一, 认识Stream
1. Stream API vs 集合框架
- Stream API 之于 集合 就类似于SQL 之于 数据表。
- 集合:存储数据,基于内存的。
- Stream API :处理数据,基于CPU的
3. 使用说明
①Stream 自己不会存储元素。
②Stream 不会改变源对象。相反,他们会返回一个持有结果的新Stream。
③Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。即一旦执行终止操作,就执行中间操作链,并产生结果。
④ Stream一旦执行了终止操作,就不能再调用其它中间操作或终止操作了。
4. Stream 执行流程
步骤1:创建 Stream 的对象
步骤2:执行一系列的中间操作
步骤3:执行一个终止操作
如图:
开始之前我们先建立两个类以便后续使用
首先建立一个 Employee
类
/**
* @author liuchaoxu
* @date 2024年03月31日 9:02
*/
public class Employee {
private int id;
private String name;
private int age;
private double salary;
public int getId() {
return id;
}
public void setId(int id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public int getAge() {
return age;
}
public void setAge(int age) {
this.age = age;
}
public double getSalary() {
return salary;
}
public void setSalary(double salary) {
this.salary = salary;
}
public Employee() {
System.out.println("Employee().....");
}
public Employee(int id) {
this.id = id;
}
public Employee(int id, String name) {
this.id = id;
this.name = name;
}
public Employee(int id, String name, int age, double salary) {
this.id = id;
this.name = name;
this.age = age;
this.salary = salary;
}
@Override
public String toString() {
return "Employee{" + "id=" + id + ", name='" + name + '\'' + ", age=" + age + ", salary=" + salary + '}';
}
@Override
public boolean equals(Object o) {
if (this == o)
return true;
if (o == null || getClass() != o.getClass())
return false;
Employee employee = (Employee) o;
if (id != employee.id)
return false;
if (age != employee.age)
return false;
if (Double.compare(employee.salary, salary) != 0)
return false;
return name != null ? name.equals(employee.name) : employee.name == null;
}
@Override
public int hashCode() {
int result;
long temp;
result = id;
result = 31 * result + (name != null ? name.hashCode() : 0);
result = 31 * result + age;
temp = Double.doubleToLongBits(salary);
result = 31 * result + (int) (temp ^ (temp >>> 32));
return result;
}
}
然后提供一个生成数据的 EmployeeData
类
public class EmployeeData {
public static List<Employee> getEmployees(){
List<Employee> list = new ArrayList<>();
list.add(new Employee(1001, "马化腾", 34, 6000.38));
list.add(new Employee(1002, "马云", 2, 19876.12));
list.add(new Employee(1003, "刘强东", 33, 3000.82));
list.add(new Employee(1004, "雷军", 26, 7657.37));
list.add(new Employee(1005, "李彦宏", 65, 5555.32));
list.add(new Employee(1006, "比尔盖茨", 42, 9500.43));
list.add(new Employee(1007, "任正非", 26, 4333.32));
list.add(new Employee(1008, "扎克伯格", 35, 2500.32));
return list;
}
}
二,创建Stream的三种方式
方式一:通过集合
@Test
public void test1(){
// default Stream<E> stream() : 返回一个顺序流
List<Employee> list = EmployeeData.getEmployees();
Stream<Employee> stream = list.stream();
// default Stream<E> parallelStream() : 返回一个并行流
Stream<Employee> stream1 = list.parallelStream();
}
方式二:通过数组
@Test
public void test2(){
//调用Arrays类的static <T> Stream<T> stream(T[] array): 返回一个流
int[] arr = new int[]{2,3,4,5,6,7,4,32};
IntStream stream = Arrays.stream(arr);
Integer[] arr1 = new Integer[]{234,2,2,45,32,32,34};
Stream<Integer> stream1 = Arrays.stream(arr1);
}
方式三:通过Stream的of()
@Test
public void test3(){
Stream<Integer> stream = Stream.of(23, 3, 432, 53, 23);
Employee emp1 = new Employee(1001, "马化腾", 34, 6000.38);
Employee emp2 = new Employee(1003, "刘强东", 33, 3000.82);
Stream<Employee> stream1 = Stream.of(emp1, emp2);
}
三,Stream的中间操作
负责对Stream进行处理操作,并返回一个新的Stream对象,中间操作可以进行叠加。
测试Stream的中间操作
/**
* @author liuchaoxu
* @date 2024年03月31日 9:30
*/
public class StreamAPITest1 {
//1-筛选与切片
@Test
public void test1() {
List<Employee> list = EmployeeData.getEmployees();
// filter(Predicate p)——接收 Lambda , 从流中排除某些元素。
//练习:查询员工表中薪资大于7000的员工信息
Stream<Employee> stream = list.stream();
// stream.filter(emp -> emp.getSalary() > 7000).forEach(emp -> System.out.println(emp));
stream.filter(emp -> emp.getSalary() > 7000).forEach(System.out::println);
//或
// stream.filter(new Predicate<Employee>() {
// @Override
// public boolean test(Employee employee) {
// return employee.getSalary() > 7000;
// }
// }).forEach(new Consumer<Employee>() {
// @Override
// public void accept(Employee employee) {
// System.out.println(employee);
// }
// });
System.out.println();
// limit(n)——截断流,使其元素不超过给定数量。
list.stream().limit(5).forEach(System.out::println);
System.out.println();
// skip(n) —— 跳过元素,返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个,则返回一个空流。与 limit(n) 互补
list.stream().skip(5).forEach(System.out::println);
System.out.println();
// distinct()——筛选,通过流所生成元素的 hashCode() 和 equals() 去除重复元素
list.add(new Employee(1009,"张一鸣",40,8000));
list.add(new Employee(1009,"张一鸣",40,8000));
list.add(new Employee(1009,"张一鸣",40,8000));
list.add(new Employee(1009,"张一鸣",40,8000));
list.stream().distinct().forEach(System.out::println);
}
//2-映射
@Test
public void test2() {
//map(Function f)——接收一个函数作为参数,将元素转换成其他形式或提取信息,该函数会被应用到每个元素上,并将其映射成一个新的元素。
//练习:转换为大写
List<String> list = Arrays.asList("aa", "bb", "cc", "dd");
// list.stream().map(str -> str.toUpperCase()).forEach(System.out::println);
list.stream().map(String :: toUpperCase).forEach(System.out::println);
//练习:获取员工姓名长度大于3的员工。
List<Employee> list1 = EmployeeData.getEmployees();
Stream<Employee> stream = list1.stream();
stream.filter(emp -> emp.getName().length() > 3).forEach(System.out::println);
//练习:获取员工姓名长度大于3的员工的姓名。
Stream<Employee> stream1 = list1.stream();
// stream1.filter(emp -> emp.getName().length() > 3).map(emp -> emp.getName()).forEach(System.out::println);
// stream1.filter(emp -> emp.getName().length() > 3).map(Employee::getName).forEach(System.out::println);
stream1.map(emp -> emp.getName()).filter(name -> name.length() > 3).forEach(System.out::println);
}
//3-排序
@Test
public void test3() {
//sorted()——自然排序
Integer[] arr = new Integer[]{345,3,64,3,46,7,3,34,65,68};
String[] arr1 = new String[]{"GG","DD","MM","SS","JJ"};
Stream<Integer> stream = Arrays.stream(arr);
stream.sorted().forEach(System.out::println);
Stream<String> stream1 = Arrays.stream(arr1);
System.out.println();
stream1.sorted().forEach(System.out::println);
System.out.println();
//sorted(Comparator com)——定制排序
Arrays.stream(arr1).sorted((s1,s2) -> -s1.compareTo(s2)).forEach(System.out::println);
}
}
四,Stream的终止操作
顾名思义,通过终止操作之后,Stream流将会结束,最后可能会执行某些逻辑处理,或者是按照要求返回某些执行后的结果数据。
测试Stream的终止操作
/**
* @author liuchaoxu
* @date 2024年03月31日 9:48
*/
public class StreamAPITest2 {
//1-匹配与查找
@Test
public void test1(){
List<Employee> list = EmployeeData.getEmployees();
// allMatch(Predicate p)——检查是否匹配所有元素。
// 练习:是否所有的员工的年龄都大于18
Stream<Employee> stream = list.stream();
System.out.println(stream.allMatch(emp -> emp.getAge() > 18));
// anyMatch(Predicate p)——检查是否至少匹配一个元素。
// 练习:是否存在员工的工资大于 10000
Stream<Employee> stream1 = list.stream();
System.out.println(stream1.anyMatch(emp -> emp.getSalary() > 10000));
// findFirst——返回第一个元素
Optional<Employee> optional = list.stream().findFirst();
//Optional类可以避免空指针,这是jdk8的新特性后续文章中我会讲到
System.out.println(optional.get());
}
@Test
public void test2(){
List<Employee> list = EmployeeData.getEmployees();
// count——返回流中元素的总个数
Stream<Employee> stream = list.stream();
System.out.println(stream.filter(emp -> emp.getSalary() > 8000).count());
// max(Comparator c)——返回流中最大值
// 练习:返回最高的工资
// Optional<Double> optional1 = list.stream().max((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary())).map(emp -> emp.getSalary());
// Optional<Double> optional1 = list.stream().max((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary())).map(Employee::getSalary);
Optional<Double> optional1 = list.stream().map(Employee::getSalary).max((salary1, salary2) -> Double.compare(salary1, salary2));
System.out.println(optional1.get());
// min(Comparator c)——返回流中最小值
// 练习:返回最低工资的员工
Optional<Employee> optional = list.stream().min((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary()));
System.out.println(optional.get());
// forEach(Consumer c)——内部迭代
list.stream().forEach(System.out::println);
}
/*
* 集合中新增了遍历的方法
* */
@Test
public void test0(){
List<Employee> list = EmployeeData.getEmployees();
// list.forEach(System.out::println);
list.forEach( emp -> {
System.out.println(emp);
//...
});
}
//2-归约
@Test
public void test3(){
// reduce(T identity, BinaryOperator)——可以将流中元素反复结合起来,得到一个值。返回 T
// 练习1:计算1-10的自然数的和
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
System.out.println(list.stream().reduce(0, (x1, x2) -> x1 + x2));
// reduce(BinaryOperator) ——可以将流中元素反复结合起来,得到一个值。返回 Optional<T>
// 练习2:计算公司所有员工工资的总和
List<Employee> employees = EmployeeData.getEmployees();
// Optional<Double> sumSalary = employees.stream().map(emp -> emp.getSalary()).reduce((salary1, salary2) -> Double.sum(salary1, salary2));
Optional<Double> sumSalary = employees.stream().map(Employee::getSalary).reduce(Double :: sum);
System.out.println(sumSalary.get());
}
//3-收集
@Test
public void test4(){
// collect(Collector c)——将流转换为其他形式。接收一个 Collector接口的实现,用于给Stream中元素做汇总的方法
// 练习1:查找工资大于6000的员工,结果返回为一个List或Set
List<Employee> list = EmployeeData.getEmployees();
List<Employee> filterList = list.stream().filter(emp -> emp.getSalary() > 6000).collect(Collectors.toList());
filterList.forEach(System.out::println);
System.out.println();
// 练习2:按照员工的年龄进行排序,返回到一个新的List中
List<Employee> sortList = list.stream().sorted((emp1, emp2) -> Integer.compare(emp1.getAge(), emp2.getAge())).collect(Collectors.toList());
sortList.forEach(System.out::println);
}
}
五,并行Stream说明
运行机制:
使用并行流,可以有效利用计算机的多CPU硬件,提升逻辑的执行速度。并行流通过将一整个stream划分为多个片段,然后对各个分片流并行执行处理逻辑,最后将各个分片流的执行结果汇总为一个整体流。
并行流存在什么限制?
在并行流终止执行的函数逻辑,必须要保证线程安全。并行流类似于多线程在并行处理,所以与多线程场景相关的一些问题同样会存在,比如死锁等问题。
六,Stream 的优势和缺点
优势:
- 代码简洁、声明式的编码风格,更容易体现出代码的逻辑
- 逻辑解耦,一个stream中间处理逻辑,无需关注上游与下游的内容,只需要按约定实现自身逻辑即可,
并行流场景效率会比迭代器逐个循环更高 - 避免一些中间不必要的操作消耗,得益于函数式接口,延迟执行的特性,中间操作不管有多少步骤都不会立即执行,只有遇到终止操作的时候才会开始执行
缺点
- 不方便debug
并非无法debug
- Stream API的使用需要一段时间来熟悉,相对传统写法变化较大,一但适应绝对爱不释手
debug提示:
标签:Java,Stream,stream,list,System,API,println,out From: https://blog.csdn.net/weixin_52828297/article/details/137190854至此关于Stream的基本内容以及使用方法已经讲述完了,希望对你有所帮助!