--- theme: awesome-green --- 「本文已参与好文召集令活动，点击查看：[后端、大前端双赛道投稿，2万元奖池等你挑战！](https://juejin.cn/post/6978685539985653767)」 ## 概念 > `Stream`将要处理的元素集合看作一种流，在流的过程中，借助`Stream API`对流中的元素进行操作，比如：筛选、排序、聚合等。 ![image-20210701194245361](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/9ee19bebe5294d5386518b2a6397cd50~tplv-k3u1fbpfcp-zoom-1.image) > `Stream` 的操作符大体上分为两种：`中间操作符`和`终止操作符` ## 中间操作符 **对于数据流来说，中间操作符在执行制定处理程序后，数据流依然可以传递给下一级的操作符。** **中间操作符包含8种(排除了parallel,sequential，这两个操作并不涉及到对数据流的加工操作)：** 1. map(mapToInt,mapToLong,mapToDouble) 转换操作符，把比如A->B，这里默认提供了转int，long，double的操作符。 2. flatmap(flatmapToInt,flatmapToLong,flatmapToDouble) 拍平操作比如把 int[]{2,3,4} 拍平变成 2，3，4 也就是从原来的一个数据变成了3个数据，这里默认提供了拍平成int,long,double的操作符。 3. limit 限流操作，比如数据流中有10个我只要出前3个就可以使用。 4. distint 去重操作，对重复元素去重，底层使用了equals方法。 5. filter 过滤操作，把不想要的数据过滤。 6. peek 挑出操作，如果想对数据进行某些操作，如：读取、编辑修改等。 7. skip 跳过操作，跳过某些元素。 8. sorted(unordered) 排序操作，对元素排序，前提是实现Comparable接口，当然也可以自定义比较器。 ## 终止操作符 **数据经过中间加工操作，就轮到终止操作符上场了；** **终止操作符就是用来对数据进行收集或者消费的，数据到了终止操作这里就不会向下流动了，终止操作符只能使用一次。** 1. collect 收集操作，将所有数据收集起来，这个操作非常重要，官方的提供的Collectors 提供了非常多收集器，可以说Stream 的核心在于Collectors。 2. count 统计操作，统计最终的数据个数。 3. findFirst、findAny 查找操作，查找第一个、查找任何一个返回的类型为Optional。 4. noneMatch、allMatch、anyMatch 匹配操作，数据流中是否存在符合条件的元素返回值为bool 值。 5. min、max 最值操作，需要自定义比较器，返回数据流中最大最小的值。 6. reduce 规约操作，将整个数据流的值规约为一个值，count、min、max底层就是使用reduce。 7. forEach、forEachOrdered 遍历操作，这里就是对最终的数据进行消费了。 8. toArray 数组操作，将数据流的元素转换成数组。 ## Stream的创建 1、通过 `java.util.Collection.stream()` 方法用集合创建流 ```java List list = Arrays.asList("a", "b", "c"); // 创建一个顺序流 Stream stream = list.stream(); // 创建一个并行流 Stream parallelStream = list.parallelStream(); ``` 2、使用`java.util.Arrays.stream(T[] array)`方法用数组创建流 ```java int[] array={1,3,5,6,8}; IntStream stream = Arrays.stream(array); ``` 3、使用`Stream`的静态方法：`of()、iterate()、generate()` ```java Stream stream = Stream.of(1, 2, 3, 4, 5, 6); Stream stream2 = Stream.iterate(0, (x) -> x + 3).limit(4); stream2.forEach(System.out::println); // 0 3 6 9 Stream stream3 = Stream.generate(Math::random).limit(3); stream3.forEach(System.out::println); ``` 输出结果： ``` 3 6 9 0.8106623442686114 0.11554643727388458 0.1404645961428974 Process finished with exit code 0 ``` > `stream`和`parallelStream`的简单区分： `stream`是顺序流，由主线程按顺序对流执行操作； `parallelStream`是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数，两者的处理不同之处： ![image-20210701230623951](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/840f813b60f84a12ac2add0bfa9a2919~tplv-k3u1fbpfcp-zoom-1.image) ## Stream使用 ### 遍历/匹配（foreach/find/match） `Stream`也是支持类似集合的遍历和匹配元素的，只是`Stream`中的元素是以`Optional`类型存在的。`Stream`的遍历、匹配非常简单。 ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList(7, 6, 9, 3, 8, 2, 1); // 遍历输出符合条件的元素 list.stream().filter(x -> x > 6).forEach(System.out::println); // 匹配第一个 Optional findFirst = list.stream().filter(x -> x > 6).findFirst(); // 匹配任意（适用于并行流） Optional findAny = list.parallelStream().filter(x -> x > 6).findAny(); // 是否包含符合特定条件的元素 boolean anyMatch = list.stream().anyMatch(x -> x < 6); System.out.println("匹配第一个值：" + findFirst.get()); System.out.println("匹配任意一个值：" + findAny.get()); System.out.println("是否存在大于6的值：" + anyMatch); } } ``` 输出结果： ``` 7 9 8 匹配第一个值：7 匹配任意一个值：8 是否存在大于6的值：true Process finished with exit code 0 ``` ### 筛选（filter）筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。 **筛选出`Integer`集合中大于7的元素，并打印出来** ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList(6, 7, 3, 8, 1, 2, 9); Stream stream = list.stream(); stream.filter(x -> x > 7).forEach(System.out::println); } } ``` 输出结果： ``` 8 9 Process finished with exit code 0 ``` ### 聚合（max/min/count) `max`、`min`、`count`这些字眼你一定不陌生，没错，在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。 **案例一：获取`String`集合中最长的元素。** ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd"); Optional max = list.stream().max(Comparator.comparing(String::length)); System.out.println("最长的字符串：" + max.get()); } } ``` 输出结果： ``` 最长的字符串：weoujgsd Process finished with exit code 0 ``` **案例二：获取`Integer`集合中的最大值。** ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList(7, 6, 9, 4, 11, 6); // 自然排序 Optional max = list.stream().max(Integer::compareTo); // 自定义排序 Optional max2 = list.stream().max(new Comparator() { @Override public int compare(Integer o1, Integer o2) { return o1.compareTo(o2); } }); System.out.println("自然排序的最大值：" + max.get()); System.out.println("自定义排序的最大值：" + max2.get()); } } ``` 输出结果： ``` 自然排序的最大值：11 自定义排序的最大值：11 Process finished with exit code 0 ``` **案例三：计算`Integer`集合中大于6的元素的个数。** ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList(7, 6, 4, 8, 2, 11, 9); long count = list.stream().filter(x -> x > 6).count(); System.out.println("list中大于6的元素个数：" + count); } } ``` 输出结果： ``` list中大于6的元素个数：4 Process finished with exit code 0 ``` ### 映射(map/flatMap) 映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为`map`和`flatMap`： - `map`：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。 - `flatMap`：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。 **案例一：英文字符串数组的元素全部改为大写。整数数组每个元素+3。** ```java public class StreamTest { public static void main(String[] args) { String[] strArr = { "abcd", "bcdd", "defde", "fTr" }; List strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList()); System.out.println("每个元素大写：" + strList); List intList = Arrays.asList(1, 3, 5, 7, 9, 11); List intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList()); System.out.println("每个元素+3：" + intListNew); } } ``` 输出结果： ``` 每个元素大写：[ABCD, BCDD, DEFDE, FTR] 每个元素+3：[4, 6, 8, 10, 12, 14] Process finished with exit code 0 ``` **案例二：将两个字符数组合并成一个新的字符数组。** ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList("m,k,l,a", "1,3,5,7"); List listNew = list.stream().flatMap(s -> { // 将每个元素转换成一个stream String[] split = s.split(","); Stream s2 = Arrays.stream(split); return s2; }).collect(Collectors.toList()); System.out.println("处理前的集合：" + list); System.out.println("处理后的集合：" + listNew); } } ``` 输出结果： ``` 处理前的集合：[m,k,l,a, 1,3,5,7] 处理后的集合：[m, k, l, a, 1, 3, 5, 7] Process finished with exit code 0 ``` ### 归约(reduce) 归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。 **案例一：求`Integer`集合的元素之和、乘积和最大值。** ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList(1, 3, 2, 8, 11, 4); // 求和方式1 Optional sum = list.stream().reduce(Integer::sum); // 求和方式2 Optional sum2 = list.stream().reduce(Integer::sum); // 求和方式3 Integer sum3 = list.stream().reduce(0, Integer::sum); // 求乘积 Optional product = list.stream().reduce((x, y) -> x * y); // 求最大值方式1 Optional max = list.stream().reduce((x, y) -> x > y ? x : y); // 求最大值写法2 Integer max2 = list.stream().reduce(1, Integer::max); System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3); System.out.println("list求积：" + product.get()); System.out.println("list求和：" + max.get() + "," + max2); } } ``` 输出结果： ``` list求和：29,29,29 list求积：2112 list求和：11,11 Process finished with exit code 0 ``` ### 归集(toList/toSet/toMap) 因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。`toList`、`toSet`和`toMap`比较常用，另外还有`toCollection`、`toConcurrentMap`等复杂一些的用法。下面用一个案例演示`toList`、`toSet`和`toMap`： ```java public class Person { private String name; // 姓名 private int salary; // 薪资 private int age; // 年龄 private String sex; //性别 private String area; // 地区 // 构造方法 public Person(String name, int salary, int age,String sex,String area) { this.name = name; this.salary = salary; this.age = age; this.sex = sex; this.area = area; } public String getName() { return name; } public void setName(String name) { this.name = name; } public int getSalary() { return salary; } public void setSalary(int salary) { this.salary = salary; } public int getAge() { return age; } public void setAge(int age) { this.age = age; } public String getSex() { return sex; } public void setSex(String sex) { this.sex = sex; } public String getArea() { return area; } public void setArea(String area) { this.area = area; } @Override public String toString() { return "Person{" + "name='" + name + '\'' + ", salary=" + salary + ", age=" + age + ", sex='" + sex + '\'' + ", area='" + area + '\'' + '}'; } } ``` ```java public class StreamTest { public static void main(String[] args) { List list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20); List listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList()); Set set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet()); List personList = new ArrayList(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); personList.add(new Person("Anni", 8200, 24, "female", "New York")); Map map = personList.stream().filter(p -> p.getSalary() > 8000) .collect(Collectors.toMap(Person::getName, p -> p)); System.out.println("toList:" + listNew); System.out.println("toSet:" + set); System.out.println("toMap:" + map); } } ``` 输出结果： ``` toList:[6, 4, 6, 6, 20] toSet:[4, 20, 6] toMap:{Tom=Person{name='Tom', salary=8900, age=23, sex='male', area='New York'}, Anni=Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}} Process finished with exit code 0 ``` ### 统计(count/averaging) `Collectors`提供了一系列用于数据统计的静态方法： - 计数：`count` - 平均值：`averagingInt`、`averagingLong`、`averagingDouble` - 最值：`maxBy`、`minBy` - 求和：`summingInt`、`summingLong`、`summingDouble` - 统计以上所有：`summarizingInt`、`summarizingLong`、`summarizingDouble` **案例：统计员工人数、平均工资、工资总额、最高工资。** ```java public class StreamTest { public static void main(String[] args) { List personList = new ArrayList(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); // 求总数 long count = personList.size(); // 求平均工资 Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary)); // 求最高工资 Optional max = personList.stream().map(Person::getSalary).max(Integer::compare); // 求工资之和 int sum = personList.stream().mapToInt(Person::getSalary).sum(); // 一次性统计所有信息 DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary)); System.out.println("员工总数：" + count); System.out.println("员工平均工资：" + average); System.out.println("员工最高工资：" + max.get()); System.out.println("员工工资总和：" + sum); System.out.println("员工工资所有统计：" + collect); } } ``` 输出结果： ``` 员工总数：3 员工平均工资：7900.0 员工最高工资：8900 员工工资总和：23700 员工工资所有统计：DoubleSummaryStatistics{count=3, sum=23700.000000, min=7000.000000, average=7900.000000, max=8900.000000} Process finished with exit code 0 ``` ### 分组(partitioningBy/groupingBy) - 分区：将`stream`按条件分为两个`Map`，比如员工按薪资是否高于8000分为两部分。 - 分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。 **案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组** ```java public class StreamTest { public static void main(String[] args) { List personList = new ArrayList(); personList.add(new Person("Tom", 8900, 23, "male", "Washington")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "New York")); personList.add(new Person("Anni", 8200, 24, "female", "New York")); // 将员工按薪资是否高于8000分组 Map> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000)); // 将员工按性别分组 Map> group = personList.stream().collect(Collectors.groupingBy(Person::getSex)); // 将员工先按性别分组，再按地区分组 Map>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea))); System.out.println("员工按薪资是否大于8000分组情况：" + part); System.out.println("员工按性别分组情况：" + group); System.out.println("员工按性别、地区：" + group2); } } ``` 输出结果： ``` 员工按薪资是否大于8000分组情况：{false=[Person{name='Jack', salary=7000, age=25, sex='male', area='Washington'}, Person{name='Lily', salary=7800, age=21, sex='female', area='New York'}], true=[Person{name='Tom', salary=8900, age=23, sex='male', area='Washington'}, Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}]} 员工按性别分组情况：{female=[Person{name='Lily', salary=7800, age=21, sex='female', area='New York'}, Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}], male=[Person{name='Tom', salary=8900, age=23, sex='male', area='Washington'}, Person{name='Jack', salary=7000, age=25, sex='male', area='Washington'}]} 员工按性别、地区：{female={New York=[Person{name='Lily', salary=7800, age=21, sex='female', area='New York'}, Person{name='Anni', salary=8200, age=24, sex='female', area='New York'}]}, male={Washington=[Person{name='Tom', salary=8900, age=23, sex='male', area='Washington'}, Person{name='Jack', salary=7000, age=25, sex='male', area='Washington'}]}} Process finished with exit code 0 ``` ### 接合(joining) `joining`可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。 ```java public class StreamTest { public static void main(String[] args) { List personList = new ArrayList(); personList.add(new Person("Tom", 8900, 23, "male", "New York")); personList.add(new Person("Jack", 7000, 25, "male", "Washington")); personList.add(new Person("Lily", 7800, 21, "female", "Washington")); String names = personList.stream().map(Person::getName).collect(Collectors.joining(",")); System.out.println("所有员工的姓名：" + names); List list = Arrays.asList("A", "B", "C"); String string = list.stream().collect(Collectors.joining("-")); System.out.println("拼接后的字符串：" + string); } } ``` 输出结果： ``` 所有员工的姓名：Tom,Jack,Lily 拼接后的字符串：A-B-C Process finished with exit code 0 ``` ### 排序(sorted) `sorted`，中间操作。有两种排序： - `sorted()`：自然排序，流中元素需实现`Comparable`接口 - `sorted(Comparator com)`：`Comparator`排序器自定义排序 **案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序** ```java public class StreamTest { public static void main(String[] args) { List personList = new ArrayList(); personList.add(new Person("Sherry", 9000, 24, "female", "New York")); personList.add(new Person("Tom", 8900, 22, "male", "Washington")); personList.add(new Person("Jack", 9000, 25, "male", "Washington")); personList.add(new Person("Lily", 8800, 26, "male", "New York")); personList.add(new Person("Alisa", 9000, 26, "female", "New York")); // 按工资升序排序（自然排序） List newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName) .collect(Collectors.toList()); // 按工资倒序排序 List newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()) .map(Person::getName).collect(Collectors.toList()); // 先按工资再按年龄升序排序 List newList3 = personList.stream() .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName) .collect(Collectors.toList()); // 先按工资再按年龄自定义排序（降序） List newList4 = personList.stream().sorted((p1, p2) -> { if (p1.getSalary() == p2.getSalary()) { return p2.getAge() - p1.getAge(); } else { return p2.getSalary() - p1.getSalary(); } }).map(Person::getName).collect(Collectors.toList()); System.out.println("按工资升序排序：" + newList); System.out.println("按工资降序排序：" + newList2); System.out.println("先按工资再按年龄升序排序：" + newList3); System.out.println("先按工资再按年龄自定义降序排序：" + newList4); } } ``` 输出结果： ``` 按工资升序排序：[Lily, Tom, Sherry, Jack, Alisa] 按工资降序排序：[Sherry, Jack, Alisa, Tom, Lily] 先按工资再按年龄升序排序：[Lily, Tom, Sherry, Jack, Alisa] 先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily] Process finished with exit code 0 ``` ### 提取/组合流也可以进行合并、去重、限制、跳过等操作。 ```java public class StreamTest { public static void main(String[] args) { String[] arr1 = { "a", "b", "c", "d" }; String[] arr2 = { "d", "e", "f", "g" }; Stream stream1 = Stream.of(arr1); Stream stream2 = Stream.of(arr2); // concat:合并两个流 distinct：去重 List newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList()); // limit：限制从流中获得前n个数据 List collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList()); // skip：跳过前n个数据 List collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList()); System.out.println("流合并：" + newList); System.out.println("limit：" + collect); System.out.println("skip：" + collect2); } } ``` 输出结果： ``` 流合并：[a, b, c, d, e, f, g] limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19] skip：[3, 5, 7, 9, 11] Process finished with exit code 0 ``` ### 分页操作 stream api 的强大之处还不仅仅是对集合进行各种组合操作，还支持分页操作。例如，将如下的数组从小到大进行排序，排序完成之后，从第1行开始，查询10条数据出来，操作如下： ```java //需要查询的数据 List numbers = Arrays.asList(3, 2, 2, 3, 7, 3, 5, 10, 6, 20, 30, 40, 50, 60, 100); List dataList = numbers.stream().sorted(Integer::compareTo).skip(0).limit(10).collect(Collectors.toList()); System.out.println(dataList.toString()); ``` 输出结果： ``` [2, 2, 3, 3, 3, 5, 6, 7, 10, 20] Process finished with exit code 0 ``` ### 并行操作所谓并行，指的是多个任务在同一时间点发生，并由不同的cpu进行处理，不互相抢占资源；而并发，指的是多个任务在同一时间点内同时发生了，但由同一个cpu进行处理，互相抢占资源。 stream api 的并行操作和串行操作，只有一个方法区别，其他都一样，例如下面我们使用parallelStream来输出空字符串的数量： ```java List strings = Arrays.asList("abc", "", "bc", "efg", "abcd", "", "jkl"); // 采用并行计算方法，获取空字符串的数量 long count = strings.parallelStream().filter(String::isEmpty).count(); System.out.println(count); ``` **在实际使用的时候，`并行操作`不一定比`串行操作`快！对于简单操作，数量非常大，同时服务器是多核的话，建议使用Stream并行！反之，采用串行操作更可靠！** ### 集合转Map操作在实际的开发过程中，还有一个使用最频繁的操作就是，将集合元素中某个主键字段作为key，元素作为value，来实现集合转map的需求，这种需求在数据组装方面使用的非常多。 ```java public static void main(String[] args) { List personList = new ArrayList<>(); personList.add(new Person("Tom",7000,25,"male","安徽")); personList.add(new Person("Jack",8000,30,"female","北京")); personList.add(new Person("Lucy",9000,40,"male","上海")); personList.add(new Person("Airs",10000,40,"female","深圳")); Map collect = personList.stream().collect(Collectors.toMap(Person::getAge, v -> v, (k1, k2) -> k1)); System.out.println(collect); } ``` 输出结果： ``` {40=Person{name='Lucy', salary=9000, age=40, sex='male', area='上海'}, 25=Person{name='Tom', salary=7000, age=25, sex='male', area='安徽'}, 30=Person{name='Jack', salary=8000, age=30, sex='female', area='北京'}} Process finished with exit code 0 ``` 打开`Collectors.toMap`方法源码，一起来看看。 ```java public static Collector> toMap(Function keyMapper, Function valueMapper, BinaryOperator mergeFunction) { return toMap(keyMapper, valueMapper, mergeFunction, HashMap::new); } ``` 从参数表可以看出： - 第一个参数：表示 key - 第二个参数：表示 value - 第三个参数：表示某种规则上文中的`Collectors.toMap(Person::getAge, v -> v, (k1,k2) -> k1)`，表达的意思就是将`age`的内容作为`key`，`v -> v`是表示将元素`person`作为`value`，其中`(k1,k2) -> k1`表示如果存在相同的`key`，将第一个匹配的元素作为内容，第二个舍弃！ ## 结尾本文主要，围绕 jdk stream api 操作，结合实际的日常开发需求，做了简单总结和分享。希望你也能跟着一起敲一遍加深印象，相信都能掌握这些操作符的初步用法；后续文章我会带大家一步步深入Stream。看完了，希望你能点个赞，哈哈。