2. Java8 Stream API 概述

基本操作步驟

  1. 創(chuàng)建Stream
  2. 中間操作
  3. 終止操作

1.創(chuàng)建Stream

  1. Collection提供了兩個(gè)方法
  • stream()
    獲取一個(gè)順序流
Stream<String> stream = list.stream();
  • parallelStream()
    獲取一個(gè)并行流
Stream<String> parallelStream = list.parallelStream();

并行流 : 就是把一個(gè)內(nèi)容分成多個(gè)數(shù)據(jù)塊承边,并用不同的線程分 別處理每個(gè)數(shù)據(jù)塊的流

  1. 通過(guò)Arrays 中的 stream() 獲取一個(gè)數(shù)組流
        Integer[] nums = new Integer[10];
        Stream<Integer> stream1 = Arrays.stream(nums);

3.通過(guò)Stream中靜態(tài)方法of()創(chuàng)建

Stream<Integer> stream2 = Stream.of(1, 2, 3, 4, 5, 6, 7, 8, 9);
  1. 創(chuàng)建無(wú)限流
  • 迭代方式
        Stream<Integer> stream3 = Stream.iterate(0, x -> x + 3);
        stream3.forEach(System.out::println);
  • 生成方式
        Stream<Double> stream4 = Stream.generate(Math::random);
        stream4.forEach(System.out::println);

2.中間操作

請(qǐng)看下一節(jié):3. Java8 Stream 操作

3. 終止操作

1. 查找與匹配

方法 描述
allMatch 檢查是否匹配所有元素
anyMatch 檢查是否至少匹配一個(gè)元素
noneMatch 檢查是否沒(méi)有匹配的元素
findFirst 返回第一個(gè)元素
findAny 返回當(dāng)前流中的任意元素
count 返回流中元素的總個(gè)數(shù)
max 返回流中最大值
min 返回流中最小值
  • 例子
        //篩選
        //allMatch——檢查是否匹配所有元素
        boolean match = emps.stream().allMatch(e -> e.getStatus().equals(Employee.Status.BUSY));
        //anyMatch——檢查是否至少匹配一個(gè)元素
        boolean match1 = emps.stream().anyMatch(e -> e.getStatus().equals(Employee.Status.FREE));
        //noneMatch——檢查是否沒(méi)有匹配的元素
        boolean match3 = emps.stream().noneMatch(e -> e.getStatus().equals(Employee.Status.BUSY));
        //findFirst——返回第一個(gè)元素
        Optional<Employee> first = emps.stream().findFirst();
        Employee employee = first.get();
        //findAny——返回當(dāng)前流中的任意元素
        Optional<Employee> any = emps.stream().findAny();
        Employee employee1 = any.get();
        //count——返回流中元素的總個(gè)數(shù)
        long count = emps.stream().count();
        //max——返回流中最大值
        Optional<Integer> max = emps.stream().map(Employee::getAge).max(Integer::compare);
        Integer integer = max.get();
        //min——返回流中最小值
        emps.stream().map(Employee::getId).min(Integer::compare);

注意:流進(jìn)行了終止操作后阐污,不能再次使用

2. 歸約

方法 描述
reduce(T iden, BinaryOperator b) 可以將流中元素反復(fù)結(jié)合起來(lái),得到一個(gè)值边篮。返回T
reduce(BinaryOperator b) 可以將流中元素反復(fù)結(jié)合起來(lái),得到一個(gè)值雕什。返回Optional<T>
        Optional<Integer> reduce = numList.stream().reduce((x, y) -> x + y);
        int s = reduce.get();
        System.out.println(s);

        Optional<Integer> reduce1 = emps.stream().map(Employee::getAge).reduce(Integer::max);
        System.out.println(reduce1.get());
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末裕照,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子在刺,更是在濱河造成了極大的恐慌逆害,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,729評(píng)論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件蚣驼,死亡現(xiàn)場(chǎng)離奇詭異魄幕,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)颖杏,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,226評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門纯陨,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人留储,你說(shuō)我怎么就攤上這事翼抠。” “怎么了获讳?”我有些...
    開封第一講書人閱讀 169,461評(píng)論 0 362
  • 文/不壞的土叔 我叫張陵机久,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我赔嚎,道長(zhǎng)膘盖,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,135評(píng)論 1 300
  • 正文 為了忘掉前任尤误,我火速辦了婚禮侠畔,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘损晤。我一直安慰自己软棺,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,130評(píng)論 6 398
  • 文/花漫 我一把揭開白布尤勋。 她就那樣靜靜地躺著喘落,像睡著了一般茵宪。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上瘦棋,一...
    開封第一講書人閱讀 52,736評(píng)論 1 312
  • 那天稀火,我揣著相機(jī)與錄音,去河邊找鬼赌朋。 笑死凰狞,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的沛慢。 我是一名探鬼主播赡若,決...
    沈念sama閱讀 41,179評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼团甲!你這毒婦竟也來(lái)了逾冬?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,124評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤躺苦,失蹤者是張志新(化名)和其女友劉穎粉渠,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體圾另,經(jīng)...
    沈念sama閱讀 46,657評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡霸株,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,723評(píng)論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了集乔。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片去件。...
    茶點(diǎn)故事閱讀 40,872評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖扰路,靈堂內(nèi)的尸體忽然破棺而出尤溜,到底是詐尸還是另有隱情,我是刑警寧澤汗唱,帶...
    沈念sama閱讀 36,533評(píng)論 5 351
  • 正文 年R本政府宣布宫莱,位于F島的核電站,受9級(jí)特大地震影響哩罪,放射性物質(zhì)發(fā)生泄漏授霸。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,213評(píng)論 3 336
  • 文/蒙蒙 一际插、第九天 我趴在偏房一處隱蔽的房頂上張望碘耳。 院中可真熱鬧,春花似錦框弛、人聲如沸辛辨。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,700評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)斗搞。三九已至指攒,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間僻焚,已是汗流浹背允悦。 一陣腳步聲響...
    開封第一講書人閱讀 33,819評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留溅呢,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 49,304評(píng)論 3 379
  • 正文 我出身青樓猿挚,卻偏偏與公主長(zhǎng)得像咐旧,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子绩蜻,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,876評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容