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. 1.0-1.4 中的 java.lang.Thread
2. 5.0 中的 java.util.concurrent
3. 6.0 中的 Phasers 等
4. 7.0 中的 Fork/Join 框架
5. 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

Stream Pipeline

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()

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、 unordered

• Terminal：
  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、 iterator

• Short-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。