简介
- Stream 流是 Java 8 新提供给开发者的一组
操作集合
的 API, - 将要处理的元素集合看作一种流, 流在管道中传输, 并且可以在管道的节点上进行处理, 比如
筛选、排序、聚合
等。 - 元素流在管道中经过
中间操作
(intermediate operation)的处理,最后由终端操作
(terminal operation) 得到前面处理的结果。 - Stream 流可以极大的提高开发效率,也可以使用它写出更加简洁明了的代码。
创建 Stream 流
1. 用 list 创建流
- 示例
List<String> list = Arrays.asList("a", "b", "c"); // 创建一个顺序流 Stream<String> stream = list.stream(); // 创建一个并行流 Stream<String> parallelStream = list.parallelStream();
2. 用数组创建流
- 示例
int[] array={1,3,5,7,9}; IntStream stream = Arrays.stream(array);
3. 自定义Stream流
- of方法
Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);
- iterate方法
Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
- generate方法
Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
API
1. 匹配与遍历
- 示例
List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1); // 遍历输出符合条件的元素 List<Integer> collect = list.stream().filter(x -> x > 6).collect(Collectors.toList()); // 匹配第一个 Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst(); // 匹配任意(适用于并行流) Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny(); // 是否包含符合特定条件的元素 boolean anyMatch = list.stream().anyMatch(x -> x > 6); System.out.println("大于6的值:" + collect); System.out.println("匹配第一个值:" + findFirst.get()); System.out.println("匹配任意一个值:" + findAny.get()); System.out.println("是否存在大于6的值:" + anyMatch);
2. 筛选(filter)
- 筛选,是按照一定的规则校验流中的元素,将符合条件的元素提取到新的流中的操作。
public static void main(String[] args) { List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 1000, 20, "男", "北京")); personList.add(new Person("李四", 2000, 21, "男", "南京")); personList.add(new Person("王五", 3000, 20, "女", "合肥")); personList.add(new Person("赵六", 4000, 22, "男", "四川")); personList.add(new Person("孙七", 5000, 25, "女", "上海")); // 筛选出工作高于3000的员工 List<String> list = personList.stream() .filter(p -> p.getSalary() > 3000) .map(Person::getName) .collect(Collectors.toList()); System.out.println("薪资高于3000元的员工:" + list); }
3. 聚合(min/max/count/sum)
- max、min、count 这些大家都不陌生,在mysql中我们常用它们进行数据运算和统计。
- Java stream中也引入了这些概念和用法,极大地方便了我们对集合、数组的数据统计工作。
public static void main(String[] args) { List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 1000, 20, "男", "北京")); personList.add(new Person("李四", 2000, 21, "男", "南京")); personList.add(new Person("王五", 3000, 20, "女", "合肥")); personList.add(new Person("赵六", 4000, 22, "男", "四川")); personList.add(new Person("孙七", 5000, 25, "女", "上海")); // 获取工资最高的员工 Optional<Person> min = personList.stream().min(Comparator.comparingInt(Person::getSalary)); System.out.println("员工工资最大值:" + min.get().getSalary()); // 获取工资最高的员工 Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary)); System.out.println("员工工资最大值:" + max.get().getSalary()); // 计算工资大于2000的有多少人 long count = personList.stream().filter(p -> p.getSalary() > 2000).count(); System.out.println("工资大于2000元的人数:" + count); // 计算所有员工工资总和 int sum = personList.stream().mapToInt(Person::getSalary).sum(); System.out.println("所有员工工资总和:" + sum); }
4.映射(peek/map/flatMap)
- 映射,可以将一个流的元素按照一定的映射规则映射到另一个流中。分为 map 和 flatMap :
- peek:接收一个 Consumer 作为参数,为每个元素提供消费函数。
- action 字面理解,就知道 其代表一个动作。Consumer 代表无返回值的函数,只执行函数。
- map:接收一个 Function 作为参数,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。
- Function代表有返回值的函数。
- flatMap:接收一个 Function 作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流。
- 指定类型的函数,方法都要继承 Stream 类
Stream peek(Consumer<? super T> action) Stream map(Function<? super T,? extends R> mapper) Stream flatMap(Function<? super T, ? extends Stream<? extends R>> mapper)
- peek:接收一个 Consumer 作为参数,为每个元素提供消费函数。
- 作用
- peek方法
- 一般用于调试,示例
public static void main(String[] args) { List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 1000, 20, "男", "北京")); personList.add(new Person("李四", 2000, 21, "男", "南京")); personList.add(new Person("王五", 3000, 20, "女", "合肥")); personList.add(new Person("赵六", 4000, 22, "男", "四川")); personList.add(new Person("孙七", 5000, 25, "女", "上海")); List<Person> personListNew = personList.stream() .peek(System.out::println) .peek(person -> person.setSalary(person.getSalary() + 10000)) .peek(System.out::println) .collect(Collectors.toList()); }
- 控制台 输出
/* Person{name='张三', salary=1000, age=20, sex='男', area='北京'} Person{name='张三', salary=11000, age=20, sex='男', area='北京'} Person{name='李四', salary=2000, age=21, sex='男', area='南京'} Person{name='李四', salary=12000, age=21, sex='男', area='南京'} Person{name='王五', salary=3000, age=20, sex='女', area='合肥'} Person{name='王五', salary=13000, age=20, sex='女', area='合肥'} Person{name='赵六', salary=4000, age=22, sex='男', area='四川'} Person{name='赵六', salary=14000, age=22, sex='男', area='四川'} Person{name='孙七', salary=5000, age=25, sex='女', area='上海'} Person{name='孙七', salary=15000, age=25, sex='女', area='上海'} */
- 一般用于调试,示例
- map方法
for循环
示例List<Integer> numList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8); List<String> strList = new ArrayList<>(); for (int num : numList) { strList.add(Integer.toString(num)); }
Stream流
示例List<String> strList = numList.stream() .map(it -> Integer.toString(it)) .collect(Collectors.toList());
- flatMap方法
for循环
示例List<Klass> result = new ArrayList<>(); for (KlassGroup group : groupList) { for (Klass klass : group.getKlassList()) { result.add(klass); } }
Stream流
示例List<Klass> result = groupList.stream() .flatMap(it -> it.getKlassList().stream()) .collect(Collectors.toList());
- map方法与flatMap方法的区别
- 示例
public class Map_FlatMap { List<String[]> eggs = new ArrayList<>(); @Before public void init() { // 第一箱鸡蛋 eggs.add(new String[]{"鸡蛋_1", "鸡蛋_1", "鸡蛋_1", "鸡蛋_1", "鸡蛋_1"}); // 第二箱鸡蛋 eggs.add(new String[]{"鸡蛋_2", "鸡蛋_2", "鸡蛋_2", "鸡蛋_2", "鸡蛋_2"}); } // 自增生成组编号 static int group = 1; // 自增生成学生编号 static int student = 1; /** * 把二箱鸡蛋分别加工成煎蛋,还是放在原来的两箱,分给2组学生 */ @Test public void map() { eggs.stream() .map(x -> Arrays.stream(x).map(y -> y.replace("鸡", "煎"))) .forEach(x -> System.out.println("组" + group++ + ":" + Arrays.toString(x.toArray()))); } /** * 把二箱鸡蛋分别加工成煎蛋,然后放到一起【10个煎蛋】,分给10个学生 */ @Test public void flatMap() { eggs.stream() .flatMap(x -> Arrays.stream(x).map(y -> y.replace("鸡", "煎"))) .forEach(x -> System.out.println("学生" + student++ + ":" + x)); } }
map方法
控制台/* 控制台打印:------------ 组1:[煎蛋_1, 煎蛋_1, 煎蛋_1, 煎蛋_1, 煎蛋_1] 组2:[煎蛋_2, 煎蛋_2, 煎蛋_2, 煎蛋_2, 煎蛋_2] */
flatMap方法
控制台/* 控制台打印:------------ 学生1:煎蛋_1 学生2:煎蛋_1 学生3:煎蛋_1 学生4:煎蛋_1 学生5:煎蛋_1 学生6:煎蛋_2 学生7:煎蛋_2 学生8:煎蛋_2 学生9:煎蛋_2 学生10:煎蛋_2 */
- 示例
map方法
与peek方法
的区别List<Person> personListNew = personList.stream() .peek(person -> person.setSalary(person.getSalary() + 10000)) .peek(System.out::println) .collect(Collectors.toList());
List<Person> personListNew = personList.stream() .map(person -> { person.setSalary(person.getSalary() + 10000); return person;}) .peek(System.out::println) .collect(Collectors.toList());
- peek方法
5. 归约(reduce)
- 归约,也称缩减,顾名思义,是把一个流缩减成一个值,能实现对集合 求和、求乘积 等操作。
- 工资之和
Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
Integer sumSalary = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
- 求乘积
OptionalLong sumSalary = personList.stream().mapToLong(Person::getSalary).reduce((sum, a)-> sum*=a);
long sumSalary = personList.stream().mapToLong(Person::getSalary).reduce(1,(sum, a)-> sum*=a);
- 工资之和
- reduce 参数
-
解释
- 三参数
(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner);
初始值,默认执行方法,并发流的执行方法 - (目的为了满足多线程的计算)。 - 二参数
(U identity, BinaryOperator op)
初始值,默认执行方法。 - 一参数
(BinaryOperator<T> accumulator)
默认执行方法。
- 三参数
-
三个参数
Integer sumSalary = personList.stream().reduce(0, (sum, a) -> sum += a.getSalary(), Integer::sum);
-
两个参数
Integer sumSalary = personList.stream().mapToInt(Person::getSalary).reduce(1,(sum, a)-> sum+=a);
-
一个参数
Optional<Integer> sumSalary2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
-
6. 收集(collect)
- 解释
- collect,收集,可以说是内容最繁多、功能最丰富的部分了。从字面上去理解,就是把一个流收集起来,最终可以是收集成一个值也可以收集成一个新的集合。
- collect 主要依赖 java.util.stream.Collectors 类内置的静态方法。
- 6.1 归集(toList/toSet/toMap)
- 因为流不存储数据,那么在流中的数据完成处理后,需要将流中的数据重新归集到新的集合里。
- toList、toSet和toMap比较常用,另外还有toCollection、toConcurrentMap等复杂一些的用法。
- toList()
List<Integer> list = Arrays.asList(1, 3, 4, 8, 6, 2, 20, 13); List<Integer> list1 = list.stream().filter(a -> a % 2 == 0).collect(Collectors.toList());
- toSet()
List<Integer> list = Arrays.asList(1, 3, 4, 8, 6, 2, 20, 13); Set<Integer> list2 = list.stream().filter(a -> a % 2 == 0).collect(Collectors.toSet());
- toMap()
List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 1000, 20, "男", "北京")); personList.add(new Person("李四", 2000, 21, "男", "南京")); personList.add(new Person("王五", 3000, 20, "女", "合肥")); personList.add(new Person("赵六", 4000, 22, "男", "四川")); personList.add(new Person("孙七", 5000, 25, "女", "上海")); // 工资大于3000元的员工 Map<String, Integer> map = personList.stream() .filter(person -> person.getSalary() > 3000) .collect(Collectors.toMap(Person::getName, person -> person.getSalary()));
- 6.2 统计(count/averaging)
- 计数:count
- 平均值:averagingInt、averagingLong、averagingDouble
- 最值:maxBy、minBy
- 求和:summingInt、summingLong、summingDouble
- 统计以上所有:summarizingInt、summarizingLong、summarizingDouble
List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 1000, 20, "男", "北京")); personList.add(new Person("李四", 2000, 21, "男", "南京")); personList.add(new Person("王五", 3000, 20, "女", "合肥")); personList.add(new Person("赵六", 4000, 22, "男", "四川")); personList.add(new Person("孙七", 5000, 25, "女", "上海")); // 统计员工人数、平均工资、工资总额、最高工资 // 员工总人数 long count = personList.stream().count(); // 平均工资 Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary)); // 最高工资 Optional<Integer> max = personList.stream().map(Person::getSalary).max(Integer::compare); // 工资之和 int sum = personList.stream().mapToInt(Person::getSalary).sum(); // 一次性统计所有信息 DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary)); System.out.println("员工总人数:" + count); System.out.println("员工平均工资:" + average); System.out.println("员工工资总和:" + sum); System.out.println("员工工资所有统计:" + collect);
- 6.3 分组(partitioningBy/groupingBy)
- 分区:将stream按条件分为两个Map,比如员工按薪资是否高于8000分为两部分。
- 分组:将集合分为多个Map,比如员工按性别分组。有单级分组和多级分组。
List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 1000, 20, "男", "北京")); personList.add(new Person("李四", 2000, 21, "男", "南京")); personList.add(new Person("王五", 3000, 20, "女", "合肥")); personList.add(new Person("赵六", 4000, 22, "男", "合肥")); personList.add(new Person("孙七", 5000, 25, "女", "上海")); // 按薪资高于3000分组 Map<Boolean, List<Person>> salaryGroup = personList.stream().collect(Collectors.partitioningBy(p -> p.getSalary() > 3000)); List<Person> group1 = salaryGroup.get(true); List<Person> group2 = salaryGroup.get(false); for (Person person : group1) { System.out.println("薪资高于3000元组:" + person); } for (Person person : group2) { System.out.println("薪资低于3000元组:" + person); } // 按性别分组 Map<String, List<Person>> sexGroup = personList.stream().collect(Collectors.groupingBy(Person::getSex)); List<Person> group3 = sexGroup.get("男"); List<Person> group4 = sexGroup.get("女"); for (Person person : group3) { System.out.println("男子组:" + person); } for (Person person : group4) { System.out.println("女子组:" + person); } // 将员工先按性别分组,再按地区分组 Map<String, Map<String, List<Person>>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea))); Map<String, List<Person>> manGroup = group.get("男"); Map<String, List<Person>> womenGroup = group.get("女"); List<Person> group5 = manGroup.get("合肥"); List<Person> group6 = womenGroup.get("上海"); System.out.println("地区在合肥的男子组:" + group5); System.out.println("地区在上海的女子组:" + group6);
- 6.4 接合(joining)
- joining可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串。
List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 1000, 20, "男", "北京")); personList.add(new Person("李四", 2000, 21, "男", "南京")); personList.add(new Person("王五", 3000, 20, "女", "合肥")); personList.add(new Person("赵六", 4000, 22, "男", "合肥")); personList.add(new Person("孙七", 5000, 25, "女", "上海")); String persons = personList.stream().map(p -> p.getName() + "-" + p.getSex() + "-" + p.getSalary()).collect(Collectors.joining(",")); System.out.println("所有员工信息:" + persons);
- 控制台
/* 控制台打印:------------ 所有员工信息:张三-男-1000,李四-男-2000,王五-女-3000,赵六-男-4000,孙七-女-5000 */
- joining可以将stream中的元素用特定的连接符(没有的话,则直接连接)连接成一个字符串。
- 6.5归约(reducing)
- Collectors类提供的reducing方法,相比于stream本身的reduce方法,增加了对自定义归约的支持。
- reducing(不推荐使用)
List<Integer> testData = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9); Integer sum = testData.stream().collect(Collectors.reducing(0, (prev, cur) -> { System.out.println("prev=>" + prev + "cur=>" + cur); return prev + cur; }));
- reduce (推荐使用)
List<Integer> testData = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9); Integer sum = testData.stream().reduce(0, (prev, cur) -> { System.out.println("prev=>" + prev + "cur=>" + cur); return prev + cur; });
- 7. 排序(sorted)
-
sorted,中间操作。有两种排序:
-
sorted():自然排序,流中元素需实现Comparable接口
-
sorted(Comparator com):Comparator排序器自定义排序
List<Person> personList = new ArrayList<>(); personList.add(new Person("张三", 16000, 20, "男", "北京")); personList.add(new Person("李四", 8500, 21, "男", "南京")); personList.add(new Person("王五", 7300, 20, "女", "合肥")); personList.add(new Person("赵六", 8000, 22, "男", "合肥")); personList.add(new Person("孙七", 15860, 25, "女", "上海")); // 按工资升序排序(自然排序) List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName).collect(Collectors.toList()); // 按工资倒序排序 List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()).map(Person::getName).collect(Collectors.toList()); // 先按工资再按年龄升序排序 List<String> newList3 = personList.stream().sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName).collect(Collectors.toList()); // 先按工资再按年龄自定义排序(降序) List<String> newList4 = personList.stream().sorted((p1, p2) -> { if (p1.getSalary().equals(p2.getSalary())) { return p2.getAge() - p1.getAge(); } else { return p2.getSalary() - p1.getSalary(); } }).map(Person::getName).collect(Collectors.toList()); System.out.println("按工资升序排序:" + newList); System.out.println("按工资降序排序:" + newList2); System.out.println("先按工资再按年龄升序排序:" + newList3); System.out.println("先按工资再按年龄自定义降序排序:" + newList4);
-
- 8.提取/组合
- 流也可以进行合并、去重、限制、跳过等操作。
String[] arr1 = {"a", "b", "c", "d"}; String[] arr2 = {"d", "e", "f", "g"}; Stream<String> stream1 = Stream.of(arr1); Stream<String> stream2 = Stream.of(arr2); // concat:合并两个流 distinct:去重 List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList()); // limit:限制从流中获得前n个数据 List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList()); // skip:跳过前n个数据 List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList()); System.out.println("流合并:" + newList); System.out.println("limit:" + collect); System.out.println("skip:" + collect2);
- 流也可以进行合并、去重、限制、跳过等操作。