Java基础之Stream流原理与用法详解

Stream简化元素计算

一、接口设计

从Java1.8开始提出了Stream流的概念，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；依旧先看核心接口的设计:

• 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；

基础案例：通过指定元素的值，返回一个序列流，元素的内容是字符串，并转换为Long类型，最终计算求和结果并返回；

System.out.println("sum1="+IntStream.of(1,2,3).sum());
System.out.println("sum2="+Stream.of("1", "2", "3").mapToLong(Long::parseLong).sum());

整个Stream处理过程上看可以分为三段：创建流、中间操作、最终操作，即多个元素值通过流计算最终获取到求和的结果；

二、创建操作

除了Stream提供的创建方法之外，在Java1.8中，很多容器类的方法都进行的扩展，提供了集合元素转流的能力；

Stream创建

Stream<Integer> intStream = Stream.of(1, 2) ;

Collection创建

List<String> getList = Arrays.asList("hello","copy") ;
Stream<String> strStream = getList.stream() ;

Array创建

Double[] getArray = new Double[]{1.1,2.2};
Stream<Double> douStream = Arrays.stream(getArray) ;

上述方式创建的Stream流默认都是串行序列，可以通过Stream.isParallel进行判断；执行Stream.parallel方法可以转为并行流；

三、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，案例中使用的数据结构如下；

public class TesStream {
   public static void main(String[] args)  {
       List<User> userList = getUserList () ;
   }
   private static List<User> getUserList (){
       List<User> userList = new ArrayList<>() ;
       userList.add(new User(1,"张三","上海")) ;
       userList.add(new User(2,"李四","北京")) ;
       userList.add(new User(3,"王五","北京")) ;
       userList.add(new User(4,"顺六","上海,杭州")) ;
       return userList ;
   }
}

filter：过滤，输出id大于1的用户；

userList.stream().filter(user -> user.getId()>1).forEach(System.out::println);

map：将现有的元素转换映射到对应的结果，输出用户所在城市；

userList.stream().map(user -> user.getName()+" 在 "+user.getCity()).forEach(System.out::println);

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);

flatMap：数据拆分一对多映射，用户所在多个城市；

userList.stream().flatMap(user -> Arrays.stream(user.getCity().split(","))).forEach(System.out::println);

sorted：指定属性排序，根据用户ID倒序输出；

userList.stream().sorted(Comparator.comparingInt(User::getId).reversed()).forEach(System.out::println);

distinct：去重，用户所在城市去重后输出；

userList.stream().map(User::getCity).distinct().forEach(System.out::println);

skip & limit：截取，过滤后的数据跳过，截取第一条；

userList.stream().filter(user -> user.getId()>1).skip(1).limit(1).forEach(System.out::println);

相比于集合与数组在Java1.8之前的处理逻辑，通过Stream流的方法简化对数据改、查、过滤、排序等一系列操作，上面对于最终方法只涉及了foreach遍历；

四、最终操作

Stream流执行完最终操作之后，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；

min：最小值，获取用户最小的id值；

int min = userList.stream().min(Comparator.comparingInt(User::getId)).get().getId();

max：最大值，获取用户最大的id值；

int max = userList.stream().max(Comparator.comparingInt(User::getId)).get().getId();

sum：求和，对用户ID进行累计求和；

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

count：总数，id小于2的用户总数；

long count = userList.stream().filter(user -> user.getId()<2).count();

foreach：遍历，输出北京相关的用户；

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

findAny：查找符合条件的任意一个元素，获取一个北京用户；

User getUser = userList.stream().filter(user -> "北京".equals(user.getCity())).findAny().get();

findFirst：获取符合条件的第一个元素；

User getUser = userList.stream().filter(user -> "北京".equals(user.getCity())).findFirst().get();

anyMatch：匹配判断，判断是否存在深圳的用户；

boolean matchFlag = userList.stream().anyMatch(user -> "深圳".equals(user.getCity()));

allMatch：全部匹配，判断所有用户的城市不为空；

boolean matchFlag = userList.stream().allMatch(user -> StrUtil.isNotEmpty(user.getCity()));

noneMatch：全不匹配，判断没有用户的城市为空；

boolean matchFlag = userList.stream().noneMatch(user -> StrUtil.isEmpty(user.getCity()));

这里只是演示一些简单的最终方法，主要涉及Stream流的一些统计和判断相关的能力，在一些实际的业务应用中，显然这些功能还远远不够；

五、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；

toList：将用户ID存放到List集合中；

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

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));

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());

counting：符合条件的用户总数；

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

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)) ;

minBy：筛选元素中ID最小的用户

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

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("||"));

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));

在代码工程中会涉及到诸多的集合数据计算的逻辑，尤其在微服务场景中，VO数据模型需要对多个服务的数据进行组装，通过Collector可以极大精简组装过程；

Gitee主页： https://gitee.com/cicadasmile/butte-java-note

来源：https://www.cnblogs.com/cicada-smile/p/16564684.html