Java8 Stream 用法

本文对 Java8 Stream 的使用做简单小记。

Java8 的新特性主要是 Lambda 表达式和流，当流和 Lambda 表达式结合起来一起使用时，因为流申明式处理数据集合的特点，可以让代码变得简洁易读。转载自：Java8 Stream用法

导入

如果有一个需求，需要对数据库查询到的菜肴进行一个处理：

• 筛选得到卡路里小于 400 的菜肴
• 对筛选出的菜肴进行一个排序
• 获取排序后菜肴的名字

菜肴：Dish.java

1
2
3
4
5
6
7
8
9

@Data
@NoArgsConstructor
@AllArgsConstructor
public class Dish {
    private String name;
    private boolean vegetarian;
    private int calories;
  	private String type;
}

Java8 以前的实现方式

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

private List<String> beforeJava7(List<Dish> dishList) {
        List<Dish> lowCaloricDishes = new ArrayList<>();
        
        //1.筛选出卡路里小于400的菜肴
        for (Dish dish : dishList) {
            if (dish.getCalories() < 400) {
                lowCaloricDishes.add(dish);
            }
        }
        
        //2.对筛选出的菜肴进行排序
        Collections.sort(lowCaloricDishes, new Comparator<Dish>() {
            @Override
            public int compare(Dish o1, Dish o2) {
                return Integer.compare(o1.getCalories(), o2.getCalories());
            }
        });
        
        //3.获取排序后菜肴的名字
        List<String> lowCaloricDishesName = new ArrayList<>();
        for (Dish d : lowCaloricDishes) {
            lowCaloricDishesName.add(d.getName());
        }
        return lowCaloricDishesName;
    }

Java8 之后的实现方式

1
2
3
4
5
6
7

private List<String> afterJava8(List<Dish> dishList) {
    return dishList.stream()
        .filter(d -> d.getCalories() < 400)  //筛选出卡路里小于400的菜肴
        .sorted(Comparator.comparing(Dish::getCalories))  //根据卡路里进行排序
        .map(Dish::getName)  //提取菜肴名称
        .collect(Collectors.toList()); //转换为List
}

不拖泥带水，一气呵成，原来需要写 24 代码实现的功能现在只需 5 行就可以完成了

高高兴兴写完需求这时候又有新需求了，新需求如下：

对数据库查询到的菜肴根据菜肴种类进行分类，返回一个Map<Type, List<Dish>>的结果

这要是放在 jdk8 之前肯定会头皮发麻

Java8以前的实现方式

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

private static Map<String, List<Dish>> beforeJdk8(List<Dish> dishList) {
  	Map<String, List<Dish>> result = new HashMap<>();
    for (Dish dish : dishList) {
        if (!result.containsKey(dish.getName())) {
          	result.put(dish.getName(), new ArrayList<>());
        }
        result.get(dish.getName()).add(dish);
    }
    return result;
}

还好 jdk8 有Stream，再也不用担心复杂集合处理需求

Java8 以后的实现方式

1
2
3

private static Map<String, List<Dish>> afterJdk8(List<Dish> dishList) {
		return dishList.stream().collect(Collectors.groupingBy(Dish::getType));
}

又是一行代码解决了需求，忍不住大喊Stream API牛批 看到流的强大功能了吧，接下来将详细介绍流

什么是流

流是从支持数据处理操作的源生成的元素序列，源可以是数组、文件、集合、函数。流不是集合元素，它不是数据结构并不保存数据，它的主要目的在于计算。

如何生成流

生成流的方式主要有五种

• 通过集合生成，应用中最常用的一种

  1 2	List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Stream<Integer> stream = integerList.stream();

  1 2 3

  通过集合 `List` 的`stream`方法生成流

• 通过数组生成

  1 2	int[] intArr = new int[]{1, 2, 3, 4, 5}; IntStream stream = Arrays.stream(intArr);

  1 2 3

  通过`Arrays.stream`方法生成流，并且该方法生成的流是数值流【即`IntStream`】而不是`Stream<Integer>`。补充一点**使用数值流可以避免计算过程中拆箱装箱，提高性能。**`Stream API`提供了`mapToInt`、`mapToDouble`、`mapToLong`三种方式将对象流【即`Stream<T>`】转换成对应的数值流，同时提供了`boxed`方法将数值流转换为对象流

• 通过值生成

  1	Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5);

  1 2 3

  通过`Stream`的`of`方法生成流，通过`Stream`的`empty`方法可以生成一个空流

• 通过文件生成

  1	Stream<String> lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())

  1 2 3

  通过`Files.line`方法得到一个流，并且得到的每个流是给定文件中的一行

• 通过函数生成 提供了iterate和generate两个静态方法从函数中生成流

• • iterator

    ```java
    Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(5);
    ```
    
    `iterate`方法接受两个参数，第一个为初始化值，第二个为进行的函数操作，因为`iterator`生成的流为无限流，通过`limit`方法对流进行了截断，只生成5个偶数
    

    • generator

      1	Stream<Double> stream = Stream.generate(Math::random).limit(5);

      1 2 3

      `generate`方法接受一个参数，方法参数类型为`Supplier<T>`，由它为流提供值。`generate`生成的流也是无限流，因此通过`limit`对流进行了截断

流的操作类型

流的操作类型主要分为两种

• 中间操作：一个流可以后面跟随零个或多个中间操作。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，仅仅调用到这类方法，并没有真正开始流的遍历，真正的遍历需等到终端操作时，常见的中间操作有下面即将介绍的filter、map等
• 终端操作：一个流有且只能有一个终端操作，当这个操作执行后，流就被关闭了，无法再被操作，因此一个流只能被遍历一次，若想在遍历需要通过源数据在生成流。终端操作的执行，才会真正开始流的遍历。如下面即将介绍的count、collect等

流使用

流的使用将分为中间操作和终端操作

中间操作

filter 筛选留下满足条件的

1
2

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().filter(i -> i > 3);

通过使用filter方法进行条件筛选，filter的方法参数为一个条件

distinct 去除重复元素

1
2

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().distinct();

通过distinct方法快速去除重复的元素

limit 得到前几个元素

1
2

List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
Stream<Integer> stream = integerList.stream().limit(3);

通过limit方法指定返回流的个数，limit的参数值必须>=0，否则将会抛出异常

skip 跳过前几个的元素

1
2

 List<Integer> integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
 Stream<Integer> stream = integerList.stream().skip(2);

通过skip方法跳过流中的元素，上述例子跳过前两个元素，所以打印结果为2,3,4,5，skip的参数值必须>=0，否则将会抛出异常

map 流映射

所谓流映射就是将接受的元素映射成另外一个元素

1
2

List<String> stringList = Arrays.asList("Java 8", "Lambdas",  "In", "Action");
Stream<Integer> stream = stringList.stream().map(String::length);

通过map方法可以完成映射，该例子完成中String -> Integer的映射，之前上面的例子通过map方法完成了Dish->String的映射

flatMap 流转换

将一个流中的每个值都转换为另一个流

1
2
3
4
5
6

List<String> wordList = Arrays.asList("Hello", "World");
List<String> strList = wordList.stream()
        .map(w -> w.split(" "))
        .flatMap(Arrays::stream)
        .distinct()
        .collect(Collectors.toList());

map(w -> w.split(" "))的返回值为Stream<String[]>，我们想获取Stream<String>，可以通过flatMap方法完成Stream<String[]> ->Stream<String>的转换

元素匹配

提供了三种匹配方式

• allMatch匹配所有

  1 2 3 4

  List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().allMatch(i -> i > 3)) { System.out.println("值都大于3"); }

  1

• anyMatch匹配其中一个

  1 2 3 4

  List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().anyMatch(i -> i > 3)) { System.out.println("存在大于3的值"); }

  1

• noneMatch全部不匹配

  1 2 3 4

  List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); if (integerList.stream().noneMatch(i -> i > 3)) { System.out.println("值都小于3"); }

  1 2

终端操作

count 统计总数

• 通过 count

  1 2	List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().count();

  1 2 3

  通过使用`count`方法统计出流中元素个数

• 通过 counting

  1 2	List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Long result = integerList.stream().collect(Collectors.counting());

  1 2 3

  最后一种统计元素个数的方法在与`collect`联合使用的时候特别有用

findFirst 查找

提供了两种查找方式

• findFirst 查找第一个

  1 2	List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findFirst();

  1 2 3

  通过`findFirst`方法查找到第一个大于三的元素并打印

• findAny 随机查找一个

  1 2	List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5); Optional<Integer> result = integerList.stream().filter(i -> i > 3).findAny();

  1 2 3

  通过`findAny`方法查找到其中一个大于三的元素并打印，因为内部进行优化的原因，当找到第一个满足大于三的元素时就结束，该方法结果和`findFirst`方法结果一样。提供`findAny`方法是为了更好的利用并行流，`findFirst`方法在并行上限制更多【本篇文章将不介绍并行流】

reduce将流中的元素组合起来

假设我们对一个集合中的值进行求和

• jdk8之前

  1 2 3 4

  int sum = 0; for (int i : integerList) { sum += i; }

  1

• jdk8之后通过reduce进行处理

  1	int sum = integerList.stream().reduce(0, (a, b) -> (a + b));

  1 2 3 4 5

  一行就可以完成，还可以使用方法引用简写成： ```java int sum = integerList.stream().reduce(0, Integer::sum);

  1 2 3

  `reduce`接受两个参数，一个初始值这里是`0`，一个`BinaryOperator<T> accumulator`来将两个元素结合起来产生一个新值， 另外`reduce`方法还有一个没有初始化值的重载方法

min/max 获取最值

• 通过min/max获取最小最大值

  1 2	Optional<Integer> min = menu.stream().map(Dish::getCalories).min(Integer::compareTo); Optional<Integer> max = menu.stream().map(Dish::getCalories).max(Integer::compareTo);

  1 2 3 4 5 6

  也可以写成： ```java OptionalInt min = menu.stream().mapToInt(Dish::getCalories).min(); OptionalInt max = menu.stream().mapToInt(Dish::getCalories).max();

  1 2 3

  `min`获取流中最小值，`max`获取流中最大值，方法参数为`Comparator<? super T> comparator`

• 通过minBy/maxBy获取最小最大值

  1 2	Optional<Integer> min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo)); Optional<Integer> max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo));

  1 2 3

  `minBy`获取流中最小值，`maxBy`获取流中最大值，方法参数为`Comparator<? super T> comparator`

• 通过reduce获取最小最大值

  1 2	Optional<Integer> min = menu.stream().map(Dish::getCalories).reduce(Integer::min); Optional<Integer> max = menu.stream().map(Dish::getCalories).reduce(Integer::max);

  1

求和

• 通过 summingInt

  1	int sum = menu.stream().collect(summingInt(Dish::getCalories));

  1 2 3

  如果数据类型为`double`、`long`，则通过`summingDouble`、`summingLong`方法进行求和

• 通过 reduce

  1	int sum = menu.stream().map(Dish::getCalories).reduce(0, Integer::sum);

  1

• 通过 sum

  1	int sum = menu.stream().mapToInt(Dish::getCalories).sum();

  1

在上面求和、求最大值、最小值的时候，对于相同操作有不同的方法可以选择执行。可以选择collect、reduce、min/max/sum方法，推荐使用min、max、sum方法。因为它最简洁易读，同时通过mapToInt将对象流转换为数值流，避免了装箱和拆箱操作

求平均值

1

double average = menu.stream().collect(averagingInt(Dish::getCalories));

如果数据类型为double、long，则通过averagingDouble、averagingLong方法进行求平均

summarizingInt 同时求总和、平均值、最大值、最小值

1
2
3
4
5

IntSummaryStatistics intSummaryStatistics = menu.stream().collect(summarizingInt(Dish::getCalories));
double average = intSummaryStatistics.getAverage();  //获取平均值
int min = intSummaryStatistics.getMin();  //获取最小值
int max = intSummaryStatistics.getMax();  //获取最大值
long sum = intSummaryStatistics.getSum();  //获取总和

如果数据类型为double、long，则通过summarizingDouble、summarizingLong方法

foreach 进行元素遍历

1
2

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
integerList.stream().forEach(System.out::println);

Collectors.toList 返回集合

1
2

List<String> strings = menu.stream().map(Dish::getName).collect(Collectors.toList());
Set<String> sets = menu.stream().map(Dish::getName).collect(Collectors.toSet());

joining 拼接元素

1

String result = menu.stream().map(Dish::getName).collect(Collectors.joining(", "));

默认如果不通过map方法进行映射处理拼接的toString方法返回的字符串，joining的方法参数为元素的分界符，如果不指定生成的字符串将是一串的，可读性不强

groupingBy 进行分组

1

Map<String, List<Dish>> result = dishList.stream().collect(groupingBy(Dish::getType));

partitioningBy 进行分区

分区是特殊的分组，它分类依据是true和false，所以返回的结果最多可以分为两组

1

Map<Boolean, List<Dish>> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian))

等同于

1

Map<Boolean, List<Dish>> result = menu.stream().collect(groupingBy(Dish :: isVegetarian))

这个例子可能并不能看出分区和分类的区别，甚至觉得分区根本没有必要，换个明显一点的例子：

1
2

List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5);
Map<Boolean, List<Integer>> result = integerList.stream().collect(partitioningBy(i -> i < 3));

返回值的键仍然是布尔类型，但是它的分类是根据范围进行分类的，分区比较适合处理根据范围进行分类。