Java8实战之Stream
前言
在前面一个小节中，我们已经学习了行为参数化以及Lambda表达式，通过Lambda表达式，可以使得代码更加简洁，尤其是当一个方法只需要使用一次的时候，然而，如果Java8中只有Lambda表达式的话，那还是不足以让人感到兴奋的，个人感觉，Java8中最有意思，也是最方便的功能，莫过于Stream了
Stream初窥
Stream可以翻译为流，实际上其操作也是，流操作是Java8中引入的新功能，提供了更加强大的数据迭代处理方式，通过流式写法，提供了简洁的语法，主要注意的是Stream需要配合Lambda表达式来使用，这更加体现了行为参数化的思想，Java8通过将既定的操作封装好，同时，将对应的具体行为留给用户，极大地提高了操作的效率。
Stream的出现，可以说是用于替代传统的容器操作的，在传统的容器操作中，当需要对容器中的某些元素进行操作的时候，我们需要迭代容器，然后筛选出合适的对象，然后再将其存放到另外的容器中，从上面的描述中，可以看到，其中的很大一部分操作：迭代容器，筛选对象，重新存放基本都是固定的，而每次都进行手动操作，显然是比较繁琐的，Stream则提供了更加便捷的操作，只需要通过对应的操作模式，然后给出对应的条件，即可实现对既定元素的操作。
为了下面的操作方便，我们先构造需要的元素
// User对象class User { private Integer id; private String name; private Integer age; // 省略set，get，toString方法}// 构造数据public static List generateUserData() {
Random random = new Random();
List users = new ArrayList<>(); for (int i = 0; i
users.add(new User(i, "user" + i, random.nextInt(100)));
} return users;
}假设现在有一个场景，我们需要从上面的列表中选取年龄大于20岁的对象，在传统的容器操作中，一般我们会这样操作
public List getUserOlderThan20() {
List users = generateUserData();
List result = new ArrayList<>(); for (User user : users) { if (user.getAge() > 20 ) {
result.add(user);
}
} return result;
}而在Java8中，我们可以用更加简洁的方式来实现上面的操作
public List getUserOlderThan20() {
List users = generateUserData();
List result = users.stream()
.filter(user -> user.getAge() > 20)
.collect(Collectors.toList()); return result;
}或者上面的案例看上去并没有那么有优势，那么我们来看下下面的案例，根据年龄对用户进行分组，年龄在1-30为年轻人，31-60为中年人，60以上为老年人(例子例子，没有实际价值)
传统的操作，我们需要如下操作
public void groupUser() {
List users = generateUserData();
Map> userGroup = new HashMap<>(); for (User user : users) { if (user.getAge() > 0 && user.getAge() <= 30) {
List young = userGroup.get("young"); if (young == null) {
young = new ArrayList<>();
userGroup.put("young", young);
}
userGroup.get("young").add(user);
}else if (user.getAge() <= 60) {
List middle = userGroup.get("middle"); if (middle == null) {
middle = new ArrayList<>();
userGroup.put("middle", middle);
}
userGroup.get("middle").add(user);
}else {
List old = userGroup.get("old"); if (old == null) {
old = new ArrayList<>();
userGroup.put("old", old);
}
userGroup.get("old").add(user);
}
}
System.out.println(userGroup);
}可以看到，上面的操作还是挺繁琐的，而且比较容易出错，而在Java8中，我们则可以采用如下操作
public void testStream() {
List users = generateUserData();
Map> result = users.stream()
.collect(Collectors.groupingBy(
user -> { if (user.getAge() > 0 && user.getAge() <= 30) { return "young";
} else if (user.getAge() <= 60) { return "middle";
} else { return "old";
}}
));
System.out.println(result);
}可以看到，代码量以及自描述性的对比还是挺明显的，Stream配合Lambda表达式，可以使得之前比较繁琐的容器操作，变得非常简单，而且，代码本身的自解释性也更强
Stream操作
在前面我们已经见识到了Stream本身的特点--流式操作以及方便性，接下来我们来详细学习Stream的用法。
Stream的操作可以分为两种，一种是中间操作，例如前面的filter()操作，一种是结束操作，例如前面的collect()操作，每一个中间操作，都返回一个Stream，经过本次处理之后的Stream，结束操作则产生终结，其结果要么是数字，要么是字符串，要么是集合等等，总之就不再是Stream，也就是说，一个Stream可以有多个中间操作，但只能有一个结束操作
中间操作
比较常用的几种中间操作列举如下，更多的内容参考API即可filter()，过滤操作，入参为Predicate super T> predicate
limit()，限制操作，入参为long maxSize
skip(),跳过操作，入参为long n
distinct()，去重操作，没有入参，底层使用的是Set进行去重
sorted()，排序操作，可以传入自定义的比较器Comparator super T> comparator
peek()，检查操作，用于调试操作，入参Consumer super T> action
map()，将Stream中的元素映射为其他元素，入参Function super T, ? extends R> mappermapToDouble()，将Stream转为DoubleStream，避免装箱机制所带来的开销
mapToLong(),将Stream转为LongStream，避免装箱机制所带来的开销
mapToInt()，将Stream转为IntStream，避免装箱机制所带来的开销
flatMap()，将多个Stream转为一个，注意与map()的区别，入参Function super T, ? extends Stream extends R>> mapper
结束操作
比较常用的几个结束操作列举如下，更多的内容参考API即可count()，统计元素个数
forEach()，对每个元素执行操作，入参Consumer super T> action
findFirst()，获取第一个元素
findAny()，获取任意一个元素
anyMatch()，检查元素是否至少有一个匹配，入参Predicate super T> predicate
allMatch()，检查所有元素是否都匹配，入参Predicate super T> predicate
collect()，将所有内容收集起来，入参Collector super T, A, R> collector，JDK中提供了众多的Collector的实现，所以，基本上不用自己实现groupingBy(Function super T, ? extends K> classifier)，仅能进行一次分组
groupingBy(Function super T, ? extends K> classifier, Collector super T, A, D> downstream)，注意第二个参数可以是另一个Collector，也就是说，可以通过多次的复合，达到多次分组，或者分组后再进行其他的操作
groupingBy(Function super T, ? extends K> classifier,Supplier mapFactory, Collector super T, A, D> downstream)，自己提供一个容器，而不是使用默认的容器groupingBy()，将内容进行分组，有三个不同的版本
counting()，等价于前面的Stream.count()
partitioningBy()精简版的groupingBy()，仅能支持true、false两种分组
joining()，字符串连接，需要注意，如果Stream的内容本身不是字符串流，则需要先map()操作一下，将其转为字符串流，可以指定分隔符，前缀，后缀
toList()，将结果合并为List
toSet()，将结果合并为Set
toMap()，将结果转为Map
toConcurrentMap()，将结果转为并发Map
reduce()，根据条件合并结果，可以说，上面的所有结束操作，基本上都可以通过reduce()来实现，reduce有三个不同形式的参数，当JDK所提供的合并操作不满足需求时，可以通过reduce来实现自定义的合并操作T reduce(T identity, BinaryOperator accumulator)
Optional reduce(BinaryOperator accumulator)
U reduce(U identity, BiFunction accumulator, BinaryOperator combiner)
Stream操作实例
为了更好地理解上面的内容，我们通过几个小例子来实际操作一下// 打印出年龄在30岁以上的所有用户
users.stream()
.filter(user -> user.getAge() > 30)
.forEach(System.out::println); // 如果换成 .count()，则是统计用户的个数
// 分组并且统计各个分组的人数
Map collect = users.stream()
.collect(groupingBy(user -> { if (user.getAge() <= 30) { return "young";
} else if (user.getAge() <= 60) { return "middle";
} else { return "old";
}
}, counting()));
// 分组并且去重
Map> collect = users.stream()
.collect(groupingBy(user -> { if (user.getAge() <= 30) { return "young";
} else if (user.getAge() <= 60) { return "middle";
} else { return "old";
}
}, toSet()));关于Stream的介绍，大致就到这里了，为了更好地掌握Stream，需要在实际使用中多加练习，多加研究才是
作者：颜洛滨
