5, "name" + 5, 55)); boolean isAllAdult = persons.stream(). allMatch(p -> p.getAge() > 18); System.out.println("All are adult? " + isAllAdult); boolean isThereAnyChild = persons.stream(). anyMatch(p -> p.getAge() < 12); 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(10).forEach(System.out::println); //Another way IntStream.generate(() -> (int) (System.nanoTime() % 10000)). limit(10).forEach(System.out::println);
自定义Supplier
Stream<Person> stream2 = Stream.generate(new Use_Max_Min_Distinct().new PersonSupplier()).limit(10); 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(0, n -> n + 3).limit(10). 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", 1), new Person("Tom2", 2), new Person("Tom3", 3), new Person("Tom4", 2), new Person("Tom5", 3), new Person("Tom6", 2) ); // 分类 Map<Integer, List<Person>> personGroups = Stream.generate(new PersonSupplier()).limit(10) .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(10) .collect(Collectors.partitioningBy(x->x.getAge()>5)); 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(10) , new Random().nextInt(10)); }; } class Person {}// Constructor get set ToString()
