还看不懂同事的代码?超强的 Stream 流操作姿势还不学习一下

Java 8 新特性系列文章索引。

  1. Jdk14都要出了,还不会使用 Optional优雅的处理空指针?
  2. Jdk14 都要出了,Jdk8 的时间处理姿势还不了解一下?
  3. 还看不懂同事的代码?Lambda 表达式、函数接口了解一下

前言

我们都知道 Lambda 和 Stream 是 Java 8 的两大亮点功能,在前面的文章里已经介绍过 Lambda 相关知识,这次介绍下 Java 8 的 Stream 流操作。它完全不同于 java.io 包的 Input/Output Stream ,也不是大数据实时处理的 Stream 流。这个 Stream 流操作是 Java 8 对集合操作功能的增强,专注于对集合的各种高效、便利、优雅的聚合操作。借助于 Lambda 表达式,显著的提高编程效率可读性。且 Stream 提供了并行计算模式,可以简洁的编写出并行代码,能充分发挥如今计算机的多核处理优势。

在使用 Stream 流操作之前你应该先了解 Lambda 相关知识,如果还不了解,可以参考之前文章:还看不懂同事的代码?Lambda 表达式、函数接口了解一下 。

1. Stream 流介绍

Stream 不同于其他集合框架,它也不是某种数据结构,也不会保存数据,但是它负责相关计算,使用起来更像一个高级的迭代器。在之前的迭代器中,我们只能先遍历然后在执行业务操作,而现在只需要指定执行什么操作, Stream 就会隐式的遍历然后做出想要的操作。另外 Stream 和迭代器一样的只能单向处理,如同奔腾长江之水一去而不复返。

由于 Stream 流提供了惰性计算并行处理的能力,在使用并行计算方式时数据会被自动分解成多段然后并行处理,最后将结果汇总。所以 Stream 操作可以让程序运行变得更加高效。

2. Stream 流概念

Stream 流的使用总是按照一定的步骤进行,可以抽象出下面的使用流程。

数据源(source) -> 数据处理/转换(intermedia) -> 结果处理(terminal )

2.1. 数据源

数据源(source)也就是数据的来源,可以通过多种方式获得 Stream 数据源,下面列举几种常见的获取方式。

  • Collection.stream(); 从集合获取流。
  • Collection.parallelStream(); 从集合获取并行流。
  • Arrays.stream(T array) or Stream.of(); 从数组获取流。
  • BufferedReader.lines(); 从输入流中获取流。
  • IntStream.of() ; 从静态方法中获取流。
  • Stream.generate(); 自己生成流

2.2. 数据处理

数据处理/转换(intermedia)步骤可以有多个操作,这步也被称为intermedia(中间操作)。在这个步骤中不管怎样操作,它返回的都是一个新的流对象,原始数据不会发生任何改变,而且这个步骤是惰性计算处理的,也就是说只调用方法并不会开始处理,只有在真正的开始收集结果时,中间操作才会生效,而且如果遍历没有完成,想要的结果已经获取到了(比如获取第一个值),会停止遍历,然后返回结果。惰性计算可以显著提高运行效率。

数据处理演示。

@Testpublic void streamDemo(){    List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");    // 1. 筛选出名字长度为4的    // 2. 名字前面拼接 This is    // 3. 遍历输出    nameList.stream()            .filter(name -> name.length() == 4)            .map(name -> "This is "+name)            .forEach(name -> System.out.println(name));}// 输出结果// This is Jack// This is Poul

数据处理/转换操作自然不止是上面演示的过滤 filter 和 map映射两种,另外还有 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等。

2.3. 收集结果

结果处理(terminal )是流处理的最后一步,执行完这一步之后流会被彻底用尽,流也不能继续操作了。也只有到了这个操作的时候,流的数据处理/转换等中间过程才会开始计算,也就是上面所说的惰性计算结果处理也必定是流操作的最后一步。

常见的结果处理操作有 forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator 等。

下面演示了简单的结果处理的例子。

/** * 转换成为大写然后收集结果,遍历输出 */@Testpublic void toUpperCaseDemo() {    List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");    List<String> upperCaseNameList = nameList.stream()            .map(String::toUpperCase)            .collect(Collectors.toList());    upperCaseNameList.forEach(name -> System.out.println(name + ","));}// 输出结果// DARCY,CHRIS,LINDA,SID,KIM,JACK,POUL,PETER,

2.4. short-circuiting

有一种 Stream 操作被称作 short-circuiting ,它是指当 Stream 流无限大但是需要返回的 Stream 流是有限的时候,而又希望它能在有限的时间内计算出结果,那么这个操作就被称为short-circuiting。例如 findFirst 操作。

3. Stream 流使用

Stream 流在使用时候总是借助于 Lambda 表达式进行操作,Stream 流的操作也有很多种方式,下面列举的是常用的 11 种操作。

3.1. Stream 流获取

获取 Stream 的几种方式在上面的 Stream 数据源里已经介绍过了,下面是针对上面介绍的几种获取 Stream 流的使用示例。

@Testpublic void createStream() throws FileNotFoundException {    List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");    String[] nameArr = {"Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter"};    // 集合获取 Stream 流    Stream<String> nameListStream = nameList.stream();    // 集合获取并行 Stream 流    Stream<String> nameListStream2 = nameList.parallelStream();    // 数组获取 Stream 流    Stream<String> nameArrStream = Stream.of(nameArr);    // 数组获取 Stream 流    Stream<String> nameArrStream1 = Arrays.stream(nameArr);    // 文件流获取 Stream 流    BufferedReader bufferedReader = new BufferedReader(new FileReader("README.md"));    Stream<String> linesStream = bufferedReader.lines();    // 从静态方法获取流操作    IntStream rangeStream = IntStream.range(1, 10);    rangeStream.limit(10).forEach(num -> System.out.print(num+","));    System.out.println();    IntStream intStream = IntStream.of(1, 2, 3, 3, 4);    intStream.forEach(num -> System.out.print(num+","));}

3.2. forEach

forEach 是 Stream 流中的一个重要方法,用于遍历 Stream 流,它支持传入一个标准的 Lambda 表达式。但是它的遍历不能通过 return/break 进行终止。同时它也是一个 terminal 操作,执行之后 Stream 流中的数据会被消费掉。

如输出对象。

List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);numberList.stream().forEach(number -> System.out.println(number+","));// 输出结果// 1,2,3,4,5,6,7,8,9,

3.3. map / flatMap

使用 map 把对象一对一映射成另一种对象或者形式。

/** * 把数字值乘以2 */@Testpublic void mapTest() {    List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);    // 映射成 2倍数字    List<Integer> collect = numberList.stream()            .map(number -> number * 2)            .collect(Collectors.toList());    collect.forEach(number -> System.out.print(number + ","));    System.out.println();    numberList.stream()            .map(number -> "数字 " + number + ",")            .forEach(number -> System.out.println(number));}// 输出结果// 2,4,6,8,10,12,14,16,18,// 数字 1,数字 2,数字 3,数字 4,数字 5,数字 6,数字 7,数字 8,数字 9,

上面的 map 可以把数据进行一对一的映射,而有些时候关系可能不止 1对 1那么简单,可能会有1对多。这时可以使用 flatMap。下面演示使用 flatMap把对象扁平化展开。

/** * flatmap把对象扁平化 */@Testpublic void flatMapTest() {    Stream<List<Integer>> inputStream = Stream.of(            Arrays.asList(1),            Arrays.asList(2, 3),            Arrays.asList(4, 5, 6)    );    List<Integer> collect = inputStream            .flatMap((childList) -> childList.stream())            .collect(Collectors.toList());    collect.forEach(number -> System.out.print(number + ","));}// 输出结果// 1,2,3,4,5,6,

3.4. filter

使用 filter 进行数据筛选,挑选出想要的元素,下面的例子演示怎么挑选出偶数数字。

/** * filter 数据筛选 * 筛选出偶数数字 */@Testpublic void filterTest() {    List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);    List<Integer> collect = numberList.stream()            .filter(number -> number % 2 == 0)            .collect(Collectors.toList());    collect.forEach(number -> System.out.print(number + ","));}

得到如下结果。

2,4,6,8,

3.5. findFirst

findFirst 可以查找出 Stream 流中的第一个元素,它返回的是一个 Optional 类型,如果还不知道 Optional 类的用处,可以参考之前文章 Jdk14都要出了,还不能使用 Optional优雅的处理空指针? 。

/** * 查找第一个数据 * 返回的是一个 Optional 对象 */@Testpublic void findFirstTest(){    List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);    Optional<Integer> firstNumber = numberList.stream()            .findFirst();    System.out.println(firstNumber.orElse(-1));}// 输出结果// 1

findFirst 方法在查找到需要的数据之后就会返回不再遍历数据了,也因此 findFirst 方法可以对有无限数据的 Stream 流进行操作,也可以说 findFirst 是一个 short-circuiting 操作。

3.6. collect / toArray

Stream 流可以轻松的转换为其他结构,下面是几种常见的示例。

 /** * Stream 转换为其他数据结构 */@Testpublic void collectTest() {    List<Integer> numberList = Arrays.asList(1, 1, 2, 2, 3, 3, 4, 4, 5);    // to array    Integer[] toArray = numberList.stream()            .toArray(Integer[]::new);    // to List    List<Integer> integerList = numberList.stream()            .collect(Collectors.toList());    // to set    Set<Integer> integerSet = numberList.stream()            .collect(Collectors.toSet());    System.out.println(integerSet);    // to string    String toString = numberList.stream()            .map(number -> String.valueOf(number))            .collect(Collectors.joining()).toString();    System.out.println(toString);    // to string split by ,    String toStringbJoin = numberList.stream()            .map(number -> String.valueOf(number))            .collect(Collectors.joining(",")).toString();    System.out.println(toStringbJoin);}// 输出结果// [1, 2, 3, 4, 5]// 112233445// 1,1,2,2,3,3,4,4,5

3.7. limit / skip

获取或者扔掉前 n 个元素

/** * 获取 / 扔掉前 n 个元素 */@Testpublic void limitOrSkipTest() {    // 生成自己的随机数流    List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);    ageList.stream()            .limit(3)            .forEach(age -> System.out.print(age+","));    System.out.println();    ageList.stream()            .skip(3)            .forEach(age -> System.out.print(age+","));}// 输出结果// 11,22,13,// 14,25,26,

3.8. Statistics

数学统计功能,求一组数组的最大值、最小值、个数、数据和、平均数等。

/** * 数学计算测试 */@Testpublic void mathTest() {    List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6);    IntSummaryStatistics stats = list.stream().mapToInt(x -> x).summaryStatistics();    System.out.println("最小值:" + stats.getMin());    System.out.println("最大值:" + stats.getMax());    System.out.println("个数:" + stats.getCount());    System.out.println("和:" + stats.getSum());    System.out.println("平均数:" + stats.getAverage());}// 输出结果// 最小值:1// 最大值:6// 个数:6// 和:21// 平均数:3.5

3.9. groupingBy

分组聚合功能,和数据库的 Group by 的功能一致。

/** * groupingBy * 按年龄分组 */@Testpublic void groupByTest() {    List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);    Map<String, List<Integer>> ageGrouyByMap = ageList.stream()                    .collect(Collectors.groupingBy(age -> String.valueOf(age / 10)));    ageGrouyByMap.forEach((k, v) -> {        System.out.println("年龄" + k + "0多岁的有:" + v);    });}// 输出结果// 年龄10多岁的有:[11, 13, 14]// 年龄20多岁的有:[22, 25, 26]

3.10. partitioningBy

/** * partitioningBy * 按某个条件分组 * 给一组年龄,分出成年人和未成年人 */public void partitioningByTest() {    List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);    Map<Boolean, List<Integer>> ageMap = ageList.stream()            .collect(Collectors.partitioningBy(age -> age > 18));    System.out.println("未成年人:" + ageMap.get(false));    System.out.println("成年人:" + ageMap.get(true));}// 输出结果// 未成年人:[11, 13, 14]// 成年人:[22, 25, 26]

3.11. 进阶 - 自己生成 Stream 流

/** * 生成自己的 Stream 流 */@Testpublic void generateTest(){    // 生成自己的随机数流    Random random = new Random();    Stream<Integer> generateRandom = Stream.generate(random::nextInt);    generateRandom.limit(5).forEach(System.out::println);    // 生成自己的 UUID 流    Stream<UUID> generate = Stream.generate(UUID::randomUUID);    generate.limit(5).forEach(System.out::println);}// 输出结果// 793776932// -2051545609// -917435897// 298077102// -1626306315// 31277974-841a-4ad0-a809-80ae105228bd// f14918aa-2f94-4774-afcf-fba08250674c// d86ccefe-1cd2-4eb4-bb0c-74858f2a7864// 4905724b-1df5-48f4-9948-fa9c64c7e1c9// 3af2a07f-0855-455f-a339-6e890e533ab3

上面的例子中 Stream 流是无限的,但是获取到的结果是有限的,使用了 Limit 限制获取的数量,所以这个操作也是 short-circuiting 操作。

4. Stream 流优点

4.1. 简洁优雅

正确使用并且正确格式化的 Stream 流操作代码不仅简洁优雅,更让人赏心悦目。下面对比下在使用 Stream 流和不使用 Stream 流时相同操作的编码风格。

/** * 使用流操作和不使用流操作的编码风格对比 */@Testpublic void diffTest() {    // 不使用流操作    List<String> names = Arrays.asList("Jack", "Jill", "Nate", "Kara", "Kim", "Jullie", "Paul", "Peter");    // 筛选出长度为4的名字    List<String> subList = new ArrayList<>();    for (String name : names) {        if (name.length() == 4) {            subList.add(name);        }    }    // 把值用逗号分隔    StringBuilder sbNames = new StringBuilder();    for (int i = 0; i < subList.size() - 1; i++) {        sbNames.append(subList.get(i));        sbNames.append(", ");    }    // 去掉最后一个逗号    if (subList.size() > 1) {        sbNames.append(subList.get(subList.size() - 1));    }    System.out.println(sbNames);}// 输出结果// Jack, Jill, Nate, Kara, Paul

如果是使用 Stream 流操作。

// 使用 Stream 流操作String nameString = names.stream()       .filter(num -> num.length() == 4)       .collect(Collectors.joining(", "));System.out.println(nameString);

4.2. 惰性计算

上面有提到,数据处理/转换(intermedia) 操作 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等这些操作,在调用方法时并不会立即调用,而是在真正使用的时候才会生效,这样可以让操作延迟到真正需要使用的时刻。

下面会举个例子演示这一点。

 /**  * 找出偶数  */ @Test public void lazyTest() {     // 生成自己的随机数流     List<Integer> numberLIst = Arrays.asList(1, 2, 3, 4, 5, 6);     // 找出偶数     Stream<Integer> integerStream = numberLIst.stream()             .filter(number -> {                 int temp = number % 2;                  if (temp == 0 ){                     System.out.println(number);                 }                 return temp == 0;             });     System.out.println("分割线");     List<Integer> collect = integerStream.collect(Collectors.toList()); }

如果没有 惰性计算,那么很明显会先输出偶数,然后输出 分割线。而实际的效果是。

分割线246

可见 惰性计算 把计算延迟到了真正需要的时候。

4.3. 并行计算

获取 Stream 流时可以使用 parallelStream 方法代替 stream 方法以获取并行处理流,并行处理可以充分的发挥多核优势,而且不增加编码的复杂性。

下面的代码演示了生成一千万个随机数后,把每个随机数乘以2然后求和时,串行计算和并行计算的耗时差异。

  /**  * 并行计算  */ @Test public void main() {     // 生成自己的随机数流,取一千万个随机数     Random random = new Random();     Stream<Integer> generateRandom = Stream.generate(random::nextInt);     List<Integer> numberList = generateRandom.limit(10000000).collect(Collectors.toList());     // 串行 - 把一千万个随机数,每个随机数 * 2 ,然后求和     long start = System.currentTimeMillis();     int sum = numberList.stream()         .map(number -> number * 2)         .mapToInt(x -> x)         .sum();     long end = System.currentTimeMillis();     System.out.println("串行耗时:"+(end - start)+"ms,和是:"+sum);     // 并行 - 把一千万个随机数,每个随机数 * 2 ,然后求和     start = System.currentTimeMillis();     sum = numberList.parallelStream()         .map(number -> number * 2)         .mapToInt(x -> x)         .sum();     end = System.currentTimeMillis();     System.out.println("并行耗时:"+(end - start)+"ms,和是:"+sum); }

得到如下输出。

串行耗时:1005ms,和是:481385106并行耗时:47ms,和是:481385106

效果显而易见,代码简洁优雅。

5. Stream 流建议

5.1 保证正确排版

从上面的使用案例中,可以发现使用 Stream 流操作的代码非常简洁,而且可读性更高。但是如果不正确的排版,那么看起来将会很糟糕,比如下面的同样功能的代码例子,多几层操作呢,是不是有些让人头大?

// 不排版String string = names.stream().filter(num -> num.length() == 4).map(name -> name.toUpperCase()).collect(Collectors.joining(","));// 排版String string = names.stream()        .filter(num -> num.length() == 4)        .map(name -> name.toUpperCase())        .collect(Collectors.joining(","));

5.2 保证函数纯度

如果想要你的 Stream 流对于每次的相同操作的结果都是相同的话,那么你必须保证 Lambda 表达式的纯度,也就是下面两点。

  • Lambda 中不会更改任何元素。
  • Lambda 中不依赖于任何可能更改的元素。

这两点对于保证函数的幂等非常重要,不然你程序执行结果可能会变得难以预测,就像下面的例子。

@Testpublic void simpleTest(){    List<Integer> numbers = Arrays.asList(1, 2, 3);    int[] factor = new int[] { 2 };    Stream<Integer> stream = numbers.stream()            .map(e -> e * factor[0]);    factor[0] = 0;    stream.forEach(System.out::println);}// 输出结果// 0// 0// 0

文中代码都已经上传到

https://github.com/niumoo/jdk-feature/blob/master/src/main/java/net/codingme/feature/jdk8/Jdk8Stream.java


Original url: Access
Created at: 2019-11-22 09:51:45
Category: default
Tags: none

请先后发表评论
  • 最新评论
  • 总共0条评论