StreamAPI

WWW
188 阅读14分钟

 了解Stream

  • Java8中有两大最为重要的改变。第一个是 Lambda 表达式；另外一 个则是 Stream API(java.util.stream.*)。
  • Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对 集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作。
  • 使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数 据库查询。也可以使用 Stream API 来并行执行操作。简而言之，** Stream API 提供了一种高效且易于使用的处理数据的方式。**

什么是Stream

流(Stream) 到底是什么呢？

是数据渠道，用于操作数据源（集合、数组等）所生成的元素序列。

“集合讲的是数据，流讲的是计算！”

注意：

①Stream 自己不会存储元素。

②Stream 不会改变源对象。相反，他们会**返回一个持有结果的新Stream。 **

③Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。

Stream 的操作三个步骤

  • 创建 Stream 一个数据源（如：集合、数组），获取一个流
  • 中间操作 一个中间操作链，对数据源的数据进行处理
  • 终止操作(终端操作) 一个终止操作，执行中间操作链，并产生结果

image.png

创建Stream

Java8 中的 Collection 接口被扩展，提供了 两个获取流的方法：

  • default Stream stream() : 返回一个顺序流 (串行)
  • default Stream parallelStream() : 返回一个并行流

由数组创建流

Java8 中的 Arrays 的静态方法 stream() 可 以获取数组流：

  • static Stream stream(T[] array): 返回一个流

重载形式，能够处理对应基本类型的数组：

  • public static IntStream stream(int[] array)
  • public static LongStream stream(long[] array)
  • public static DoubleStream stream(double[] array)

由值创建流

可以使用静态方法 Stream.of(), 通过显示值 创建一个流。它可以接收任意数量的参数。

  • public static Stream of(T... values) : 返回一个流

由函数创建流：创建无限流

可以使用静态方法 Stream.iterate() 和 Stream.generate(), 创建无限流。

  • 迭代
    • public static Stream iterate(final T seed, final UnaryOperator f)
  • 生成
    • public static Stream generate(Supplier s)

Stream 的中间操作

多个中间操作可以连接起来形成一个流水线，除非流水线上触发终止操作，否则中间操作不会执行任何的处理！ 而在终止操作时一次性全部处理，称为“惰性求值” 。

筛选与切片

方法描述
filter(Predicate p)接收 Lambda ， 从流中排除某些元素。
distinct()筛选，通过流所生成元素的 hashCode() 和 equals() 去 除重复元素
limit(long maxSize)截断流，使其元素不超过给定数量
skip(long n)跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素 不足 n 个，则返回一个空流。与 limit(n) 互补

 映射

方法描述
map(Function f)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。
mapToDouble(ToDoubleFunction f)接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 DoubleStream。
mapToInt(ToIntFunction f)接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 IntStream。
mapToLong(ToLongFunction f)接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 LongStream。
flatMap(Function f)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

排序

方法描述
sorted()产生一个新流，其中按自然顺序排序
sorted(Comparator comp)产生一个新流，其中按比较器顺序排序

Stream 的终止操作

终端操作会从流的流水线生成结果。其结果可以是任何不是流的值，例如：List、Integer，甚至是 void 。

 查找与匹配

方法描述
allMatch(Predicate p)检查是否匹配所有元素
anyMatch(Predicate p)检查是否至少匹配一个元素
noneMatch(Predicate p)检查是否没有匹配所有元素
findFirst()返回第一个元素
findAny()返回当前流中的任意元素
count() 返回流中元素总数
max(Compatator c)返回流中最大值
min(Comparator c)返回流中最小值
forEach(Consumer c)内部迭代(使用 Collection 接口需要用户去做迭代，称为外部迭代。相反，Stream API 使用内部 迭代——它帮你把迭代做了)

归约

方法描述
reduce(T iden , BinaryOperator b)可以将流中元素反复结合起来，得到一个值。 返回 T
reduce( BinaryOperator b)可以将流中元素反复结合起来，得到一个值。 返回 Optional

备注：map 和 reduce 的连接通常称为map-reduce 模式，因 Google 用它 来进行网络搜索而出名。

 收集

方法描述
collect(Collector c)将流转换为其他形式。接收一个 Collector接口的 实现，用于给Stream中元素做汇总的方法

Collector 接口中方法的实现决定了如何对流执行收集操作(如收 集到 List、Set、Map)。但是 Collectors 实用类提供了很多静态 方法，可以方便地创建常见收集器实例，具体方法与实例如下表：

方法返回类型作用示列
toListList把流中元素收集到 ListList<Employee> emps=list.stream.collect(Collectors.toList());
toSetSet把流中元素收集到 SetSet<Employee> emps=list.stream().collect(Collectors.toSet());
toCollectionCollection把流中元素收集到创建的集合中Collection<Employee> emps=list.stream().collection(Collectors.toCollection(ArrayList::new));
countingLong计算流中元素的个数long count=list.stream().collect(Collectors.counting());
summingIntInteger对流中元素的整数属性求和int total=list.stream().collect(Collectors.summingInt(Employee::getSalary));
averagingIntDouble计算流中元素 Integer 属性的平均值double avg=list.stream().collect(Collectots.averagingInt(Employee::getSalary()));
summarizingIntIntSummaryStatistics收集流中 Integer 属性的统计值 · 如：平均值IntSummaryStatistics iss =list.stream().collect(Collectors.summarizingInt(Employee::getSalary));
joiningString链接流中每个字符串String str=list.stream().map(Employee::getName).collect(Collectors.joining());
maxByOptional根据比较器选择最大值Optional<Empoyee> max=list.stream().collect(Collectors.maxBy(comparingInt(Employee::getSalary)));
minByOptional根据比较器选择最小值Optional<Employee> min=list.stream().collect(Collectors.minBy(comparingInt(Employee::getSalary)));
reducing规约产生的类型从一个作为累加器的初始值开始，利用 BinaryOperator 与 流中元素逐个结合， 从而归约成单个值int total=list.stream().collect(Collectors.reducing(0,Employee::getSalar,Integer::sum));
collectingAndThen转换为函数返回的类型包裹另外一个收集器，对其结果转换函数int how=list.stream().collect(Collectors.collectingAndThen(Collectors.toList(),List::size));
groupingByMap<K,List>根据某属性值对流分组，属性为 K, 结果为 V
Map<Employee.Status,List<Emp>> map =list.stream().collect(Collectors.groupingBy(Employee::getStatus));
partitioningByMap<Boolean,List>根据 true 或 false 进行分区Map<Boolean,List<Employee>> vd=list.stream.collect(Collectors.partitingBy(Employee::getManage));))

并行流与串行流

并行流就是把一个内容分成多个数据块，并用不同的线程分 别处理每个数据块的流。 Java 8 中将并行进行了优化，我们可以很容易的对数据进行并行操作。

Stream API 可以声明性地通过 parallel() 与 sequential() 在并行流与顺序流之间进行切换

了解 Fork/Join 框架

Fork/Join 框架：就是在必要的情况下，将一个大任务，进行拆分(fork)成若干个 小任务（拆到不可再拆时），再将一个个的小任务运算的结果进行 join 汇总.

image.png

Fork/Join 框架与传统线程池的区别

采用 “工作窃取”模式（work-stealing）：

当执行新的任务时它可以将其拆分分成更小的任务执行，并将小任务加到线 程队列中，然后再从一个随机线程的队列中偷一个并把它放在自己的队列中。

相对于一般的线程池实现,fork/join框架的优势体现在对其中包含的任务的 处理方式上.在一般的线程池中,如果一个线程正在执行的任务由于某些原因 无法继续运行,那么该线程会处于等待状态.而在fork/join框架实现中,如果 某个子问题由于等待另外一个子问题的完成而无法继续运行.那么处理该子 问题的线程会主动寻找其他尚未运行的子问题来执行.这种方式减少了线程 的等待时间,提高了性能.

代码演示

package com.www.java8.test;

import com.www.java8.entity.Employee;
import org.testng.annotations.Test;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.stream.Stream;

/**
 * 一、Stream 的三个操作步骤
 * <p>
 * 1、创建 Stream
 * <p>
 * 2、中间操作
 * <p>
 * 3、终止操作 （终端操作）
 * <p>
 *
 * @author Www
 * <p>
 * 邮箱： 483223455@qq.com
 * <p>
 * 创建时间: 2022/8/12  16:02  星期五
 * <p>
 */
public class StreamApi1Test {
    
    /**
     * 创建 Stream
     */
    @Test
    public void test1() {
        // 1、可以通过 Collection 系列集合提供的 stream() 【串行流】 或 parallelStream() 【并行流】
        List<String> list = new ArrayList<>();
        Stream<String> stream = list.stream();
        
        // 2、通过 Arrays 中的静态方法 stream()  获取 数组流
        Employee[] employee = new Employee[10];
        Stream<Employee> stream1 = Arrays.stream(employee);
        
        // 3、通过 Stream 类中的静态方法 of();
        //        Stream<? extends Serializable> www = Stream.of("www", 12, "564", 20.2, "6+565");
        
        Stream<String> ww = Stream.of("ww", "www", "w");
        
        // 4、创建无限流
        // 迭代
        Stream<Integer> iterate = Stream.iterate(0, x -> x + 2);
        Stream<Integer> limit = iterate.limit(20);
        limit.forEach(System.out::println);
        // 生成
        Stream.generate(() -> (int) (Math.random() * 10))
                .limit(20)
                .forEach(System.out::println);
    }
}


package com.www.java8.test;

import com.www.java8.entity.Employee;
import org.testng.annotations.Test;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.stream.Stream;

/**
 * Stream流的中间操作
 *
 *
 * <p>
 *
 * @author Www
 * <p>
 * 邮箱： 483223455@qq.com
 * <p>
 * 创建时间: 2022/8/12  16:19  星期五
 * <p>
 */
public class StreamApi2Test {
    List<Employee> employees = Arrays.asList(new Employee("w", 21, 9999.99), new Employee("ww", 31, 6666.66), new Employee("www", 41, 777.66), new Employee("ww", 31, 6666.66), new Employee("www", 41, 777.66), new Employee("ww", 31, 6666.66), new Employee("www", 41, 777.66), new Employee("l", 1, 5555.555));
    
    public static Stream<Character> filterCharacter(String str) {
        List<Character> list = new ArrayList<>();
        for (char c : str.toCharArray()) {
            list.add(c);
        }
        return list.stream();
    }
    
    /**
     * 中间操作
     * <p>
     * 筛选与切片
     * <p>
     * filter --- 接收 Lambda, 从流中排除某些元素
     * <p>
     * limit -- 截断流 ，使元素不超过给定数量
     * <p>
     * skip(n) --- 跳过元素，返回一个扔掉 前 n 个元素的流， 若流中元素不足 n 个， 则返回一个 空流，。    与 limit 互补
     * <p>
     * distinct -- 筛选， 通过流所生成元素的hashCode() 和 equals()去重复元素
     */
    @Test
    public void test1() {
        // 内部迭代 ： 迭代操作右 Stream API 完成
        // 中间操作：不执行任何操作
        employees.stream().filter(e -> {
                    System.out.println("Stream API 的中间操作！！！");
                    // &&  ||
                    System.out.println("短路！！！");
                    return e.getAge() > 10;
                })
                // 去重
                .distinct()
                // 跳过元素
                .skip(1)
                // 截断
                .limit(3)
                // 终止操作：一次性执行全部内容，即 ”惰性求值"
                .forEach(System.out::println);
        
    }
    
    /**
     * 映射
     * map -- 接收 Lambda ,将元素转换成其他形式 或 提取信息。接收一个函数作为参数。 该函数会被应用到每个元素上。 并将其映射成为一个新的元素
     * <p>
     * <p>
     * <p>
     * map(Function f) 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。
     * <p>
     * mapToDouble(ToDoubleFunction f) 接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 DoubleStream。
     * <p>
     * mapToInt(ToIntFunction f) 接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 IntStream。
     * <p>
     * mapToLong(ToLongFunction f) 接收一个函数作为参数，该函数会被应用到每个元素上，产生一个新的 LongStream。
     * <p>
     * flatMap(Function f) 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
     */
    @Test
    public void test2() {
        List<String> list = Arrays.asList("aaa", "bbb", "ccc", "ddd", "www");
        list.stream().map(String::toUpperCase).forEach(System.out::println);
        System.out.println("**************************************************************");
        employees.stream().map(Employee::getAge).forEach(System.out::println);
        
        System.out.println("**************************************************************");
        list.stream().flatMap(StreamApi2Test::filterCharacter).forEach(System.out::println);
        
    }
    
    /**
     * add 和 addAll
     */
    @Test
    public void test3() {
        List<String> list = Arrays.asList("aaa", "bbb", "ccc", "ddd", "www");
        List list1 = new ArrayList();
        list1.add(111);
        list1.add(11);
        list1.add(1);
        list1.add(list);
        list1.addAll(list);
        System.out.println(list1);
    }
    
    /**
     * 排序
     * <p>
     * sorted() 产生一个新流，其中按自然顺序排序 Comparable
     * <p>
     * sorted(Comparator comp) 产生一个新流，其中按比较器顺序排序
     */
    @Test
    public void test4() {
        List<String> list = Arrays.asList("aaa", "bbb", "ccc", "ddd", "www");
        list.stream()
                // 自然排序
                .sorted()
                .forEach(System.out::println);
        
        System.out.println("----------------------------------------------");
        employees.stream()
                .sorted((e1, e2) -> {
                    if (e1.getAge().equals(e2.getAge())) {
                        return e1.getName().compareTo(e2.getName());
                    } else {
                        return -e1.getAge().compareTo(e2.getAge());
                    }
                })
                .forEach(System.out::println);
    }
}


package com.www.java8.test;

import com.www.java8.entity.Employee;
import org.testng.annotations.Test;

import java.util.*;
import java.util.stream.Collectors;

/**
 * <p>
 *
 * @author Www
 * <p>
 * 邮箱： 483223455@qq.com
 * <p>
 * 创建时间: 2022/8/12  17:54  星期五
 * <p>
 */
public class StreamApi3Test {
    List<Employee> employees = Arrays.asList(new Employee("w", 21, 9999.99, Employee.Status.FREE), new Employee("ww", 31, 6666.66, Employee.Status.BUSY), new Employee("www", 41, 777.66, Employee.Status.FREE), new Employee("ww", 31, 6666.66, Employee.Status.VOCATION), new Employee("www", 41, 777.66, Employee.Status.FREE), new Employee("ww", 31, 6666.66, Employee.Status.BUSY), new Employee("www", 41, 777.66, Employee.Status.FREE), new Employee("l", 1, 5555.555, Employee.Status.VOCATION));
    
    
    /**
     * 查找匹配
     * <p>
     * <p>
     * allMatch(Predicate p) 检查是否匹配所有元素
     * <p>
     * anyMatch(Predicate p) 检查是否至少匹配一个元素
     * <p>
     * noneMatch(Predicate p) 检查是否没有匹配所有元素
     * <p>
     * findFirst() 返回第一个元素
     * <p>
     * <p>
     * count() 返回流中元素总数
     * <p>
     * findAny() 返回当前流中的任意元素
     * <p>
     * max(Comparator c) 返回流中最大值
     * <p>
     * min(Comparator c) 返回流中最小值
     * <p>
     * forEach(Consumer c) 内部迭代(使用 Collection 接口需要用户去做迭代，称为外部迭代。相反，Stream API 使用内部迭代——它帮你把迭代做了)
     */
    @Test
    public void test1() {
        boolean b = employees.stream()
                // 匹配所有
                .allMatch(e -> e.getStatus().equals(Employee.Status.BUSY));
        System.out.println(b);
        boolean b1 = employees.stream()
                // 至少匹配一个
                .anyMatch(e -> e.getStatus().equals(Employee.Status.BUSY));
        System.out.println(b1);
        boolean b2 = employees.stream()
                // 检查是否没有匹配所有元素
                .noneMatch(e -> e.getStatus().equals(Employee.Status.BUSY));
        System.out.println(b2);
        
        Optional<Employee> first = employees.stream().sorted((e1, e2) -> -Double.compare(e1.getSalary(), e2.getSalary())).findFirst();
        System.out.println(first.get());
        
        Optional<Employee> any = employees.stream().filter(e -> e.getStatus().equals(Employee.Status.VOCATION)).findAny();
        System.out.println(any.get());
        Optional<Employee> any1 = employees.parallelStream().filter(e -> e.getStatus().equals(Employee.Status.VOCATION)).findAny();
        System.out.println(any1.get());
        
        
        long count = employees.stream().count();
        System.out.println(count);
        
        Optional<Employee> max = employees.stream().max(Comparator.comparingDouble(Employee::getSalary));
        System.out.println(max);
        Optional<Double> min = employees.stream().map(Employee::getSalary).min(Double::compare);
        System.out.println(min.get());
        
    }
    
    /**
     * 规约
     * <p>
     * reduce(T iden, BinaryOperator b) 可以将流中元素反复结合起来，得到一个值。返回 T
     * <p>
     * reduce(BinaryOperator b) 可以将流中元素反复结合起来，得到一个值。 返回 Optional<T>
     */
    @Test
    public void test2() {
        List<Integer> list = Arrays.asList(1, 32, 4, 245, 21, 45, 23);
        // 累加操作
        Integer reduce = list.stream().reduce(0, Integer::sum);
        System.out.println("reduce = " + reduce);
        
        System.out.println("————————————————————————————————————————————");
        Optional<Double> reduce1 = employees.stream().map(Employee::getSalary).reduce(Double::sum);
        System.out.println("reduce1.get() = " + reduce1.get());
        
        
    }
    
    
    /**
     * 收集
     * <p>
     * collect(Collector c) 将流转换为其他形式。接收一个 Collector接口的实现，用于给Stream中元素做汇总的方法
     * <p>
     * Collector 接口中方法的实现决定了如何对流执行收集操作(如收集到 List、Set、Map)。但是 Collectors 实用类提供了很多静态方法，可以方便地创建常见收集器实例，具体方法与实例如下表
     * <p>
     * toList           List<T>         把流中元素收集到List       List<Employee> emps= list.stream().collect(Collectors.toList());
     * <p>
     * toSet Set<T>     把流中元素收集到Set     Set<Employee> emps= list.stream().collect(Collectors.toSet());
     * <p>
     * toCollection Collection<T>       把流中元素收集到创建的集合     Collection<Employee>emps=list.stream().collect(Collectors.toCollection(ArrayList::new));
     * <p>
     * counting Long    计算流中元素的个数      long count = list.stream().collect(Collectors.counting());
     * <p>
     * summingInt Integer   对流中元素的整数属性求和   inttotal=list.stream().collect(Collectors.summingInt(Employee::getSalary));
     * <p>
     * averagingInt Double      计算流中元素Integer属性的平均值      doubleavg= list.stream().collect(Collectors.averagingInt(Employee::getSalary));
     * <p>
     * summarizingInt IntSummaryStatistics      收集流中Integer属性的统计值。 如：平均值         IntSummaryStatisticsiss= list.stream().collect(Collectors.summarizingInt(Employee::getSalary));
     * <p>
     * <p>
     * joining String       连接流中每个字符串         String str= list.stream().map(Employee::getName).collect(Collectors.joining());
     * <p>
     * maxBy Optional<T>        根据比较器选择最大值     Optional<Emp>max= list.stream().collect(Collectors.maxBy(comparingInt(Employee::getSalary)));
     * <p>
     * minBy Optional<T>        根据比较器选择最小值     Optional<Em”p> min = list.stream().collect(Collectors.minBy(comparingInt(Employee::getSalary)));
     * <p>
     * reducing     归约产生的类型 从一个作为累加器的初始值 开始，利用BinaryOperator与流中元素逐个结合，从而归约成单个值      inttotal=list.stream().collect(Collectors.reducing(0, Employee::getSalar, Integer::sum));
     * <p>
     * collectingAndThen        转换函数返回的类型 包裹另一个收集器，对其结果转换函数         inthow= list.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));
     * <p>
     * groupingBy Map<K, List<T>>       根据某属性值对流分组，属性为K，结果为V        Map<Emp.Status, List<Emp>> map= list.stream().collect(Collectors.groupingBy(Employee::getStatus));
     * <p>
     * partitioningBy Map<Boolean, List<T>>     根据true或false进行分区         Map<Boolean,List<Emp>>vd= list.stream().collect(Collectors.partitioningBy(Employee::getManage));
     */
    @Test
    public void test3() {
        // collect
        System.out.println("--------------  toList()");
        List<String> collect = employees.stream().map(Employee::getName).collect(Collectors.toList());
        collect.forEach(System.out::println);
        System.out.println("---------- toSet() ");
        Set<String> collect1 = employees.stream().map(Employee::getName).collect(Collectors.toSet());
        collect1.forEach(System.out::println);
        
        System.out.println("--------------toCollection()");
        HashSet<String> collect2 = employees.stream().map(Employee::getName).collect(Collectors.toCollection(HashSet::new));
        collect2.forEach(System.out::println);
        System.out.println("--------------counting()  总数");
        Long collect3 = employees.stream().collect(Collectors.counting());
        System.out.println("collect3 = " + collect3);
        System.out.println("---------------- averagingDouble() 平均值");
        Double collect4 = employees.stream().collect(Collectors.averagingDouble(Employee::getSalary));
        System.out.println("collect4 = " + collect4);
        System.out.println("---------------- summingDouble()  总和");
        Double collect5 = employees.stream().collect(Collectors.summingDouble(Employee::getSalary));
        System.out.println("collect5 = " + collect5);
        System.out.println("--------------  maxBy()  最大值");
        Optional<Employee> collect6 = employees.stream().collect(Collectors.maxBy((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary())));
        System.out.println("collect6.get() = " + collect6.get().getSalary());
        System.out.println("--------------  minBy()  最小值");
        Optional<Double> collect7 = employees.stream().map(Employee::getSalary).collect(Collectors.minBy(Double::compare));
        System.out.println("collect7.get() = " + collect7.get());
    }
    
    /**
     * 分组
     * <p>
     * 根据 Status 分组
     */
    @Test
    public void test4() {
        Map<Employee.Status, List<Employee>> collect = employees.stream().collect(Collectors.groupingBy(Employee::getStatus));
        for (Map.Entry<Employee.Status, List<Employee>> statusListEntry : collect.entrySet()) {
            System.out.println(statusListEntry);
        }
    }
    
    /**
     * 多级分组 Collectors.groupingBy
     * <p>
     * 先根据 status 分组， 再根据 年龄分组
     */
    @Test
    public void test5() {
        Map<Employee.Status, Map<String, List<Employee>>> collect = employees.stream()
                .collect(
                        Collectors.groupingBy(
                                Employee::getStatus,
                                Collectors.groupingBy(e -> {
                                    if (e.getAge() <= 30) {
                                        return "青年";
                                    } else if (e.getAge() <= 50) {
                                        return "中年";
                                    } else {
                                        return "老年";
                                    }
                                })));
        for (Map.Entry<Employee.Status, Map<String, List<Employee>>> statusMapEntry : collect.entrySet()) {
            System.out.println(statusMapEntry.getKey().name());
            for (Map.Entry<String, List<Employee>> stringListEntry : statusMapEntry.getValue().entrySet()) {
                String key = stringListEntry.getKey();
                System.out.print(key + " ");
                List<Employee> value = stringListEntry.getValue();
                value.forEach(System.out::print);
                System.out.println();
            }
            System.out.println();
        }
    }
    
    /**
     * 分区 Collectors.partitioningBy
     */
    @Test
    public void test6() {
        Map<Boolean, List<Employee>> collect = employees.stream()
                .collect(Collectors.partitioningBy(e -> e.getSalary() > 3000));
        for (Map.Entry<Boolean, List<Employee>> booleanListEntry : collect.entrySet()) {
            System.out.println(booleanListEntry.getKey());
            List<Employee> value = booleanListEntry.getValue();
            value.forEach(System.out::print);
            System.out.println();
        }
    }
    
    /**
     * 组函数
     */
    @Test
    public void test7() {
        DoubleSummaryStatistics collect = employees.stream()
                .collect(Collectors.summarizingDouble(Employee::getSalary));
        System.out.println("collect.getAverage() = " + collect.getAverage());
        System.out.println("collect.getMax() = " + collect.getMax());
        System.out.println("collect.getMin() = " + collect.getMin());
        System.out.println("collect.getSum() = " + collect.getSum());
        System.out.println("collect.getCount() = " + collect.getCount());
    }
    /**
     *拼串
     */
    @Test
    public void test8(){
        String collect = employees.stream()
                .map(Employee::getName)
                .collect(Collectors.joining("  "));
        System.out.println("collect = " + collect);
    }
}

FforkJoin 代码演示

package com.www.java8.forkjoin;

import java.util.concurrent.RecursiveTask;

/**
 * <p>
 *
 * @author Www
 * <p>
 * 邮箱： 483223455@qq.com
 * <p>
 * 创建时间: 2022/8/15  16:19  星期一
 * <p>
 */
public class ForkJoinCalculate extends RecursiveTask<Long> {
    /**
     * 序列号
     */
    private static final long serialVersionUID = 113223145L;
    private long start;
    private long end;
    private static final long THRESHOLD = 10000;
    
    public ForkJoinCalculate() {
    }
    
    public ForkJoinCalculate(long start, long end) {
        this.start = start;
        this.end = end;
    }
    
    /**
     * The main computation performed by this task.
     *
     * @return the result of the computation
     */
    @Override
    protected Long compute() {
        long length = start - end;
        if (length <= THRESHOLD) {
            long sum = 0;
            for (long i = start; i <= end; i++) {
                sum += i;
            }
            return sum;
        } else {
            //递归 对半拆分
            long middle = (start + end) / 2;
            ForkJoinCalculate left = new ForkJoinCalculate(start, middle);
            // 拆分子任务， 同时压入线程队列
            left.fork();
            ForkJoinCalculate right = new ForkJoinCalculate(middle, end);
            right.fork();
            return left.join() + right.join();
        }
    }
}
ForkJoinTest
package com.www.java8.forkjoin.test;

import com.www.java8.forkjoin.ForkJoinCalculate;
import org.junit.Test;

import java.time.Duration;
import java.time.Instant;
import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.ForkJoinTask;
import java.util.stream.LongStream;

/**
 * 测试 ForkJoin 测试
 * <p>
 *
 * @author Www
 * <p>
 * 邮箱： 483223455@qq.com
 * <p>
 * 创建时间: 2022/8/15  16:32  星期一
 * <p>
 */
public class ForkJoinTest {
    
    /**
     * ForkJoin 框架i
     */
    @Test
    public void test1() {
        //        long start = System.currentTimeMillis();
        Instant start = Instant.now();
        ForkJoinPool forkJoinPool = new ForkJoinPool();
        ForkJoinTask<Long> task = new ForkJoinCalculate(0, 500000000000L);
        Long invoke = forkJoinPool.invoke(task);
        System.out.println("invoke = " + invoke);
        //        long end = System.currentTimeMillis();
        Instant end = Instant.now();
        // 15044
        //        150046
        //        149984
        System.out.println("耗费时间为" + Duration.between(start, end).toMillis());
    }
    
    /**
     * 普通 for
     */
    @Test
    public void test2() {
        Instant start = Instant.now();
        long sum = 0L;
        for (long i = 0; i <= 500000000000L; i++) {
            sum += i;
        }
        System.out.println("sum = " + sum);
        Instant end = Instant.now();
        //  149984
        //  19033
        System.out.println("耗费时间 " + Duration.between(start, end).toMillis());
    }
    
    /**
     * Java8 并行流
     */
    @Test
    public void test8() {
        Instant start = Instant.now();
        long reduce = LongStream.rangeClosed(0, 500000000000L)
                .parallel()
                .reduce(0, Long::sum);
        System.out.println(reduce);
        Instant end = Instant.now();
        System.out.println("耗费时间 " + Duration.between(start, end).toMillis());
    }
}
avatar
文章
阅读
粉丝