牛气哄哄的java8新特性这是我参与8月更文挑战的第20天，活动详情查看：8月更文挑战 Lambda 可以简介的表示匿名

这是我参与8月更文挑战的第20天，活动详情查看：8月更文挑战

Lambda

可以简介的表示匿名函数的一种形式，没有名称，但有参数列表，返回类型，也可以抛出异常列表。

自定义函数式接口

接口中只能有一个抽象方法，可以有多个default方法。
在接口上注释@FunctionalInterface该注解和@Override类似，只是一种规范，可以不写，但是如果写上该注解，但是接口的定义不符合规范会在编译的时候报错。

eg：

@FunctionalInterface
public interface Predicate<T> {
    boolean test(T t);
}

常见的函数式接口

Predicate

接收泛型，返回boolean

@FunctionalInterface
public interface Predicate<T> {
    boolean test(T t);
}

Consumer

接收泛型，返回void

@FunctionalInterface
public interface Consumer<T> {
    void accept(T t);
}

Function

接收泛型T返回泛型R

@FunctionalInterface
public interface Function<T, R> {
    R apply(T t);
}

Supplier

没有入参返回泛型T

@FunctionalInterface
public interface Supplier<T>{
    T get();
}

Runnerable

@FunctionalInterface
public interface Runnable {
    public abstract void run();
}

方法引用

调用特定方法的lambda的一种快捷写法；一种语法糖。

如果一个Lambda代表的只是“直接调用某个方法”，可以直接通过方法名进行调用。

调用方式 目标引用放在分隔符::前，方法放在后面

eg:

System.out::println

构造函数引用

对于现有构造函数，可以使用名称和关键字new来创建他的一个引用ClassName::new他的功能与指向静态引用类似。

eg:

class Apple{
    public Apple(){}
    public Apple(Integer integer) {}
}
Supplier<Apple> s = Apple::new;
Function<Integer,Apple> f = Apple::new;

Stream

流出现的目的是为了计算，集合出现的目的是为了存储。

eg: 有如下场景：有一串数字，要求不重复的输出该串数字中的偶数。

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 4, 34, 65, 45, 765, 67, 325, 23);

如果是我们自己写，首先，找到偶数，然后存储到Set中，然后遍历Set进行输出。

HashSet<Integer> integerHashSet = new HashSet<>();
for(Integer temp:numbers){
    if(temp%2==0){
        integerHashSet.add(temp);
    }
}
for(Integer temp:integerHashSet){
    System.out.println(temp);
}

使用流计算后

numbers.stream()
        .filter(i->i%2==0)
        .distinct()
        .forEach(System.out::println);

相比之下可以看出使用stream后，大大简化了开发，并且最重要的是之前我们使用了两次for循环，但是使用流之后，开发者不在编写循环语句，而是将循环语句交给了stream内部完成。这样做的好处就是开发者不用关心内部是怎么实现循环遍历的，大大简化了开发难度和程序的可读性。

常见的流操作

方法签名	说明
`Stream<T> limit(long n);`	返回前n个元素的流
`Stream<T> skip(long n);`	返回一个跳过前n个元素的流
`<R> Stream<R> map(Function<? super T, ? extends R> mapper)`	接收一个函数作为参数，并映射成一个新的元素
`<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);`	将所有流“扁平化”成一个流
`boolean allMatch(Predicate<? super T> predicate);`	检查谓词是否匹配所有元素
`boolean anyMatch(Predicate<? super T> predicate);`	检查谓词是否至少匹配一个元素
`boolean noneMatch(Predicate<? super T> predicate);`	流中内容是否没有任何一个元素与给定的相匹配
`Optional<T> findFirst();`	返回流中第一个元素
`Optional<T> findAny();`	返回流中任意一个元素

findFirst的约束比findAny要多，执行时间相对长些。

Optional

是一个容器类，代表一个值存在或者不存在。他的出现可以避免空指针异常。

isPresent() Optional包含值得时候返回true,否则false

ifPresent(Consumer block) Optional 值存在时执行给定的代码

T get() Optional 存在值时返回对应的值，否则抛出NoSuchElement异常

T orElse(T other) 值存在时返回值，否则返回默认值。

归约

reduce一个可以提供迭代的函数

reduce接受两个参数：

一个初始值
一个BinaryOperator<T>来将元素结合起来产生一个新值

除此之外，还提供了一个重载方法

不接受初始值。但是会返回一个Optional对象。（返回Optional防止计算的值不存在返回null）

eg：

计算给定List的和。

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);

传统for-each

int count = 0;
for(Integer t:numbers){
      count+=t;
}

Lambda

Integer count = numbers.stream()
                       .reduce(0, (a, b) -> a + b);

数值流

上面的例子中，在计算的时候每次迭代，元素都要进行“拆箱”然后进行计算，比较浪费时间，java提供了一种比较优雅的流数值流专门用来操作基本数据类型。

映射到数值流常用的方法：mapToInt、mapToDouble和mapToLong。
响应的数值流转换成对象流的方法：boxed。

构建流

由值创建流，和之前创建的方式一样。

Stream<String> stringStream = Stream.of("python", "groovy", "scala");

由数组创建流

int numbers[] = {3,2,5,8,4,7,6,9};
Arrays.stream(numbers);

由文件生成流

Java中处理文件等I/O操作NIO，

try(Stream<String> lines = Files.lines(Paths.get("filepath"),Charset.defaultCharset())) {
  	...
} catch (IOException e) {
    e.printStackTrace();
}

由函数生成流：创建无限流

Stream AP提供了两个静态方法来从函数生成流，Stream.iterate&Stream.generate

生成的流会通过传入的函数无穷无尽的计算下去，应该配合使用limit来进行限制。
1. iterate
  
  iterate接受一个初始值，还有一个一次应用在每个产生新值的Lambda
  
  eg:
```
Stream.iterate(0,n->n+2)
        .limit(10)
        .forEach(System.out::println);
```
2. generate
  
  generate接受一个产生新值的Lambda
  
  eg：
```
Stream.generate(Math::random)
        .limit(5)
        .forEach(System.out::println);
```
收集器

收集器主要提供了三大功能

将元素规约和汇总为一个值
元素分组
元素分区

牛刀小试

找到流中的最大值

public void test6() {
    Optional<Dish> mostCalorieDish = menu.stream().max(comparingInt(Dish::getCalories));
    System.out.println(mostCalorieDish.get().getName());
}

计算菜品中的总热量

public void test7() {
    Integer sum = menu.stream()
            .collect(summingInt(Dish::getCalories));
    System.out.println(sum);
}

连接字符串

参数为分隔符，可以不传

public void test8() {
    String joinWords = menu.stream()
            .map(Dish::getName)
            .collect(joining("::"));
    System.out.println(joinWords);
}

分组

自定义一个分组方法：

private CaloricLevel getCaloricLevel(Dish dish) {
    if (dish.getCalories() <= 400) {
        return CaloricLevel.DIET;
    } else if (dish.getCalories() <= 700) {
        return CaloricLevel.NORMAL;
    } else {
        return CaloricLevel.FAT;
    }
}

将菜品按照类别分组

public void test3() {
    Map<CaloricLevel, List<Dish>> collect = menu.stream().collect(
            groupingBy(this::getCaloricLevel)
    );
}

多级分组

public void test4() {
    Map<Dish.Type, Map<CaloricLevel, List<Dish>>> collect = menu.stream()
            .collect(
                    groupingBy(
                            Dish::getType, groupingBy(
                                    this::getCaloricLevel
                            )
                    )
            );
}

将收集器中的结果转换为另一种类型将菜品按照类别分组，并取出每组热量最高的菜系

collectingAndThen

public void test9() {
    Map<Dish.Type, Dish> mostCaloricByType = menu.stream()
            .collect(
                    groupingBy(
                            Dish::getType,
                            collectingAndThen(
                                    maxBy(comparingInt(Dish::getCalories)),
                                    Optional::get)));
}

分区

分区是分组的一个特殊情况，只返回boolean类型的值，

将菜品按照荤素分开

public void test10(){
        Map<Boolean, List<Dish>> partitionMenu = menu.stream()
                .collect(
                        partitioningBy(Dish::isVegetarian)
                );
    }

Collectors类常用静态工厂方法

工厂方法	返回类型	说明
`toList`	`List<T>`	把所有的项目收集到一个List
`toSet`	`Set<T>`	把所有的项目收集到一个Set
`toCollection`	`Collection<T>`	把所有的项目收集到给定的供应源创建的集合
`counting`	`Long`	计算流中元素个数
`summingInt`	`Integer`	对流中一个整数属性求和
`averageingInt`	`Double`	返回流中项目Integer的平均值
`summarizingInt`	`IntSummaryStatistics`	收集关于流中项目Integer属性的统计值，例如最大、最小和平均值
`joining`	`String`	连接对流中每个项目调用toString方法所生成的字符串
`maxBy`	`Optional<T>`	一个报过了流中按照给定比较器选出最大元素Optional,或如果流为空则为Optional.empty()
`reducing`	`规约产生的类型`	迭代
`collectingAndThen`	转换函数返回值类型	包裹另一个收集器，对其结果应用转换函数
`groupingBy`	`Map<K,List<T>>`	分组
`partitioningBy`	`Map<Boolean,List<T>>`	分区

Collector接口

public interface Collector<T, A, R> {
    /**
     * 建立新的容器结果
     */
    Supplier<A> supplier();

    /**
     * 将元素添加到结果容器
     */
    BiConsumer<A, T> accumulator();

    /**
     * 将两个流合并成一个
     */
    BinaryOperator<A> combiner();

    /**
     * 对结果容器应用最终转换
     */
    Function<A, R> finisher();

    /**
     * 定义了收集器的行为，流是否可以并行规约。以及那些优化的提示，包含三个项目的枚举
     * UNORDERED-----规约结果不受项目中遍历和积累顺序的影响
     * CONCURRENT----可以从多个线程同时调用，该收集器可以并行规约流
     * IDENTITY_FINISH-----累加器A不加检查地转换为结果R是安全的
     */
    Set<Characteristics> characteristics();
}

并行计算

jdk1.7中的并行计算框架`ForkJoin`

这个框架采用经典的算法----分治算法，将任务划分成几个子任务，然后由多线程并行执行子任务，默认开启的线程数由CPU可使用的核数决定。

demo:并行计算从1累加到n

public class ForkJoinSumCalculator extends java.util.concurrent.RecursiveTask<Long> {

    private final long[] numbers;
    /**
     * 子任务处理的数组的起始和终止位置
     */
    private final int start;
    private final int end;

    /**
     * 不在将任务划分为子任务的数组大小
     */
    public static final long THRESHOLD = 10_000;

    private ForkJoinSumCalculator(long[] numbers, int start, int end) {
        this.numbers = numbers;
        this.start = start;
        this.end = end;
    }

    public ForkJoinSumCalculator(long[] numbers){
        this(numbers,0,numbers.length);
    }
    @Override
    protected Long compute() {
        int length = end - start;
        if (length <= THRESHOLD) {
            //如果大小小于或等于阈值，顺序计算结果
            return computeSequentially();
        }
        ForkJoinSumCalculator leftTask = new ForkJoinSumCalculator(numbers, start, start + length / 2);
        //利用另一个ForkJoinPool线程异步执行新创建的子任务
        leftTask.fork();

        ForkJoinSumCalculator rightTask = new ForkJoinSumCalculator(numbers, start + length / 2, end);

        Long rightResult = rightTask.compute();
        Long leftResult = leftTask.join();

        return rightResult + leftResult;
    }

    private Long computeSequentially() {
        long sum = 0;
        for (int i = start; i < end; i++) {
            sum += numbers[i];
        }
        return sum;
    }

    public static void main(String[] args) {
        long[] numbers = LongStream.rangeClosed(1, 1000000).toArray();
        ForkJoinSumCalculator calculator = new ForkJoinSumCalculator(numbers);
        Long invoke = new ForkJoinPool().invoke(calculator);
        System.out.println(invoke);
    }
}

工作窃取

假如我们需要做一个比较大的任务，我们可以把这个任务分割为若干互不依赖的子任务，为了减少线程间的竞争，于是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，线程和队列一一对应，比如A线程负责处理A队列里的任务。但是有的线程会先把自己队列里的任务干完，而其他线程对应的队列里还有任务等待处理。干完活的线程与其等着，不如去帮其他线程干活，于是它就去其他线程的队列里窃取一个任务来执行。而在这时它们会访问同一个队列，所以为了减少窃取任务线程和被窃取任务线程之间的竞争，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。

jdk1.8 Spliterator

public interface Spliterator<T> {
    boolean tryAdvance(Consumer<? super T> action);
    Spliterator<T> trySplit();
    long estimateSize();
    int characteristics();
}

T是遍历Spliterator元素的类型。
tryAdvance方法的行为类似于普通的Iterator
trySplit把一些元素划分给第二个Spliterator,让他们两个并行处理
estimateSize估计还剩多少元素要遍历
characteristics返回一个int，代表Spliterator本身特性集的编码

牛气哄哄的java8新特性