Java Stream流 根据某个字段进行排序

准备数据：

List<User> userList = new ArrayList<>(16);
User user = new User();
user.setUserId(IdWorker.getId()).setUsername("欧阳正才").setRole("1admin").setAge(18).setMoney(new BigDecimal("9915.80")).setAddress("山东济南");
User user1 = new User();
user1.setUserId(IdWorker.getId()).setUsername("刘露").setRole("super-admin").setAge(19).setMoney(new BigDecimal("1580")).setAddress("山东济南");
User user2 = new User();
user2.setUserId(IdWorker.getId()).setUsername("李彦宏").setRole("1admin").setAge(35).setMoney(new BigDecimal("560")).setAddress("山东济南");
User user3 = new User();
user3.setUserId(null).setUsername("崔福来").setRole("user").setAge(21).setMoney(new BigDecimal("0.0")).setAddress("山东济南");
User user4 = new User();
user4.setUserId(IdWorker.getId()).setUsername("欧阳正才").setRole("admin").setAge(28).setMoney(new BigDecimal("9915.80")).setAddress("山东济南");
userList.add(user);
userList.add(user1);
userList.add(user2);
userList.add(user3);
userList.add(user4);

数据如下：
[
 {"address":"山东济南","age":18,"money":9915.80,"role":"1admin","userId":1507225552322748417,"username":"欧阳正才"},
 {"address":"山东济南","age":19,"money":1580,"role":"super-admin","userId":1507225552322748418,"username":"刘露"},
 {"address":"山东济南","age":35,"money":560,"role":"1admin","userId":1507225552322748419,"username":"李彦宏"},
 {"address":"山东济南","age":21,"money":0.0,"role":"user","username":"崔福来"},
 {"address":"山东济南","age":28,"money":9915.80,"role":"admin","userId":1507225552322748420,"username":"欧阳正才"}
]

filter

使用 filter() 过滤列表数据

// 获取年龄大于20的用户列表
List<User> users = userList.stream().filter(i -> i.getAge() > 20).collect(Collectors.toList());
log.info(JSONObject.toJSONString(users));

结果：
[{"address":"山东济南","age":35,"money":560,"role":"1admin","userId":1507224853342052355,"username":"李彦宏"},
{"address":"山东济南","age":21,"money":0.0,"role":"user","username":"崔福来"},
{"address":"山东济南","age":28,"money":9915.80,"role":"admin","userId":1507224853342052356,"username":"欧阳正才"}]

findAny、findFirst

注意：findFirst() 和 findAny() 都是获取列表中的第一条数据，但是findAny()操作，返回的元素是不确定的，对于同一个列表多次调用findAny()有可能会返回不同的值。使用findAny()是为了更高效的性能。如果是数据较少，串行地情况下，一般会返回第一个结果，如果是并行（parallelStream并行流）的情况，那就不能确保是第一个。

// 获取权限是admin而且用户名带‘李’的用户，任何一个，没有则返回null
User user = userList.stream().filter(i -> "admin".equals(i.getRole()) && isNotBlank(i.getUsername()) && i.getUsername().contains("李")).findAny().orElse(null);

anyMatch、allMatch、noneMatch

anyMatch判断数据列表中是否存在任意一个元素符合设置的predicate条件，如果是就返回true，否则返回false。allMatch判断数据列表中全部元素都符合设置的predicate条件，如果是就返回true，否则返回false，流为空时总是返回true。noneMatch判断数据列表中全部元素都不符合设置的predicate条件，如果是就返回true，否则返回false，流为空时总是返回true。

// 是否有工资 > 10000的数据，有1个就是true
boolean money = userList.stream().anyMatch(i -> (null != i.getMoney() ? i.getMoney() : BigDecimal.ZERO).compareTo(new BigDecimal("10000")) > 0);
// 是否全部员工工资 >= 100
boolean money1 = userList.stream().allMatch(i -> (null != i.getMoney() ? i.getMoney() : BigDecimal.ZERO).compareTo(new BigDecimal("100")) >= 0);
// 是否工资都不大于10000
boolean money2 = userList.stream().noneMatch(i -> (null != i.getMoney() ? i.getMoney() : BigDecimal.ZERO).compareTo(new BigDecimal("10000")) > 0);

reduce((T, T) - T) 和 reduce(T, (T, T) - T)

用于组合流中的元素，如求和，求积，求最大值等

// 用户列表中年龄的最大值、最小值、总和
int maxAge = userList.stream().map(User::getAge).reduce(Integer::max).get(); // 35
int minAge = userList.stream().map(User::getAge).reduce(Integer::min).get(); // 18
int allAge = userList.stream().map(User::getAge).reduce(0, Integer::sum); // 121

计算元素总和的方法其中暗含了装箱成本，map(User::getAge) 方法过后流变成了 Stream类型，而每个 Integer 都要拆箱成一个原始类型再进行 sum 方法求和，这样大大影响了效率。针对这个问题 Java 8 有良心地引入了数值流 IntStream, DoubleStream, LongStream，这种流中的元素都是原始数据类型，分别是 int，double，long。

// 使用mapToInt() 求用户列表中年龄的最大值、最小值、总和、平均值。
int maxVal = userList.stream().mapToInt(User::getAge).max().getAsInt(); // 35
int minVal = userList.stream().mapToInt(User::getAge).min().getAsInt(); // 18
int sumVal = userList.stream().mapToInt(User::getAge).sum(); // 121
double aveVal = userList.stream().mapToInt(User::getAge).average().getAsDouble(); // 24.2
// 统计角色是admin的人数，使用 counting()方法进行统计
long userCount = userList.stream().filter(i -> "admin".equals(i.getRole())).collect(Collectors.counting());
// 统计角色是admin的人数，使用 counting()方法进行统计（推荐）
long userCount1 = userList.stream().filter(i -> "admin".equals(i.getRole())).count();

summingInt()、summingLong()、summingDouble()：用于计算总和，需要一个函数参数。

// 计算年龄总和
int sumAge = userList.stream().collect(Collectors.summingInt(User::getAge)); // 121

averagingInt()、averagingLong()、averagingDouble()：用于计算平均值。

// 计算平均年龄
double aveAge = userList.stream().collect(Collectors.averagingDouble(User::getAge));

summarizingInt()、summarizingLong()、summarizingDouble()

这三个方法比较特殊，比如 summarizingInt 会返回 IntSummaryStatistics 类型。IntSummaryStatistics类提供了用于计算的平均值、总数、最大值、最小值、总和等方法。

// 获取IntSummaryStatistics对象
IntSummaryStatistics ageStatistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));

// 统计：最大值、最小值、总和、平均值、总数
System.out.println("最大年龄：" + ageStatistics.getMax()); // 35
System.out.println("最小年龄：" + ageStatistics.getMin()); // 18
System.out.println("年龄总和：" + ageStatistics.getSum()); // 121
System.out.println("平均年龄：" + ageStatistics.getAverage()); // 24.2
System.out.println("员工总数：" + ageStatistics.getCount()); // 5

针对BigDecimal类型

// 最高薪资
BigDecimal maxMoney = userList.stream().map(User::getMoney).max(BigDecimal::compareTo).get();
// 最低薪资
BigDecimal minMoney = userList.stream().map(User::getMoney).min(BigDecimal::compareTo).get();
// 薪资总和
BigDecimal sumMoney = userList.stream().map(User::getMoney).reduce(BigDecimal.ZERO, BigDecimal::add);
//平均薪资
BigDecimal avgMoney = userList.stream().map(User::getMoney).reduce(BigDecimal.ZERO, BigDecimal::add).divide(BigDecimal.valueOf(userList.size()), 2, BigDecimal.ROUND_HALF_UP);
System.out.println("最高薪资：" + maxMoney + "元"); // 9915.80元
System.out.println("最低薪资：" + minMoney + "元"); // 0.0元
System.out.println("薪资总和：" + sumMoney + "元"); // 21971.60元
System.out.println("平均薪资：" + avgMoney + "元"); // 4394.32元

sorted() / sorted((T, T) - int)

排序方法。如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法对元素进行排序，如 Stream。反之, 需要调用sorted((T, T) - int)实现 Comparator 接口。

// 根据年龄排序（升序）
userList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
// 根据年龄排序（降序）
userList = userList.stream().sorted(Comparator.comparingInt(User::getAge).reversed()).collect(Collectors.toList());

groupingBy

可以接受一个第二参数实现多级分组

// 获取大于18岁的，并根据角色role分组Map，key=role
Map<String, List<User>> userGroupbyRoleMap = userList.stream().filter(i -> i.getAge() > 18).collect(Collectors.groupingBy(User::getRole));

// 根据角色和金额对用户列表进行分组
Map<String, Map<BigDecimal, List<User>>> userMap = userList.stream()
        .collect(Collectors.groupingBy(User::getRole, Collectors.groupingBy(User::getMoney)));
        
// 根据角色和金额对用户列表进行分组（map的key，如果userId有null则替换为-1）
Map<String, Map<BigDecimal, List<User>>> userMap1 = userList.stream()
        .collect(Collectors.groupingBy(User::getRole, Collectors.groupingBy(i -> i.getUserId() == null ? -1 : i.getUserId())));
// 根据角色进行分组，汇总各个角色用户的平均年龄
Map<String, Double> userRoleMap = userList.stream().collect(Collectors.groupingBy(User::getRole, Collectors.averagingInt(User::getAge)));
System.out.println(JSONObject.toJSONString(userRoleMap));

{"super-admin":19.0,"admin":27.0,"user":21.0}

// 将导入的数据根据台账号分组，如果accountNo是null，则先将accountNo替换为空串""
Map<String, List<ImportAccountGeneralEntity>> accountGeneralEntityMap = accountGeneralEntityList.stream()
                    .collect(Collectors.groupingBy(i -> isBlank(i.getAccountNo()) ? "" : i.getAccountNo()));

joining拼接

// 查询年龄大于19的用户名，去重后用,拼接。
String usernames = userList.stream().filter(i -> i.getAge() > 19).map(User::getUsername).distinct().collect(Collectors.joining(","));
// 将ID转为String并用逗号拼接起来。
String decIds = decHeads.stream().map(i -> i.getId().toString()).collect(Collectors.joining(","));

组合用法示例

// 获取用户名集合，用户ID不为空且去重
List<String> users = userList.stream().filter(i -> i.getUserId() != null).map(User::getUsername).distinct().collect(Collectors.toList());

// 获取用户名数组，用户ID不为空且去重
String[] usersArr = userList.stream().filter(i -> i.getUserId() != null).map(User::getUsername).distinct().collect(Collectors.toList()).toArray(new String[userList.size()]);

// 统计总岁数，排除用户ID是空的
int totalAge = userList.stream().filter(i -> isNotEmpty(i.getUserId())).mapToInt(User::getAge).sum();

// 统计工资的数量，可设置去重
long moneyCount = userList.stream().filter(i -> isNotEmpty(i.getUserId())).map(User::getMoney).count();
long moneyCount1 = userList.stream().filter(i -> isNotEmpty(i.getUserId())).map(User::getMoney).distinct().count();

// 获取用户列表，要求跳过第1条数据后的前3条数据
List<User> users1 = userList.stream().skip(1).limit(3).collect(Collectors.toList());