FunctionalInterface
我们把只定义了单方法的接口称之为FunctionalInterface，用注解@FunctionalInterface标记。例如，Callable接口：
@FunctionalInterface
public interface Callable<V> {
V call() throws Exception;
}
支持函数式编程的都可以使用Lambda表达式
Lambda表达式
当我们用Arrays.sort()排序时，可以传入一个Comparator实例，并采用匿名类的方式来实现：
String[] array = ...
Arrays.sort(array, new Comparator<String>() {
public int compare(String s1, String s2) {
return s1.compareTo(s2);
}
});
但是这种写法还是挺繁琐的，所以从JDK8开始，我们可以用Lambda表达式来替代这种繁琐的写法：
String[] array = ...
Arrays.sort(array, (s1, s2) -> {
return s1.compareTo(s2);
});
使用Lambda只需要写出方法的定义，参数类型可以省略，编译器会自动推断出String类型，-> { ... }表示方法体，如果只有一行return代码，还可以更加简洁：
Arrays.sort(array, (s1, s2) -> s1.compareTo(s2));
返回值的类型也是由编译器自动推断的，这里推断出的返回值是int，因此，只要返回int，编译器就不会报错。
方法引用
除了使用Lambda之外，还可以直接传入方法引用：
public static void main(String[] args) {
String[] array = new String[]{"Apple", "Orange", "Banana", "Lemon"};
Arrays.sort(array, Main::cmp);
System.out.println(String.join(", ", array));
}
static int cmp(String s1, String s2) {
return s1.compareTo(s2);
}
上面的代码是啥意思？可以看到Arrays.sort需传入一个数组和Comparator接口，在Comparator中有个方法int compare(T o1, T o2)，我们自己定义的方法cmp和compare这个方法的方法签名一致，即方法参数和返回类型相同，就可以直接使用方法引用，再看一个例子：
public static void main(String[] args) {
String[] array = new String[]{"Apple", "Orange", "Banana", "Lemon"};
Arrays.sort(array, String::compareTo);
System.out.println(String.join(", ", array));
}
查看String的compareTo方法发现参数只有一个，但是前面不是说方法签名要一致吗，这又是怎么回事？因为之前的方法是个静态方法，这里是一个实例方法，实例方法第一个隐含参数总是传入this，相当于：
public static int compareTo(this, String o);
所以String::compareTo和compare方法签名是一致的
Stream
一个全新的流失API，可以存储有限或无限个元素，Stream是惰性计算，计算通常时发生在最后结果的获取，因此，Stream API的基本用法就是：创建一个Stream，然后做若干次转换，最后调用一个求值方法获取真正计算的结果：
如何创建一个Stream?
Stream.of
Stream<String> stream = Stream.of("A", "B", "C", "D");
数组或Collection
Stream<String> stream = Arrays.stream(new String[]{"A", "B", "C"});
Stream<String> stream1 = List.of("A", "B", "C").stream();
Supplier
通过Stream.generate()需传入Supplier对象
public static<T> Stream<T> generate(Supplier<? extends T> s) {
Objects.requireNonNull(s);
return StreamSupport.stream(
new StreamSpliterators.InfiniteSupplyingSpliterator.OfRef<>(Long.MAX_VALUE, s), false);
}
Supplier是一个函数式接口，我们可以自己实现这个接口
@FunctionalInterface
public interface Supplier<T> {
/**
* Gets a result.
*
* @return a result
*/
T get();
}
class NatualSupplier implements Supplier<Integer> {
int n = 0;
@Override
public Integer get() {
return n++;
}
}
基于Supplier创建的Stream会不断调用get()产生下一个元素，可以用来表示无限序列
public static void main(String[] args) {
Stream<Integer> stream = Stream.generate(new NatualSupplier());
stream.limit(20).forEach(System.out::println);
}
因为它会不断调用get()，我们必须设定一个界限stream.limit(20)
基本类型
因为Java的泛型不支持基本类型的，只能用Integer等包装类型，但是Stream会对频繁的拆箱装箱，所以为了提高效率，Java标准库给我们提供了三种使用基本类型的Stream -> IntStream、LongStream、DoubleStream
map
Stream.map()是一个转换方法，将一个Stream转为另一个Stream
Stream<Integer> stream = List.of(1, 2, 3).stream();
Stream<Integer> streamMap = stream.map(item -> item * item);
我们看看map()，最终会返回一个新结果的Stream
/**
* Returns a stream consisting of the results of applying the given
* function to the elements of this stream.
*
* <p>This is an <a href="package-summary.html#StreamOps">intermediate
* operation</a>.
*
* @param <R> The element type of the new stream
* @param mapper a <a href="package-summary.html#NonInterference">non-interfering</a>,
* <a href="package-summary.html#Statelessness">stateless</a>
* function to apply to each element
* @return the new stream
*/
<R> Stream<R> map(Function<? super T, ? extends R> mapper);
Stream.map()传入的是函数式接口Function，apply()最终return计算的结果
@FunctionalInterface
public interface Function<T, R> {
/**
* Applies this function to the given argument.
*
* @param t the function argument
* @return the function result
*/
R apply(T t);
...
}
filter
Stream.filter()是Stream的另一个常用转换方法
filter即过滤，过滤掉不满足条件的元素，满足条件的构成一个新的Stream
Stream<Integer> stream = List.of(3, 4, 6).stream();
Stream<Integer> streamMap = stream.filter(item -> item % 2 == 0);
filter接收Predicate，test()过滤掉不满足条件的元素
@FunctionalInterface
public interface Predicate<T> {
/**
* Evaluates this predicate on the given argument.
*
* @param t the input argument
* @return {@code true} if the input argument matches the predicate,
* otherwise {@code false}
*/
boolean test(T t);
}
reduce
是Stream的一个聚合方法，把一个Stream的所有元素按照聚合函数聚合成一个结果
Stream<Integer> stream = List.of(3, 4, 6).stream();
Integer reduce = stream.reduce(0, (acc, n) -> acc + n);
Stream.reduce()接收BinaryOperator，而它又继承自BiFunction，在BiFunction中有R apply(T t, U u)
/**
* Applies this function to the given arguments.
*
* @param t the first function argument
* @param u the second function argument
* @return the function result
*/
R apply(T t, U u);
所以BinaryOperator实际上是重写了父接口的方法apply()，通过这个方法进行累加计算
第一个参数0相当于初始值，见源码注释：
*
<pre>{@code
* T result = identity;
* for (T element : this stream)
* result = accumulator.apply(result, element)
* return result;
* }</pre>
输出Stream
对Stream做map()或filter()操作时是不会进行任何计算的，reduce会立即得出结果
如何把进行了转换操作的元素保存下来呢？
输出为集合：
collect()并传入Collectors.toList()对象：
Stream<Integer> stream = List.of(3, 4, 6).stream();
List<Integer> list = stream.map(n -> n * n).collect(Collectors.toList());
输出为数组：
Stream<String> stream = List.of("Apple", "Banana", "Pear").stream();
String[] array = stream.toArray(String[]::new);
输出为Map：
Stream<String> stream = List.of("Apple:Banana", "Pear:Peach").stream();
Map<String, String> map = stream.collect(Collectors
.toMap(
// 映射为key
s -> s.substring(0, s.indexOf(':')),
// 映射为value
s -> s.substring(s.indexOf(':') + 1)
));
分组输出：
Stream<String> stream = List.of("Apple", "Banana", "Blackberry", "Coconut", "Avocado", "Cherry", "Apricots").stream();
Map<String, List<String>> groups = stream.collect(Collectors.groupingBy(s -> s.substring(0, 1), Collectors.toList()
));
上述代码中Collectors.groupingBy以元素的首字母为依据做一个分组