Java新特性--Stream的全部用法整理

news/2023/12/10 2:04:56

文章目录

  • 一、流
  • 二、常用方法
    • 1、filter(element -> boolean表达式)
    • 2、distinct()
    • 3、sorted() / sorted((T, T) -> int)
    • 4、limit(long n)
    • 5、skip(long n)
    • 6、`map(T -> R)`
    • 7、`faltMap(T -> Stream)`
    • 8、anyMatch(T -> boolean表达式)
    • 9、allMatch(T -> boolean)和noneMatch(T -> boolean)
    • 10、count()
    • 11、reduce((T, T) -> T) / reduce(T, (T, T) -> T)
    • 12、forEach()
  • 三、收集方法collect()详解
    • 1、.collect(Collectors.toMap(x,x,x))
    • 2、.collect(Collectors.groupingBy(xx))
    • 3 、.collect(joining())
  • 四、并行流parallelStream
    • 1、ForkJoin框架
    • 2、parallelStream

一、流

Java 8 API添加了一个新的抽象称为流Stream,将要处理的元素集合看作一种流, 流在管道中传输,能够对每个元素进行一系列并行或串行的流水线操作

在这里插入图片描述

  • 数据源可以是集合,数组,I/O channel, 产生器generato…
  • 数据源如:List<T> 的集合转换为 Stream<T> 类型的流,然后进行中间操作如过滤、排序、遍历、类型转换
  • 终端可以选择将 Stream 流转换回一个新类型的集合中,如果中间对每个元素操作后,你的目的已达到,最后转不转回都行
  • 很多中间操作的方法返回类型就是Stream,因此可以直接连起来,如操作List<Person> list
    在这里插入图片描述
  • 流的操作不会改变原集合,除非用原集合接,即list = list.stream().xxx…
  • stream() − 为集合创建串行流
  • parallelStream() − 为集合创建并行流

二、常用方法

数据源:

List<String> stringList = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");

public class Person{String name;Integer age;
}List<Person> list = new ArrayList<>();
list.add(new Person("Jack",23));
list.add(new Person("Jack",23));
list.add(new Person("Tom",30));

1、filter(element -> boolean表达式)

作用:

  • 过滤元素,符合Boolean表达式的留下来

示例:

//过滤,只要空字符串
NewList<String> list = stringList.stream().filter(param -> param.isEmpty()).collect(Collectors.toList());

2、distinct()

作用:

  • 去除重复元素
  • 这个方法是通过类的 equals 方法来判断两个元素是否相等

示例:


list = list.stream().distinct().collect(Collectors.toList());

这里不重写Person类的equals方法,两个数据不会被处理

3、sorted() / sorted((T, T) -> int)

作用:

  • 对流中的元素进行排序
  • 若流中元素的类实现了Comparable接口,即有自己的排序规则,此时可直接sorted()
  • 否则,用sorted((T,T) -> int)说明排序规则

示例:

根据年龄大小来比较:
list = list.stream().sorted((p1, p2) -> p1.getAge() - p2.getAge()).collect(Collectors.toList());

以上可优化为:

list = list.stream().sorted(Comparator.comparingInt(Person::getAge)).collect(Collectors.toList());

4、limit(long n)

作用:

  • 返回前n个元素

示例:

list = list.stream().limit(1).collect(Collectors.toList());

5、skip(long n)

作用:

  • 去除前n个元素
  • limit(m).skip(n),先返回前m个元素,再从这m个元素中去除n个
  • skip(n).limit(m),先去除n个元素,再返回剩余的前m个

示例:

list = list.stream().limit(2).skip(1).collect(Collectors.toList());
//即先拿前两个,再去掉这两个中的第一个

6、map(T -> R)

作用:

  • 将流中的每一个元素映射为R

示例:

List<Integer> list = new ArrayList<>();list.add(1);list.add(2);list.add(3); 
list = list.stream().map(i -> i + 2).collect(Collectors.toList());list.forEach(System.out::println);
//输出3、4、5

除了处理基本数据类型,也可修改对象,但最后记得return element;

list = list.stream().map(p -> {p.setAge(p.getAge() + 1);p.setName(p.getName().equals("Tom")? "TomCat" : "Cat");return p;}).collect(Collectors.toList());//对每个对象的属性进行定制操作

也可映射抽出对象的一部分属性,收集到一个新类型的集合中:

List<String> newlist = list.stream().map(Person::getName).collect(Collectors.toList());
List<Integer> newlist = list.stream().map(p -> p.getAge()).collect(Collectors.toList());

map方法接受一个lambda表达式,这个表达式是一个函数,输入类型是集合元素的类型, 输出类型是任意类型 , 即你可以选择将元素映射为任意类型, 并对映射后的值做下一步处理.

it -> Integer.toString(it)

7、faltMap(T -> Stream)

当处理的是一个List<Person>,此时使用map方法,拿到的元素是一个个Person对象。当处理的是一个List<List<Person>>,此时使用map,拿到的是一个个list集合,此时想对每一个Person对象操作,就得用faltMap,flat,平铺的意思 .
在这里插入图片描述
这个图很清晰的说明了flatMap的使用场景—流中的元素自身也是一个流(集合 . 数组)

常用写法:

  • xx.stream().flatMap(t -> t.stream()).xxx
  • 等价于 xx.stream().flatMap(Collection::stream).xx

举例:

List<Person> list1 = new ArrayList<>();
List<Person> list2 = new ArrayList<>();
list1.add(new Person("A",23));
list1.add(new Person("B",23));
list2.add(new Person("C",23));
list2.add(new Person("D",23));
List<List<Person>> listPlus = new ArrayList<>();
listPlus.add(list1);
listPlus.add(list2);
List<String> nameList = listPlus.stream().flatMap(t -> t.stream()) //此时流中元素为Person对象.map(t -> t.getName()).distinct().collect(Collectors.toList());
//A B C D

8、anyMatch(T -> boolean表达式)

作用:

  • 流中是否有元素满足这个Boolean表达式

举例:

是否存在一个 person 对象的 age 等于 20boolean b = list.stream().anyMatch(person -> person.getAge() == 20);

9、allMatch(T -> boolean)和noneMatch(T -> boolean)

作用:

  • allMatch(T -> boolean)即流中所有元素是否都满足Boolean条件
  • noneMatch(T -> boolean)即是否流中没有一个元素满足Boolean表达式

10、count()

作用:

  • 返回流中元素的个数,返回Long型

11、reduce((T, T) -> T) / reduce(T, (T, T) -> T)

作用:

  • 组合流中的元素,进行求数学运算值
  • 价格使用BigDecimal防止精度损失
计算年龄总和:
int sum = list.stream().map(Person::getAge).reduce(0, (a, b) -> a + b);
与之相同:
int sum = list.stream().map(Person::getAge).reduce(0, Integer::sum);BigDecimal计算,将所有商品的价格累加
BigDecimal totalPrice = goodList.stream().map(GoodsCode::getPrice()).reduce(BigDecimal.ZERO, BigDecimal::add);

示例:

12、forEach()

普通for循环或者增强for循环,break跳出整个循环,continue跳出本次循环。stream()的forEach则不同:

  • 处理集合时不能使用break和continue中止循环
  • 可以使用关键字return跳出本次循环,并执行下一次遍历
  • 不能跳出整个流的forEach循环
//打印各个元素list.stream().forEach(System.out::println);

也可对每个元素进行想要的操作:

list.stream().forEach(element -> {java语句1;java语句2});

三、收集方法collect()详解

作用:

  • 收集流中元素的方法,传参是一个收集器接口, 常用写法:
  • .collect(Collectors.toList())收集到list集合
  • .collect(Collectors.toMap(x,x,x))收集到map集合
  • .collect(Collectors.groupingBy(xx))分组
  • .collect(Collectors.counting())统计集合总数
  • .collect(joining())连接字符串

1、.collect(Collectors.toMap(x,x,x))

Map<String,Person> newMap = lst.stream().collect(Collectors.toMap(p -> p.getName(), p -> p, (p1,p2) -> p1));

各个参数的意义:

  • 第一个参数 p -> p.getName()即使用name做为Map集合的key
  • p -> p.getName()可以写成Person::getName
  • 第二个参数 p -> p即将原来的对象做为map的value值,当然也可以Person::getAge继续用属性做value
  • 第三个参数(p1,p2) -> p1即若p1、p2的key相同,则取p1的value

2、.collect(Collectors.groupingBy(xx))


作用: 将处理后的元素进行分组,得到一个Map集合

/数据准备
@Data
@AllArgsConstructor
public class Books {private Integer id;private Integer num;private String name;private Double price;private String category;
}Books book1 = new Books(1,100,"Java入门",60.0,"互联网类") ;
Books book2 = new Books(2,200,"Linux私房菜",100.0,"互联网类") ;
Books book3 = new Books(3,200,"Docker进阶",70.0,"互联网类") ;
Books book4 = new Books(4,600,"平凡的世界",200.0,"小说类") ;
Books book5 = new Books(5,1000,"白鹿原",190.0,"小说类") ;
List<Books> booksList = Lists.newArrayList(book1,book2,book3,book4,book5);
  • case1: 按照某个属性分组, 即以该属性为Map集合的key,把这个属性相同的对象放在一个List集合中做为value
//按照category分类
Map<String,List<Books>> map = booksList.stream().collect(Collectors.groupingBy(Books::getCategory));//run
{
互联网类=[Books(id=1, num=100, name=Java入门, price=60.0, category=互联网类), Books(id=2, num=200, name=Linux私房菜, price=100.0, category=互联网类), Books(id=3, num=200, name=Docker进阶, price=70.0, category=互联网类)], 
小说类=[Books(id=4, num=600, name=平凡的世界, price=200.0, category=小说类), Books(id=5, num=1000, name=白鹿原, price=190.0, category=小说类)]
}
  • case2: 按照某几个属性拼接分组
Map<String,List<Books>> map = booksList.stream().collect(Collectors.groupingBy(t -> t.getCategory() +"_" + t.getName()));//run
{
互联网类_Linux私房菜=[Books(id=2, num=200, name=Linux私房菜, price=100.0, category=互联网类)], 
小说类_平凡的世界=[Books(id=4, num=600, name=平凡的世界, price=200.0, category=小说类)],
互联网类_Docker进阶=[Books(id=3, num=200, name=Docker进阶, price=70.0, category=互联网类)], 
互联网类_Java入门=[Books(id=1, num=100, name=Java入门, price=60.0, category=互联网类)], 
小说类_白鹿原=[Books(id=5, num=1000, name=白鹿原, price=190.0, category=小说类)]
}
  • case3: 按照不同的条件分组
//不同条件下,使用不同的key
Map<String,List<Books>> map = booksList.stream().collect(Collectors.groupingBy(t -> {if(t.getNum() > 500){return "数量充足";}else{return "数量较少";}}));//run{
数量充足=[Books(id=4, num=600, name=平凡的世界, price=200.0, category=小说类), Books(id=5, num=1000, name=白鹿原, price=190.0, category=小说类)], 
数量较少=[Books(id=1, num=100, name=Java入门, price=60.0, category=互联网类), Books(id=2, num=200, name=Linux私房菜, price=100.0, category=互联网类), Books(id=3, num=200, name=Docker进阶, price=70.0, category=互联网类)]
}
  • case4: 实现多级分组, 即由双参数版本的Collectors.groupingBy,对由第一个参数分类后的结果, 再进行分类,此时结果类型Map<String,Map<String,List<Books>>>
//接case3,想先按照类别分组,再给每个组按照数量再分一次
Map<String,Map<String,List<Books>>> map = booksList.stream().collect(Collectors.groupingBy(t -> t.getCategory(), Collectors.groupingBy( t -> {if(t.getNum() > 100){return "数量充足";}else{return "数量较少";}})));//run
{
互联网类={数量充足=[Books(id=2, num=200, name=Linux私房菜, price=100.0, category=互联网类), Books(id=3, num=200, name=Docker进阶, price=70.0, category=互联网类)], 数量较少=[Books(id=1, num=100, name=Java入门, price=60.0, category=互联网类)]}, 
小说类={数量充足=[Books(id=4, num=600, name=平凡的世界, price=200.0, category=小说类), Books(id=5, num=1000, name=白鹿原, price=190.0, category=小说类)]}
}
  • case5: 分组后,统计每个分组中元素的个数, Map集合的value类型为long型
Map<String,Long> map = booksList.stream().collect(Collectors.groupingBy(Books::getCategory,Collectors.counting()));//run
{互联网类=3, 小说类=2}
  • case6: 分组后,统计每个分组中元素的某属性的总和
Map<String,Integer> map = booksList.stream().collect(Collectors.groupingBy(Books::getCategory,Collectors.summingInt(Books::getNum)));//run
{互联网类=500, 小说类=1600}
  • case7: 加比较器取某属性最值
Map<String,Books> map3 = booksList.stream().collect(Collectors.groupingBy(Books::getCategory, Collectors.collectingAndThen(Collectors.maxBy(Comparator.comparingInt(Books::getNum)), Optional::get)));//run
{互联网类=Books(id=2, num=200, name=Linux私房菜, price=100.0, category=互联网类), 小说类=Books(id=5, num=1000, name=白鹿原, price=190.0, category=小说类)}
  • case8:联合其他收集器
Map<String, Set<String>> map2 = booksList.stream().collect(Collectors.groupingBy(Books::getCategory,Collectors.mapping(t->t.getName(),Collectors.toSet())));//run{互联网类=[Linux私房菜, Docker进阶, Java入门], 小说类=[平凡的世界, 白鹿原]}        

3 、.collect(joining())

作用:

  • 拼接收集到的元素
  • 传参为拼接时的连接符
String s = list.stream().map(Person::getName).collect(joining());结果:jackmiketom
String s = list.stream().map(Person::getName).collect(joining(","));结果:jack,mike,tom

四、并行流parallelStream

stream是串行的流式计算, parallelStream是并行的流式计算.

在这里插入图片描述
使用并行流遍历打印一个集合元素,并输出当前线程,可以看到线程抬头是ForkJoinPool.且遍历输出的元素是无序的

1、ForkJoin框架

  • ForkJoin框架是java7中提供的并行执行框架
  • 它的策略是分而治之。即将一个大任务拆分为若干互不依赖的子任务,把这些子任务分别放到不同的队列里,并为每个队列创建一个单独的线程来执行队列里的任务
    在这里插入图片描述
  • 为了最大限度地提高并行处理能力,采用了 工作窃取算法 来运行任务,也就是说当某个线程处理完自己工作队列中的任务后,尝试当其他线程的工作队列中窃取一个任务来执行,直到所有任务处理完毕。(类比自己的任务做完了, 帮同事分一点任务,以求最早完成总任务)
  • 为了减少线程之间的竞争,通常会使用双端队列,被窃取任务线程永远从双端队列的头部拿任务执行,而窃取任务的线程永远从双端队列的尾部拿任务执行
    在这里插入图片描述

2、parallelStream

  • 调用ParallelStream() 和 Stream() 方法, 返回的都是一个流, 对forEach
  • 并行流的创建可以xx.parallelStream()或者xx.stream().parallel()
  • 并行流内部使用了默认的ForkJoinPool
  • parallelStream默认的并发线程数比CPU处理器的数量少1个(最优的策略是每个CPU处理器分配一个线程,然而主线程也算一个线程)
// 获取当前机器CPU处理器的数量
System.out.println(Runtime.getRuntime().availableProcessors());// 输出 6
// parallelStream默认的并发线程数
System.out.println(ForkJoinPool.getCommonPoolParallelism());// 输出 5
// 设置全局并行流并发线程数
//这是全局配置,会影响所有的并行流
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "3");
  • parallelStream是线程不安全的
    在这里插入图片描述

  • 并发并不一定就能提高性能, CPU资源不足, 存在频繁的线程切换反而会降低性能


https://dhexx.cn/news/show-16908.html

相关文章

ios开发使用Basic Auth 认证方式

http://blog.csdn.net/joonchen111/article/details/48447813 我们app的开发通常有2种认证方式 一种是Basic Auth&#xff0c;一种是OAuth&#xff1b;现在普遍还是使用OAuth的多&#xff0c;而使用Basic Auth认证的少&#xff0c;正好呢我今天给大家介绍的就是使用的比较少的…

python正则_Python正则:工作中常用的python正则代码

1、用户名正则import re# 4到16位(字母&#xff0c;数字&#xff0c;下划线&#xff0c;减号)if re.match(r^[a-zA-Z0-9_-]{4,16}$, "abwc"):print("匹配")别忘了私信小编“学习”获取Python入门基础教程哦&#xff01;2、整数正则import re#正整数正则if …

java邮件服务系统开发的_Java秒杀系统实战系列~开发通用的发送邮件服务

摘要:本篇博文是“Java秒杀系统实战系列文章”的第九篇&#xff0c;在这篇文章中我们将继续完善秒杀系统中的核心处理逻辑&#xff0c;即“用户秒杀~抢单”的业务逻辑&#xff01;本文我们将基于JavaMail服务&#xff0c;开发一个通用的发送邮件服务&#xff0c;用于发送邮件通…

Android 自定义控件——自定义属性

本文介绍在 Android 当中自定义控件使用自定义属性 本文以下图为例进行讲解 如图&#xff1a; 一个圆&#xff0c;我们自定义一个View &#xff0c;以画一个圆为例&#xff0c;以圆的半径、颜色、透明值 作为自定义属性来进行讲解 先定义自定义的View&#xff0c;继承View&am…

3904三极管是什么功能_什么是分立器件?芯片、半导体、集成电路的关系

昨天&#xff0c;我们在文章中讲到&#xff0c;医药概念个股目前已经调整了将近20%&#xff0c;今天再给个大跌10%左右就可以打短&#xff0c;投机一把。目前从收盘上来看&#xff0c;还可以。前期强势的医药概念个股出现了反弹&#xff0c;好几只从跌停大幅拉红&#xff0c;即…

几个字节的数据怎么加密好?_塑料盆圆滑没有边,怎么做好卫生间收纳?教你几个好方法...

塑料盆圆滑没有边&#xff0c;怎么做好卫生间收纳&#xff1f;教你几个好方法哈喽大家好&#xff0c;前两天有朋友说到这个收纳的问题&#xff0c;一个朋友说对于塑料盆的收纳他有妙招&#xff0c;当时我有点好奇&#xff0c;就问了朋友这个问题&#xff0c;朋友说就是在塑料盆…

(转载) css实现小三角(尖角)

在各种网站里面&#xff0c;我们会经常看到类似于这样的尖角&#xff1a;&#xff08;示例&#xff1a;新浪微博&#xff09; 它实现的方式有多种&#xff0c;哪种才是最简单的&#xff1f;哪种才是最优秀的&#xff1f;首先我声明一下&#xff0c;我还不清楚这个东西具体叫什么…

pdf python 合同_是程序员,就用python导出pdf

这两天一直在做课件&#xff0c;我个人一直不太喜欢PPT这个东西……能不用就不用&#xff0c;我个人特别崇尚极简风。谁让我们是程序员呢&#xff0c;所以就爱上了Jupyter写课件&#xff0c;讲道理markdown也是个非常不错的写书格式啊。安装Jupyter其实非常简单&#xff0c;你会…

wordpress建站流程_国内类似WordPress的建站系统

事实上&#xff0c;外贸企业早已开始通过外贸独立网站的方式进行交易&#xff0c;毕竟拥有自己的网站&#xff0c;就有了企业品牌及网络营销的主阵地。据了解但凡初具规模的公司一般都有自己的网站&#xff0c;在展示企业产品的同时&#xff0c;网站还能为他们带来以下优势&…

php和mysql处理树状_分级_无限分类_分层数据的方法_PHP和MySQL处理树状、分级、无限分类、分层数据的方法...

文章标题中的多个词语表达的其实是一个意思&#xff0c;就是递归分类数据&#xff0c;分级数据非常类似数据结构中的树状结构&#xff0c;即每个节点有自己的孩子节点&#xff0c;孩子结点本身也是父亲节点。这是一个递归、分层形式。可以称之为树形层级数据。层级数据结构是编…