Java 8 Stream
Java 8 API添加了一个新的抽象称为流Stream，可以让你以一种声明的方式处理数据。
Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。
Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。
这种风格将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选， 排序，聚合等。
元素流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果。
什么是 Stream？
Stream（流）是一个来自数据源的元素队列并支持聚合操作
<strong元素队列< strong="">元素是特定类型的对象，形成一个队列。 Java中的Stream并不会存储元素，而是按需计算。 数据源 流的来源。 可以是集合，数组，I/O channel， 产生器generator 等。 聚合操作 类似SQL语句一样的操作， 比如filter, map, reduce, find, match, sorted等。 和以前的Collection操作不同， Stream操作还有两个基础的特征：
Pipelining: 中间操作都会返回流对象本身。 这样多个操作可以串联成一个管道， 如同流式风格（fluent style）。 这样做可以对操作进行优化， 比如延迟执行(laziness)和短路( short-circuiting)。 内部迭代： 以前对集合遍历都是通过Iterator或者For-Each的方式, 显式的在集合外部进行迭代， 这叫做外部迭代。 Stream提供了内部迭代的方式， 通过访问者模式(Visitor)实现。 生成流
在 Java 8 中, 集合接口有两个方法来生成流：
stream() − 为集合创建串行流。
parallelStream() − 为集合创建并行流
下面写一下，我们经常会用到的一些操作案例
一，排序
List
1, 对象集合排序
//降序，根据创建时间降序;
List<User> descList = attributeList.stream().sorted(Comparator.comparing(User::getCreateTime, Comparator.nullsLast(Date::compareTo)).reversed())
.collect(Collectors.toList());
//升序，根据创建时间升序;
List<User> ascList = attributeList.stream().sorted(Comparator.comparing(User::getCreateTime, Comparator.nullsLast(Date::compareTo)))
.collect(Collectors.toList());
2, 数字排序
List<Integer> numbers = Arrays.asList(3, 2, 2, 3, 7, 3, 5);
//升序
List<Integer> ascList = numbers.stream().sorted().collect(Collectors.toList());
结果： [2, 2, 3, 3, 3, 5, 7]
//倒序
List<Integer> descList = numbers.stream().sorted((x, y) -> y - x).collect(Collectors.toList());
结果：[7, 5, 3, 3, 3, 2, 2]
3, 字符串排序
List<String> strList = Arrays.asList("a", "ba", "bb", "abc", "cbb", "bba", "cab");
//自然排序
List<String> ascList = strList.stream().sorted().collect(Collectors.toList());
结果：[a, abc, ba, bb, bba, cab, cbb]
//反转，倒序
ascList.sort(Collections.reverseOrder());
结果：[cbb, cab, bba, bb, ba, abc, a]
//直接反转集合
Collections.reverse(strList);
结果：[cab, bba, cbb, abc, bb, ba, a]
Map
//HashMap是无序的，当我们希望有顺序地去存储key-value时，就需要使用LinkedHashMap了，排序后可以再转成HashMap。
//LinkedHashMap是继承于HashMap，是基于HashMap和双向链表来实现的。
//LinkedHashMap是线程不安全的。
Map<String,String> map = new HashMap<>();
map.put("a","123");
map.put("b","456");
map.put("z","789");
map.put("c","234");
//map根据value正序排序
LinkedHashMap<String, String> linkedMap1 = new LinkedHashMap<>();
map.entrySet().stream().sorted(Comparator.comparing(e -> e.getValue())).forEach(x -> linkedMap1.put(x.getKey(), x.getValue()));
结果：{a=123, c=234, b=456, z=789}
//map根据value倒序排序
LinkedHashMap<String, String> linkedMap2 = new LinkedHashMap<>();
map.entrySet().stream().sorted(Collections.reverseOrder(Map.Entry.comparingByValue())).forEach(x -> linkedMap2.put(x.getKey(), x.getValue()));
结果：{z=789, b=456, c=234, a=123}
//map根据key正序排序
LinkedHashMap<String, String> linkedMap3 = new LinkedHashMap<>();
map.entrySet().stream().sorted(Comparator.comparing(e -> e.getKey())).forEach(x -> linkedMap3.put(x.getKey(), x.getValue()));
结果：{a=123, b=456, c=234, z=789}
//map根据key倒序排序
LinkedHashMap<String, String> linkedMap4 = new LinkedHashMap<>();
map.entrySet().stream().sorted(Collections.reverseOrder(Map.Entry.comparingByKey())).forEach(x -> linkedMap4.put(x.getKey(), x.getValue()));
结果：{z=789, c=234, b=456, a=123}
二，List 转 Map
1、指定key-value，value是对象中的某个属性值。
Map<Integer,String> userMap1 = userList.stream().collect(Collectors.toMap(User::getId,User::getName));
2、指定key-value，value是对象本身，User->User 是一个返回本身的lambda表达式
Map<Integer,User> userMap2 = userList.stream().collect(Collectors.toMap(User::getId,User->User));
3、指定key-value，value是对象本身，Function.identity()是简洁写法，也是返回对象本身
Map<Integer,User> userMap3 = userList.stream().collect(Collectors.toMap(User::getId, Function.identity()));
4、指定key-value，value是对象本身，Function.identity()是简洁写法，也是返回对象本身，key 冲突的解决办法，这里选择第二个key覆盖第一个key。
Map<Integer,User> userMap4 = userList.stream().collect(Collectors.toMap(User::getId, Function.identity(),(key1,key2)->key2));
5、将List根据某个属性进行分组，放入Map；然后组装成key-value格式的数据，分组后集合的顺序会被改变，所以事先设置下排序，然后再排序，保证数据顺序不变。
List<GoodsInfoOut> lst = goodsInfoMapper.getGoodsList();
Map<String, List<GoodsInfoOut>> groupMap = lst.stream().collect(Collectors.groupingBy(GoodsInfoOut::getClassificationOperationId));
List<HomeGoodsInfoOut> retList = groupMap.keySet().stream().map(key -> {
HomeGoodsInfoOut mallOut = new HomeGoodsInfoOut();
mallOut.setClassificationOperationId(key);
if(groupMap.get(key)!=null && groupMap.get(key).size()>0) {
mallOut.setClassificationName(groupMap.get(key).get(0).getClassificationName());
mallOut.setClassificationPic(groupMap.get(key).get(0).getClassificationPic());
mallOut.setClassificationSort(groupMap.get(key).get(0).getClassificationSort());
}
mallOut.setGoodsInfoList(groupMap.get(key));
return mallOut;
}).collect(Collectors.toList());
List<HomeGoodsInfoOut> homeGoodsInfoOutList = retList.stream().sorted(Comparator.comparing(HomeGoodsInfoOut::getClassificationSort))
.collect(Collectors.toList());
5、根据用户性别将数据 - 分组
Map<String, List<UserInfo>> groupMap = userList.stream().collect(Collectors.groupingBy(UserInfo::getSex()));
三，Map 转 List
Map<String,String> map1 = new HashMap<>();
map1.put("a","123");
map1.put("b","456");
map1.put("z","789");
map1.put("c","234");
1、默认顺序
List<UserInfo> list0 = map1.entrySet().stream()
.map(e -> new UserInfo(e.getValue(), e.getKey()))
.collect(Collectors.toList());
结果：[UserInfo(userName=123, mobile=a), UserInfo(userName=456, mobile=b), UserInfo(userName=234, mobile=c), UserInfo(userName=789, mobile=z)]
2、根据Key排序
List<UserInfo> list1 = map1.entrySet().stream()
.sorted(Comparator.comparing(e -> e.getKey())).map(e -> new UserInfo(e.getKey(), e.getValue()))
.collect(Collectors.toList());
结果：[UserInfo(userName=a, mobile=123), UserInfo(userName=b, mobile=456), UserInfo(userName=c, mobile=234), UserInfo(userName=z, mobile=789)]
3、根据Value排序
List<UserInfo> list2 = map1.entrySet().stream()
.sorted(Comparator.comparing(Map.Entry::getValue))
.map(e -> new UserInfo(e.getKey(), e.getValue()))
.collect(Collectors.toList());
结果：[UserInfo(userName=a, mobile=123), UserInfo(userName=c, mobile=234), UserInfo(userName=b, mobile=456), UserInfo(userName=z, mobile=789)]
3、根据Key排序
List<UserInfo> list3 = map1.entrySet().stream()
.sorted(Map.Entry.comparingByKey())
.map(e -> new UserInfo(e.getKey(), e.getValue()))
.collect(Collectors.toList());
结果：[UserInfo(userName=a, mobile=123), UserInfo(userName=b, mobile=456), UserInfo(userName=c, mobile=234), UserInfo(userName=z, mobile=789)]
四，从List中获取某个属性
//拿出所有手机号
List<String> mobileList = userList.stream().map(RemindUserOut::getMobile).collect(Collectors.toList());
//拿出所有AppId，并去重
List<String> appIdList = appIdList.stream().map(WechatWebViewDomain::getAppId).collect(Collectors.toList()).stream().distinct().collect(Collectors.toList());
//拿出集合中重复的billNo，【.filter(map->StringUtils.isNotEmpty(map.getBillNo()))】这是过滤掉为空的数据；否则，有空数据会抛异常
List<String> repeatCodeList = resultList.stream().filter(map->StringUtils.isNotEmpty(map.getBillNo())).collect(Collectors.groupingBy(BillUploadIn::getBillNo, Collectors.counting())).entrySet().stream().filter(entry -> entry.getValue() > 1).map(Map.Entry::getKey).collect(Collectors.toList());
五，筛选并根据属性去重
List<UserInfo> uList = new ArrayList<>();
UserInfo u1 = new UserInfo(1,"小白","15600000000");
UserInfo u2 = new UserInfo(2,"小黑","15500000000");
uList.add(u1);
uList.add(u2);
//过滤名字是小白的数据
List list1= uList.stream()
.filter(b -> "小白".equals(b.getUserName()))
.collect(Collectors.collectingAndThen(Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(b -> b.getId()))), ArrayList::new));
结果：list1===[UserInfo(id=1, userName=小白, mobile=15600000000)]
//根据ID去重
List list2= uList.stream()
.collect(Collectors.collectingAndThen(Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(b -> b.getId()))), ArrayList::new));
结果：list2===[UserInfo(id=1, userName=小白, mobile=15600000000), UserInfo(id=2, userName=小黑, mobile=15500000000)]
六，计算；和，最大，最小，平均值。
List<UserInfo> uList = new ArrayList<>();
UserInfo user1 = new UserInfo(1,"小白","15600000000",10,new BigDecimal(10));
UserInfo user2 = new UserInfo(2,"小黑","15500000000",15,new BigDecimal(20));
UserInfo user3 = new UserInfo(2,"小彩","15500000000",88,new BigDecimal(99));
uList.add(user1);
uList.add(user2);
uList.add(user3);
//和
Double d1 = uList.stream().mapToDouble(UserInfo::getNum).sum();
结果：113.0
//最大
Double d2 = uList.stream().mapToDouble(UserInfo::getNum).max().getAsDouble();
结果：88.0
//最小
Double d3 = uList.stream().mapToDouble(UserInfo::getNum).min().getAsDouble();
结果：10.0
//平均值
Double d4 = uList.stream().mapToDouble(UserInfo::getNum).average().getAsDouble();
结果：37.666666666666664
//除了统计double类型，还有int和long，bigDecimal需要用到reduce求和
DecimalFormat df = new DecimalFormat("0.00");//保留两位小数点
//和
BigDecimal add = uList.stream().map(UserInfo::getPrice).reduce(BigDecimal.ZERO, BigDecimal::add);
System.out.println(df.format(add));
结果：129.00
//最大
Optional<UserInfo> max = uList.stream().max((u1, u2) -> u1.getNum().compareTo(u2.getNum()));
System.out.println(df.format(max.get().getPrice()));
结果：99.00
//最小
Optional<UserInfo> min = uList.stream().min((u1, u2) -> u1.getNum().compareTo(u2.getNum()));
System.out.println(df.format(min.get().getPrice()));
结果：10.00
//求和,还有mapToInt、mapToLong、flatMapToDouble、flatMapToInt、flatMapToLong
list.stream().mapToDouble(UserInfo::getNum).sum();
//最大
list.stream().mapToDouble(UserInfo::getNum).max();
//最小
list.stream().mapToDouble(UserInfo::getNum).min();
//平均值
list.stream().mapToDouble(UserInfo::getNum).average();
未完，待续...
