這篇關(guān)于java stream的文章寫的特別好赠涮,轉(zhuǎn)載一下溃列,以備自己查看例证。轉(zhuǎn)載自
Java 8 中的 Streams API 詳解
為什么需要 Stream
Stream 作為 Java 8 的一大亮點,它與 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念冠句。它也不同于 StAX 對 XML 解析的 Stream轻掩,也不是 Amazon Kinesis 對大數(shù)據(jù)實時處理的 Stream。Java 8 中的 Stream 是對集合(Collection)對象功能的增強懦底,它專注于對集合對象進行各種非常便利唇牧、高效的聚合操作(aggregate operation),或者大批量數(shù)據(jù)操作 (bulk data operation)聚唐。Stream API 借助于同樣新出現(xiàn)的 Lambda 表達式丐重,極大的提高編程效率和程序可讀性。同時它提供串行和并行兩種模式進行匯聚操作拱层,并發(fā)模式能夠充分利用多核處理器的優(yōu)勢弥臼,使用 fork/join 并行方式來拆分任務(wù)和加速處理過程。通常編寫并行代碼很難而且容易出錯, 但使用 Stream API 無需編寫一行多線程的代碼根灯,就可以很方便地寫出高性能的并發(fā)程序。所以說掺栅,Java 8 中首次出現(xiàn)的 java.util.stream 是一個函數(shù)式語言+多核時代綜合影響的產(chǎn)物烙肺。
什么是聚合操作
在傳統(tǒng)的 J2EE 應(yīng)用中,Java 代碼經(jīng)常不得不依賴于關(guān)系型數(shù)據(jù)庫的聚合操作來完成諸如:
- 客戶每月平均消費金額
- 最昂貴的在售商品
- 本周完成的有效訂單(排除了無效的)
- 取十個數(shù)據(jù)樣本作為首頁推薦
這類的操作氧卧。
但在當今這個數(shù)據(jù)大爆炸的時代桃笙,在數(shù)據(jù)來源多樣化、數(shù)據(jù)海量化的今天沙绝,很多時候不得不脫離 RDBMS搏明,或者以底層返回的數(shù)據(jù)為基礎(chǔ)進行更上層的數(shù)據(jù)統(tǒng)計。而 Java 的集合 API 中闪檬,僅僅有極少量的輔助型方法星著,更多的時候是程序員需要用 Iterator 來遍歷集合,完成相關(guān)的聚合應(yīng)用邏輯粗悯。這是一種遠不夠高效虚循、笨拙的方法。在 Java 7 中样傍,如果要發(fā)現(xiàn) type 為 grocery 的所有交易横缔,然后返回以交易值降序排序好的交易 ID 集合,我們需要這樣寫:
清單 1. Java 7 的排序衫哥、取值實現(xiàn)
List<Transaction> groceryTransactions = new Arraylist<>();
for(Transaction t: transactions){
if(t.getType() == Transaction.GROCERY){
groceryTransactions.add(t);
}
}
Collections.sort(groceryTransactions, new Comparator(){
public int compare(Transaction t1, Transaction t2){
return t2.getValue().compareTo(t1.getValue());
}
});
List<Integer> transactionIds = new ArrayList<>();
for(Transaction t: groceryTransactions){
transactionsIds.add(t.getId());
}
而在 Java 8 使用 Stream茎刚,代碼更加簡潔易讀须眷;而且使用并發(fā)模式间影,程序執(zhí)行速度更快。
清單 2. Java 8 的排序戈稿、取值實現(xiàn)
List<Integer> transactionsIds = transactions.parallelStream().
filter(t -> t.getType() == Transaction.GROCERY).
sorted(comparing(Transaction::getValue).reversed()).
map(Transaction::getId).
collect(toList());
Stream 總覽
什么是流
Stream 不是集合元素,它不是數(shù)據(jù)結(jié)構(gòu)并不保存數(shù)據(jù)泉沾,它是有關(guān)算法和計算的捞蚂,它更像一個高級版本的 Iterator。原始版本的 Iterator跷究,用戶只能顯式地一個一個遍歷元素并對其執(zhí)行某些操作姓迅;高級版本的 Stream,用戶只要給出需要對其包含的元素執(zhí)行什么操作俊马,比如 “過濾掉長度大于 10 的字符串”丁存、“獲取每個字符串的首字母”等,Stream 會隱式地在內(nèi)部進行遍歷柴我,做出相應(yīng)的數(shù)據(jù)轉(zhuǎn)換解寝。
Stream 就如同一個迭代器(Iterator),單向艘儒,不可往復(fù)聋伦,數(shù)據(jù)只能遍歷一次,遍歷過一次后即用盡了界睁,就好比流水從面前流過觉增,一去不復(fù)返。
而和迭代器又不同的是翻斟,Stream 可以并行化操作逾礁,迭代器只能命令式地、串行化操作访惜。顧名思義嘹履,當使用串行方式去遍歷時,每個 item 讀完后再讀下一個 item债热。而使用并行去遍歷時砾嫉,數(shù)據(jù)會被分成多個段,其中每一個都在不同的線程中處理阳柔,然后將結(jié)果一起輸出焰枢。Stream 的并行操作依賴于 Java7 中引入的 Fork/Join 框架(JSR166y)來拆分任務(wù)和加速處理過程。Java 的并行 API 演變歷程基本如下:
- 1.0-1.4 中的 java.lang.Thread
- 5.0 中的 java.util.concurrent
- 6.0 中的 Phasers 等
- 7.0 中的 Fork/Join 框架
- 8.0 中的 Lambda
Stream 的另外一大特點是舌剂,數(shù)據(jù)源本身可以是無限的济锄。
流的構(gòu)成
當我們使用一個流的時候,通常包括三個基本步驟:
獲取一個數(shù)據(jù)源(source)→ 數(shù)據(jù)轉(zhuǎn)換→執(zhí)行操作獲取想要的結(jié)果霍转,每次轉(zhuǎn)換原有 Stream 對象不改變荐绝,返回一個新的 Stream 對象(可以有多次轉(zhuǎn)換),這就允許對其操作可以像鏈條一樣排列避消,變成一個管道低滩,如下圖所示召夹。
圖 1. 流管道 (Stream Pipeline) 的構(gòu)成
有多種方式生成 Stream Source:
- 從 Collection 和數(shù)組
- Collection.stream()
- Collection.parallelStream()
- Arrays.stream(T array) or Stream.of()
從 BufferedReader - java.io.BufferedReader.lines()
- 靜態(tài)工廠
- java.util.stream.IntStream.range()
- java.nio.file.Files.walk()
- 自己構(gòu)建
- java.util.Spliterator
其他 - Random.ints()
- BitSet.stream()
- Pattern.splitAsStream(java.lang.CharSequence)
- JarFile.stream()
- java.util.Spliterator
流的操作類型分為兩種:
- Intermediate:一個流可以后面跟隨零個或多個 intermediate 操作。其目的主要是打開流恕沫,做出某種程度的數(shù)據(jù)映射/過濾监憎,然后返回一個新的流,交給下一個操作使用婶溯。這類操作都是惰性化的(lazy)鲸阔,就是說,僅僅調(diào)用到這類方法迄委,并沒有真正開始流的遍歷褐筛。
- Terminal:一個流只能有一個 terminal 操作,當這個操作執(zhí)行后叙身,流就被使用“光”了渔扎,無法再被操作。所以這必定是流的最后一個操作信轿。Terminal 操作的執(zhí)行晃痴,才會真正開始流的遍歷,并且會生成一個結(jié)果虏两,或者一個 side effect愧旦。
在對于一個 Stream 進行多次轉(zhuǎn)換操作 (Intermediate 操作),每次都對 Stream 的每個元素進行轉(zhuǎn)換定罢,而且是執(zhí)行多次,這樣時間復(fù)雜度就是 N(轉(zhuǎn)換次數(shù))個 for 循環(huán)里把所有操作都做掉的總和嗎旁瘫?其實不是這樣的祖凫,轉(zhuǎn)換操作都是 lazy 的,多個轉(zhuǎn)換操作只會在 Terminal 操作的時候融合起來酬凳,一次循環(huán)完成惠况。我們可以這樣簡單的理解,Stream 里有個操作函數(shù)的集合宁仔,每次轉(zhuǎn)換操作就是把轉(zhuǎn)換函數(shù)放入這個集合中稠屠,在 Terminal 操作的時候循環(huán) Stream 對應(yīng)的集合,然后對每個元素執(zhí)行所有的函數(shù)翎苫。
還有一種操作被稱為 short-circuiting权埠。用以指:
- 對于一個 intermediate 操作,如果它接受的是一個無限大(infinite/unbounded)的 Stream煎谍,但返回一個有限的新 Stream攘蔽。
- 對于一個 terminal 操作,如果它接受的是一個無限大的 Stream呐粘,但能在有限的時間計算出結(jié)果满俗。
當操作一個無限大的 Stream转捕,而又希望在有限時間內(nèi)完成操作,則在管道內(nèi)擁有一個 short-circuiting 操作是必要非充分條件唆垃。
清單 3. 一個流操作的示例
int sum = widgets.stream()
.filter(w -> w.getColor() == RED)
.mapToInt(w -> w.getWeight())
.sum();
stream() 獲取當前小物件的 source五芝,filter 和 mapToInt 為 intermediate 操作,進行數(shù)據(jù)篩選和轉(zhuǎn)換辕万,最后一個 sum() 為 terminal 操作枢步,對符合條件的全部小物件作重量求和。
流的使用詳解
簡單說蓄坏,對 Stream 的使用就是實現(xiàn)一個 filter-map-reduce 過程价捧,產(chǎn)生一個最終結(jié)果,或者導(dǎo)致一個副作用(side effect)涡戳。
流的構(gòu)造與轉(zhuǎn)換
下面提供最常見的幾種構(gòu)造 Stream 的樣例结蟋。
清單 4. 構(gòu)造流的幾種常見方法
// 1. Individual values
Stream stream = Stream.of("a", "b", "c");
// 2. Arrays
String [] strArray = new String[] {"a", "b", "c"};
stream = Stream.of(strArray);
stream = Arrays.stream(strArray);
// 3. Collections
List<String> list = Arrays.asList(strArray);
stream = list.stream();
需要注意的是,對于基本數(shù)值型渔彰,目前有三種對應(yīng)的包裝類型 Stream:
IntStream嵌屎、LongStream、DoubleStream恍涂。當然我們也可以用 Stream<Integer>宝惰、Stream<Long> >、Stream<Double>再沧,但是 boxing 和 unboxing 會很耗時尼夺,所以特別為這三種基本數(shù)值型提供了對應(yīng)的 Stream。
Java 8 中還沒有提供其它數(shù)值型 Stream炒瘸,因為這將導(dǎo)致擴增的內(nèi)容較多淤堵。而常規(guī)的數(shù)值型聚合運算可以通過上面三種 Stream 進行。
清單 5. 數(shù)值流的構(gòu)造
IntStream.of(new int[]{1, 2, 3}).forEach(System.out::println);
IntStream.range(1, 3).forEach(System.out::println);
IntStream.rangeClosed(1, 3).forEach(System.out::println);
清單 6. 流轉(zhuǎn)換為其它數(shù)據(jù)結(jié)構(gòu)
// 1. Array
String[] strArray1 = stream.toArray(String[]::new);
// 2. Collection
List<String> list1 = stream.collect(Collectors.toList());
List<String> list2 = stream.collect(Collectors.toCollection(ArrayList::new));
Set set1 = stream.collect(Collectors.toSet());
Stack stack1 = stream.collect(Collectors.toCollection(Stack::new));
// 3. String
String str = stream.collect(Collectors.joining()).toString();
一個 Stream 只可以使用一次顷扩,上面的代碼為了簡潔而重復(fù)使用了數(shù)次拐邪。
流的操作
接下來,當把一個數(shù)據(jù)結(jié)構(gòu)包裝成 Stream 后隘截,就要開始對里面的元素進行各類操作了扎阶。常見的操作可以歸類如下。
Intermediate:
map (mapToInt, flatMap 等)婶芭、 filter东臀、 distinct、 sorted雕擂、 peek啡邑、 limit、 skip井赌、 parallel谤逼、 sequential贵扰、 unorderedTerminal:
forEach、 forEachOrdered流部、 toArray戚绕、 reduce、 collect枝冀、 min舞丛、 max、 count果漾、 anyMatch球切、 allMatch、 noneMatch绒障、 findFirst吨凑、 findAny、 iteratorShort-circuiting:
anyMatch户辱、 allMatch鸵钝、 noneMatch、 findFirst庐镐、 findAny恩商、 limit
我們下面看一下 Stream 的比較典型用法。
map/flatMap
我們先來看 map必逆。如果你熟悉 scala 這類函數(shù)式語言怠堪,對這個方法應(yīng)該很了解,它的作用就是把 input Stream 的每一個元素名眉,映射成 output Stream 的另外一個元素研叫。
清單 7. 轉(zhuǎn)換大寫
List<String> output = wordList.stream().
map(String::toUpperCase).
collect(Collectors.toList());
這段代碼把所有的單詞轉(zhuǎn)換為大寫。
清單 8. 平方數(shù)
List<Integer> nums = Arrays.asList(1, 2, 3, 4);
List<Integer> squareNums = nums.stream().
map(n -> n * n).
collect(Collectors.toList());
這段代碼生成一個整數(shù) list 的平方數(shù) {1, 4, 9, 16}璧针。
從上面例子可以看出,map 生成的是個 1:1 映射渊啰,每個輸入元素探橱,都按照規(guī)則轉(zhuǎn)換成為另外一個元素。還有一些場景绘证,是一對多映射關(guān)系的隧膏,這時需要 flatMap。
清單 9. 一對多
Stream<List<Integer>> inputStream = Stream.of(
Arrays.asList(1),
Arrays.asList(2, 3),
Arrays.asList(4, 5, 6)
);
Stream<Integer> outputStream = inputStream.
flatMap((childList) -> childList.stream());
flatMap 把 input Stream 中的層級結(jié)構(gòu)扁平化嚷那,就是將最底層元素抽出來放到一起胞枕,最終 output 的新 Stream 里面已經(jīng)沒有 List 了,都是直接的數(shù)字魏宽。
filter
filter 對原始 Stream 進行某項測試腐泻,通過測試的元素被留下來生成一個新 Stream决乎。
清單 10. 留下偶數(shù)
Integer[] sixNums = {1, 2, 3, 4, 5, 6};
Integer[] evens =
Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new);
經(jīng)過條件“被 2 整除”的 filter,剩下的數(shù)字為 {2, 4, 6}派桩。
清單 11. 把單詞挑出來
List<String> output = reader.lines().
flatMap(line -> Stream.of(line.split(REGEXP))).
filter(word -> word.length() > 0).
collect(Collectors.toList());
這段代碼首先把每行的單詞用 flatMap 整理到新的 Stream构诚,然后保留長度不為 0 的,就是整篇文章中的全部單詞了铆惑。
forEach
forEach 方法接收一個 Lambda 表達式范嘱,然后在 Stream 的每一個元素上執(zhí)行該表達式。
清單 12. 打印姓名(forEach 和 pre-java8 的對比)
// Java 8
roster.stream()
.filter(p -> p.getGender() == Person.Sex.MALE)
.forEach(p -> System.out.println(p.getName()));
// Pre-Java 8
for (Person p : roster) {
if (p.getGender() == Person.Sex.MALE) {
System.out.println(p.getName());
}
}
對一個人員集合遍歷员魏,找出男性并打印姓名丑蛤。可以看出來撕阎,forEach 是為 Lambda 而設(shè)計的受裹,保持了最緊湊的風(fēng)格。而且 Lambda 表達式本身是可以重用的闻书,非常方便名斟。當需要為多核系統(tǒng)優(yōu)化時,可以 parallelStream().forEach()魄眉,只是此時原有元素的次序沒法保證砰盐,并行的情況下將改變串行時操作的行為,此時 forEach 本身的實現(xiàn)不需要調(diào)整坑律,而 Java8 以前的 for 循環(huán) code 可能需要加入額外的多線程邏輯岩梳。
但一般認為,forEach 和常規(guī) for 循環(huán)的差異不涉及到性能晃择,它們僅僅是函數(shù)式風(fēng)格與傳統(tǒng) Java 風(fēng)格的差別冀值。
另外一點需要注意,forEach 是 terminal 操作宫屠,因此它執(zhí)行后列疗,Stream 的元素就被“消費”掉了,你無法對一個 Stream 進行兩次 terminal 運算浪蹂。下面的代碼是錯誤的:
stream.forEach(element -> doOneThing(element));
stream.forEach(element -> doAnotherThing(element));
相反抵栈,具有相似功能的 intermediate 操作 peek 可以達到上述目的。如下是出現(xiàn)在該 api javadoc 上的一個示例坤次。
清單 13. peek 對每個元素執(zhí)行操作并返回一個新的 Stream
Stream.of("one", "two", "three", "four")
.filter(e -> e.length() > 3)
.peek(e -> System.out.println("Filtered value: " + e))
.map(String::toUpperCase)
.peek(e -> System.out.println("Mapped value: " + e))
.collect(Collectors.toList());
forEach 不能修改自己包含的本地變量值古劲,也不能用 break/return 之類的關(guān)鍵字提前結(jié)束循環(huán)。
findFirst
這是一個 termimal 兼 short-circuiting 操作缰猴,它總是返回 Stream 的第一個元素产艾,或者空。
這里比較重點的是它的返回值類型:Optional。這也是一個模仿 Scala 語言中的概念闷堡,作為一個容器隘膘,它可能含有某值,或者不包含缚窿。使用它的目的是盡可能避免 NullPointerException棘幸。
清單 14. Optional 的兩個用例
String strA = " abcd ", strB = null;
print(strA);
print("");
print(strB);
getLength(strA);
getLength("");
getLength(strB);
public static void print(String text) {
// Java 8
Optional.ofNullable(text).ifPresent(System.out::println);
// Pre-Java 8
if (text != null) {
System.out.println(text);
}
}
public static int getLength(String text) {
// Java 8
return Optional.ofNullable(text).map(String::length).orElse(-1);
// Pre-Java 8
// return if (text != null) ? text.length() : -1;
};
在更復(fù)雜的 if (xx != null) 的情況中,使用 Optional 代碼的可讀性更好倦零,而且它提供的是編譯時檢查误续,能極大的降低 NPE 這種 Runtime Exception 對程序的影響,或者迫使程序員更早的在編碼階段處理空值問題扫茅,而不是留到運行時再發(fā)現(xiàn)和調(diào)試蹋嵌。
Stream 中的 findAny、max/min葫隙、reduce 等方法等返回 Optional 值栽烂。還有例如 IntStream.average() 返回 OptionalDouble 等等。
reduce
這個方法的主要作用是把 Stream 元素組合起來恋脚。它提供一個起始值(種子)腺办,然后依照運算規(guī)則(BinaryOperator),和前面 Stream 的第一個糟描、第二個怀喉、第 n 個元素組合。從這個意義上說船响,字符串拼接躬拢、數(shù)值的 sum、min见间、max聊闯、average 都是特殊的 reduce。例如 Stream 的 sum 就相當于
Integer sum = integers.reduce(0, (a, b) -> a+b); 或
Integer sum = integers.reduce(0, Integer::sum);
也有沒有起始值的情況米诉,這時會把 Stream 的前面兩個元素組合起來菱蔬,返回的是 Optional。
清單 15. reduce 的用例
// 字符串連接史侣,concat = "ABCD"
String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat);
// 求最小值汗销,minValue = -3.0
double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);
// 求和,sumValue = 10, 有起始值
int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);
// 求和抵窒,sumValue = 10, 無起始值
sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();
// 過濾,字符串連接叠骑,concat = "ace"
concat = Stream.of("a", "B", "c", "D", "e", "F").
filter(x -> x.compareTo("Z") > 0).
reduce("", String::concat);
上面代碼例如第一個示例的 reduce()李皇,第一個參數(shù)(空白字符)即為起始值,第二個參數(shù)(String::concat)為 BinaryOperator。這類有起始值的 reduce() 都返回具體的對象掉房。而對于第四個示例沒有起始值的 reduce()茧跋,由于可能沒有足夠的元素,返回的是 Optional卓囚,請留意這個區(qū)別瘾杭。
limit/skip
limit 返回 Stream 的前面 n 個元素;skip 則是扔掉前 n 個元素(它是由一個叫 subStream 的方法改名而來)哪亿。
清單 16. limit 和 skip 對運行次數(shù)的影響
public void testLimitAndSkip() {
List<Person> persons = new ArrayList();
for (int i = 1; i <= 10000; i++) {
Person person = new Person(i, "name" + i);
persons.add(person);
}
List<String> personList2 = persons.stream().
map(Person::getName).limit(10).skip(3).collect(Collectors.toList());
System.out.println(personList2);
}
private class Person {
public int no;
private String name;
public Person (int no, String name) {
this.no = no;
this.name = name;
}
public String getName() {
System.out.println(name);
return name;
}
}
輸出結(jié)果為:
name1
name2
name3
name4
name5
name6
name7
name8
name9
name10
[name4, name5, name6, name7, name8, name9, name10]
這是一個有 10粥烁,000 個元素的 Stream,但在 short-circuiting 操作 limit 和 skip 的作用下蝇棉,管道中 map 操作指定的 getName() 方法的執(zhí)行次數(shù)為 limit 所限定的 10 次讨阻,而最終返回結(jié)果在跳過前 3 個元素后只有后面 7 個返回。
有一種情況是 limit/skip 無法達到 short-circuiting 目的的篡殷,就是把它們放在 Stream 的排序操作后钝吮,原因跟 sorted 這個 intermediate 操作有關(guān):此時系統(tǒng)并不知道 Stream 排序后的次序如何,所以 sorted 中的操作看上去就像完全沒有被 limit 或者 skip 一樣板辽。
清單 17. limit 和 skip 對 sorted 后的運行次數(shù)無影響
for (int i = 1; i <= 5; i++) {
Person person = new Person(i, "name" + i);
persons.add(person);
}
List<Person> personList2 = persons.stream().sorted((p1, p2) ->
p1.getName().compareTo(p2.getName())).limit(2).collect(Collectors.toList());
System.out.println(personList2);
上面的示例對清單 13 做了微調(diào)奇瘦,首先對 5 個元素的 Stream 排序,然后進行 limit 操作劲弦。輸出結(jié)果為:
name2
name1
name3
name2
name4
name3
name5
name4
[stream.StreamDW$Person@816f27d, stream.StreamDW$Person@87aac27]
即雖然最后的返回元素數(shù)量是 2耳标,但整個管道中的 sorted 表達式執(zhí)行次數(shù)沒有像前面例子相應(yīng)減少。
最后有一點需要注意的是瓶您,對一個 parallel 的 Steam 管道來說麻捻,如果其元素是有序的,那么 limit 操作的成本會比較大呀袱,因為它的返回對象必須是前 n 個也有一樣次序的元素贸毕。取而代之的策略是取消元素間的次序,或者不要用 parallel Stream夜赵。
sorted
對 Stream 的排序通過 sorted 進行明棍,它比數(shù)組的排序更強之處在于你可以首先對 Stream 進行各類 map、filter寇僧、limit摊腋、skip 甚至 distinct 來減少元素數(shù)量后,再排序嘁傀,這能幫助程序明顯縮短執(zhí)行時間兴蒸。我們對清單 14 進行優(yōu)化:
清單 18. 優(yōu)化:排序前進行 limit 和 skip
List<Person> persons = new ArrayList();
for (int i = 1; i <= 5; i++) {
Person person = new Person(i, "name" + i);
persons.add(person);
}
List<Person> personList2 = persons.stream().limit(2).sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList());
System.out.println(personList2);
結(jié)果會簡單很多:
name2
name1
[stream.StreamDW$Person@6ce253f1, stream.StreamDW$Person@53d8d10a]
當然,這種優(yōu)化是有 business logic 上的局限性的:即不要求排序后再取值细办。
min/max/distinct
min 和 max 的功能也可以通過對 Stream 元素先排序橙凳,再 findFirst 來實現(xiàn),但前者的性能會更好,為 O(n)岛啸,而 sorted 的成本是 O(n log n)钓觉。同時它們作為特殊的 reduce 方法被獨立出來也是因為求最大最小值是很常見的操作。
清單 19. 找出最長一行的長度
BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log"));
int longest = br.lines().
mapToInt(String::length).
max().
getAsInt();
br.close();
System.out.println(longest);
下面的例子則使用 distinct 來找出不重復(fù)的單詞坚踩。
清單 20. 找出全文的單詞荡灾,轉(zhuǎn)小寫,并排序
List<String> words = br.lines().
flatMap(line -> Stream.of(line.split(" "))).
filter(word -> word.length() > 0).
map(String::toLowerCase).
distinct().
sorted().
collect(Collectors.toList());
br.close();
System.out.println(words);
Match
Stream 有三個 match 方法瞬铸,從語義上說:
- allMatch:Stream 中全部元素符合傳入的 predicate批幌,返回 true
- anyMatch:Stream 中只要有一個元素符合傳入的 predicate,返回 true
- noneMatch:Stream 中沒有一個元素符合傳入的 predicate赴捞,返回 true
它們都不是要遍歷全部元素才能返回結(jié)果逼裆。例如 allMatch 只要一個元素不滿足條件,就 skip 剩下的所有元素赦政,返回 false胜宇。對清單 13 中的 Person 類稍做修改,加入一個 age 屬性和 getAge 方法恢着。
清單 21. 使用 Match
List<Person> persons = new ArrayList();
persons.add(new Person(1, "name" + 1, 10));
persons.add(new Person(2, "name" + 2, 21));
persons.add(new Person(3, "name" + 3, 34));
persons.add(new Person(4, "name" + 4, 6));
persons.add(new Person(5, "name" + 5, 55));
boolean isAllAdult = persons.stream().
allMatch(p -> p.getAge() > 18);
System.out.println("All are adult? " + isAllAdult);
boolean isThereAnyChild = persons.stream().
anyMatch(p -> p.getAge() < 12);
System.out.println("Any child? " + isThereAnyChild);
輸出結(jié)果:
All are adult? false
Any child? true
進階:自己生成流
Stream.generate
通過實現(xiàn) Supplier 接口桐愉,你可以自己來控制流的生成。這種情形通常用于隨機數(shù)掰派、常量的 Stream从诲,或者需要前后元素間維持著某種狀態(tài)信息的 Stream。把 Supplier 實例傳遞給 Stream.generate() 生成的 Stream靡羡,默認是串行(相對 parallel 而言)但無序的(相對 ordered 而言)系洛。由于它是無限的,在管道中略步,必須利用 limit 之類的操作限制 Stream 大小描扯。
清單 22. 生成 10 個隨機整數(shù)
Random seed = new Random();
Supplier<Integer> random = seed::nextInt;
Stream.generate(random).limit(10).forEach(System.out::println);
//Another way
IntStream.generate(() -> (int) (System.nanoTime() % 100)).
limit(10).forEach(System.out::println);
Stream.generate() 還接受自己實現(xiàn)的 Supplier。例如在構(gòu)造海量測試數(shù)據(jù)的時候趟薄,用某種自動的規(guī)則給每一個變量賦值绽诚;或者依據(jù)公式計算 Stream 的每個元素值。這些都是維持狀態(tài)信息的情形杭煎。
清單 23. 自實現(xiàn) Supplier
Stream.generate(new PersonSupplier()).
limit(10).
forEach(p -> System.out.println(p.getName() + ", " + p.getAge()));
private class PersonSupplier implements Supplier<Person> {
private int index = 0;
private Random random = new Random();
@Override
public Person get() {
return new Person(index++, "StormTestUser" + index, random.nextInt(100));
}
}
輸出結(jié)果:
StormTestUser1, 9
StormTestUser2, 12
StormTestUser3, 88
StormTestUser4, 51
StormTestUser5, 22
StormTestUser6, 28
StormTestUser7, 81
StormTestUser8, 51
StormTestUser9, 4
StormTestUser10, 76
Stream.iterate
iterate 跟 reduce 操作很像恩够,接受一個種子值,和一個 UnaryOperator(例如 f)羡铲。然后種子值成為 Stream 的第一個元素蜂桶,f(seed) 為第二個,f(f(seed)) 第三個也切,以此類推屎飘。
清單 24. 生成一個等差數(shù)列
Stream.iterate(0, n -> n + 3).limit(10). forEach(x -> System.out.print(x + " "));
輸出結(jié)果:
0 3 6 9 12 15 18 21 24 27
與 Stream.generate 相仿妥曲,在 iterate 時候管道必須有 limit 這樣的操作來限制 Stream 大小脐湾。
進階:用 Collectors 來進行 reduction 操作
java.util.stream.Collectors 類的主要作用就是輔助進行各類有用的 reduction 操作墙贱,例如轉(zhuǎn)變輸出為 Collection戴陡,把 Stream 元素進行歸組。
groupingBy/partitioningBy
清單 25. 按照年齡歸組
Map<Integer, List<Person>> personGroups = Stream.generate(new PersonSupplier()).
limit(100).
collect(Collectors.groupingBy(Person::getAge));
Iterator it = personGroups.entrySet().iterator();
while (it.hasNext()) {
Map.Entry<Integer, List<Person>> persons = (Map.Entry) it.next();
System.out.println("Age " + persons.getKey() + " = " + persons.getValue().size());
}
上面的 code押桃,首先生成 100 人的信息,然后按照年齡歸組导犹,相同年齡的人放到同一個 list 中唱凯,可以看到如下的輸出:
Age 0 = 2
Age 1 = 2
Age 5 = 2
Age 8 = 1
Age 9 = 1
Age 11 = 2
……
清單 26. 按照未成年人和成年人歸組
Map<Boolean, List<Person>> children = Stream.generate(new PersonSupplier()).
limit(100).
collect(Collectors.partitioningBy(p -> p.getAge() < 18));
System.out.println("Children number: " + children.get(true).size());
System.out.println("Adult number: " + children.get(false).size());
輸出結(jié)果:
Children number: 23
Adult number: 77
在使用條件“年齡小于 18”進行分組后可以看到,不到 18 歲的未成年人是一組谎痢,成年人是另外一組磕昼。partitioningBy 其實是一種特殊的 groupingBy,它依照條件測試的是否兩種結(jié)果來構(gòu)造返回的數(shù)據(jù)結(jié)構(gòu)节猿,get(true) 和 get(false) 能即為全部的元素對象票从。
結(jié)束語
總之,Stream 的特性可以歸納為:
- 不是數(shù)據(jù)結(jié)構(gòu)
- 它沒有內(nèi)部存儲滨嘱,它只是用操作管道從 source(數(shù)據(jù)結(jié)構(gòu)峰鄙、數(shù)組、generator function太雨、IO channel)抓取數(shù)據(jù)吟榴。
- 它也絕不修改自己所封裝的底層數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)。例如 Stream 的 filter 操作會產(chǎn)生一個不包含被過濾元素的新 Stream囊扳,而不是從 source 刪除那些元素吩翻。
- 所有 Stream 的操作必須以 lambda 表達式為參數(shù)
- 不支持索引訪問
- 你可以請求第一個元素,但無法請求第二個锥咸,第三個狭瞎,或最后一個。不過請參閱下一項她君。
- 很容易生成數(shù)組或者 List
- 惰性化
- 很多 Stream 操作是向后延遲的脚作,一直到它弄清楚了最后需要多少數(shù)據(jù)才會開始。
- Intermediate 操作永遠是惰性化的缔刹。
- 并行能力
- 當一個 Stream 是并行化的球涛,就不需要再寫多線程代碼,所有對它的操作會自動并行進行的校镐。
- 可以是無限的
- 集合有固定大小亿扁,Stream 則不必。limit(n) 和 findFirst() 這類的 short-circuiting 操作可以對無限的 Stream 進行運算并很快完成鸟廓。
相關(guān)主題
- Oracle Java 8 官方文檔對 java.util.stream package 的說明从祝。
- 一篇教程:Java 8 Tutorials, Resources, Books and Examples to learn Lambdas, Stream API and Functional Interfaces襟己。
- 關(guān)于這篇 Lambda 和 Stream 更多介紹的教程。
- 訪問 developerWorks Java 專區(qū)牍陌,了解關(guān)于信息管理的更多信息擎浴,獲取技術(shù)文檔、how-to 文章毒涧、培訓(xùn)贮预、下載、產(chǎn)品信息以及其他資源契讲。