Streams 的背景，以及 Java 8 中的使用詳解

為什么需要 Stream

Stream 作為 Java 8 的一大亮點(diǎn)东抹，它與 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念躺同。它也不同于 StAX 對 XML 解析的 Stream愿棋，也不是 Amazon Kinesis 對大數(shù)據(jù)實時處理的 Stream鸿吆。Java 8 中的 Stream 是對集合（Collection）對象功能的增強(qiáng)，它專注于對集合對象進(jìn)行各種非常便利、高效的聚合操作（aggregate operation）绒尊，或者大批量數(shù)據(jù)操作 (bulk data operation)。Stream API 借助于同樣新出現(xiàn)的 Lambda 表達(dá)式仔粥，極大的提高編程效率和程序可讀性婴谱。同時它提供串行和并行兩種模式進(jìn)行匯聚操作蟹但，并發(fā)模式能夠充分利用多核處理器的優(yōu)勢，使用 fork/join 并行方式來拆分任務(wù)和加速處理過程谭羔。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华糖，就可以很方便地寫出高性能的并發(fā)程序。所以說瘟裸，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)物客叉。

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(fèi)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

這類的操作话告。

但在當(dāng)今這個數(shù)據(jù)大爆炸的時代兼搏，在數(shù)據(jù)來源多樣化、數(shù)據(jù)海量化的今天超棺，很多時候不得不脫離 RDBMS向族，或者以底層返回的數(shù)據(jù)為基礎(chǔ)進(jìn)行更上層的數(shù)據(jù)統(tǒng)計。而 Java 的集合 API 中棠绘，僅僅有極少量的輔助型方法件相，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)用邏輯氧苍。這是一種遠(yuǎn)不夠高效夜矗、笨拙的方法。在 Java 7 中让虐，如果要發(fā)現(xiàn) type 為 grocery 的所有交易紊撕，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 的排序赡突、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对扶，代碼更加簡潔易讀；而且使用并發(fā)模式惭缰，程序執(zhí)行速度更快浪南。

清單 2. Java 8 的排序、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 不是集合元素漱受，它不是數(shù)據(jù)結(jié)構(gòu)并不保存數(shù)據(jù)络凿，它是有關(guān)算法和計算的，它更像一個高級版本的 Iterator昂羡。原始版本的 Iterator絮记，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；高級版本的 Stream虐先，用戶只要給出需要對其包含的元素執(zhí)行什么操作怨愤，比如 “過濾掉長度大于 10 的字符串”、“獲取每個字符串的首字母”等蛹批，Stream 會隱式地在內(nèi)部進(jìn)行遍歷憔四，做出相應(yīng)的數(shù)據(jù)轉(zhuǎn)換膀息。

Stream 就如同一個迭代器（Iterator），單向了赵，不可往復(fù)，數(shù)據(jù)只能遍歷一次甸赃，遍歷過一次后即用盡了柿汛，就好比流水從面前流過，一去不復(fù)返埠对。

而和迭代器又不同的是络断，Stream 可以并行化操作，迭代器只能命令式地项玛、串行化操作貌笨。顧名思義，當(dāng)使用串行方式去遍歷時襟沮，每個 item 讀完后再讀下一個 item锥惋。而使用并行去遍歷時，數(shù)據(jù)會被分成多個段开伏，其中每一個都在不同的線程中處理膀跌，然后將結(jié)果一起輸出。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)和加速處理過程固灵。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(diǎn)是捅伤，數(shù)據(jù)源本身可以是無限的。

流的構(gòu)成

當(dāng)我們使用一個流的時候巫玻，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)果丛忆，每次轉(zhuǎn)換原有 Stream 對象不改變，返回一個新的 Stream 對象（可以有多次轉(zhuǎn)換）仍秤，這就允許對其操作可以像鏈條一樣排列熄诡，變成一個管道，如下圖所示徒扶。

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

其它

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 操作粮彤。其目的主要是打開流，做出某種程度的數(shù)據(jù)映射/過濾姜骡，然后返回一個新的流导坟，交給下一個操作使用。這類操作都是惰性化的（lazy）圈澈，就是說惫周，僅僅調(diào)用到這類方法，并沒有真正開始流的遍歷康栈。

Terminal：一個流只能有一個 terminal 操作递递，當(dāng)這個操作執(zhí)行后喷橙，流就被使用“光”了，無法再被操作登舞。所以這必定是流的最后一個操作贰逾。Terminal 操作的執(zhí)行，才會真正開始流的遍歷菠秒，并且會生成一個結(jié)果疙剑，或者一個 side effect。

在對于一個 Stream 進(jìn)行多次轉(zhuǎn)換操作 (Intermediate 操作)践叠，每次都對 Stream 的每個元素進(jìn)行轉(zhuǎn)換言缤，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禁灼？其實不是這樣的管挟，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弄捕，一次循環(huán)完成僻孝。我們可以這樣簡單的理解，Stream 里有個操作函數(shù)的集合察藐，每次轉(zhuǎn)換操作就是把轉(zhuǎn)換函數(shù)放入這個集合中皮璧，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)分飞。

還有一種操作被稱為?short-circuiting悴务。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譬猫，但返回一個有限的新 Stream讯檐。

對于一個 terminal 操作，如果它接受的是一個無限大的 Stream染服，但能在有限的時間計算出結(jié)果别洪。

當(dāng)操作一個無限大的 Stream，而又希望在有限時間內(nèi)完成操作柳刮，則在管道內(nèi)擁有一個 short-circuiting 操作是必要非充分條件挖垛。

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(dāng)前小物件的 source，filter 和 mapToInt 為 intermediate 操作秉颗，進(jìn)行數(shù)據(jù)篩選和轉(zhuǎn)換痢毒，最后一個 sum() 為 terminal 操作，對符合條件的全部小物件作重量求和蚕甥。

流的使用詳解

簡單說哪替，對 Stream 的使用就是實現(xiàn)一個 filter-map-reduce 過程，產(chǎn)生一個最終結(jié)果菇怀，或者導(dǎo)致一個副作用（side effect）凭舶。

流的構(gòu)造與轉(zhuǎn)換

下面提供最常見的幾種構(gòu)造 Stream 的樣例晌块。

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)值型帅霜，目前有三種對應(yīng)的包裝類型 Stream：

IntStream匆背、LongStream、DoubleStream身冀。當(dāng)然我們也可以用 Stream<Integer>靠汁、Stream<Long> >、Stream<Double>闽铐，但是 boxing 和 unboxing 會很耗時，所以特別為這三種基本數(shù)值型提供了對應(yīng)的 Stream奶浦。

Java 8 中還沒有提供其它數(shù)值型 Stream兄墅，因為這將導(dǎo)致擴(kuò)增的內(nèi)容較多。而常規(guī)的數(shù)值型聚合運(yùn)算可以通過上面三種 Stream 進(jìn)行澳叉。

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 只可以使用一次隙咸，上面的代碼為了簡潔而重復(fù)使用了數(shù)次。

流的操作

接下來成洗，當(dāng)把一個數(shù)據(jù)結(jié)構(gòu)包裝成 Stream 后五督，就要開始對里面的元素進(jìn)行各類操作了。常見的操作可以歸類如下瓶殃。

Intermediate：

map (mapToInt, flatMap 等)充包、 filter、 distinct遥椿、 sorted基矮、 peek、 limit冠场、 skip家浇、 parallel、 sequential碴裙、 unordered

Terminal：

forEach钢悲、 forEachOrdered、 toArray舔株、 reduce莺琳、 collect、 min督笆、 max芦昔、 count、 anyMatch娃肿、 allMatch咕缎、 noneMatch珠十、 findFirst、 findAny凭豪、 iterator

Short-circuiting：

anyMatch焙蹭、 allMatch、 noneMatch嫂伞、 findFirst孔厉、 findAny、 limit

我們下面看一下 Stream 的比較典型用法帖努。

map/flatMap

我們先來看 map撰豺。如果你熟悉 scala 這類函數(shù)式語言，對這個方法應(yīng)該很了解拼余，它的作用就是把 input Stream 的每一個元素污桦，映射成 output Stream 的另外一個元素。

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)換為大寫匙监。

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}凡橱。

從上面例子可以看出，map 生成的是個 1:1 映射亭姥，每個輸入元素稼钩，都按照規(guī)則轉(zhuǎn)換成為另外一個元素。還有一些場景达罗，是一對多映射關(guān)系的坝撑，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)扁平化氮块，就是將最底層元素抽出來放到一起绍载，最終 output 的新 Stream 里面已經(jīng)沒有 List 了，都是直接的數(shù)字滔蝉。

filter

filter 對原始 Stream 進(jìn)行某項測試击儡，通過測試的元素被留下來生成一個新 Stream。

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蝠引，剩下的數(shù)字為 {2, 4, 6}阳谍。

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，然后保留長度不為 0 的螃概，就是整篇文章中的全部單詞了矫夯。

forEach

forEach 方法接收一個 Lambda 表達(dá)式，然后在 Stream 的每一個元素上執(zhí)行該表達(dá)式吊洼。

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训貌，找出男性并打印姓名。可以看出來递沪，forEach 是為 Lambda 而設(shè)計的豺鼻，保持了最緊湊的風(fēng)格。而且 Lambda 表達(dá)式本身是可以重用的款慨，非常方便儒飒。當(dāng)需要為多核系統(tǒng)優(yōu)化時，可以 parallelStream().forEach()檩奠，只是此時原有元素的次序沒法保證桩了，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)整埠戳，而 Java8 以前的 for 循環(huán) code 可能需要加入額外的多線程邏輯井誉。

但一般認(rèn)為，forEach 和常規(guī) for 循環(huán)的差異不涉及到性能整胃，它們僅僅是函數(shù)式風(fēng)格與傳統(tǒng) Java 風(fēng)格的差別送悔。

另外一點(diǎn)需要注意，forEach 是 terminal 操作爪模，因此它執(zhí)行后，Stream 的元素就被“消費(fèi)”掉了荚藻，你無法對一個 Stream 進(jìn)行兩次 terminal 運(yùn)算屋灌。下面的代碼是錯誤的：

stream.forEach(element -> doOneThing(element));

stream.forEach(element -> doAnotherThing(element));

相反，具有相似功能的 intermediate 操作 peek 可以達(dá)到上述目的应狱。如下是出現(xiàn)在該 api javadoc 上的一個示例共郭。

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，也不能用 break/return 之類的關(guān)鍵字提前結(jié)束循環(huán)疾呻。

findFirst

這是一個 termimal 兼 short-circuiting 操作除嘹，它總是返回 Stream 的第一個元素，或者空岸蜗。

這里比較重點(diǎn)的是它的返回值類型：Optional尉咕。這也是一個模仿 Scala 語言中的概念，作為一個容器璃岳，它可能含有某值年缎，或者不包含。使用它的目的是盡可能避免 NullPointerException铃慷。

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) 的情況中单芜，使用 Optional 代碼的可讀性更好，而且它提供的是編譯時檢查犁柜，能極大的降低 NPE 這種 Runtime Exception 對程序的影響洲鸠，或者迫使程序員更早的在編碼階段處理空值問題，而不是留到運(yùn)行時再發(fā)現(xiàn)和調(diào)試馋缅。

Stream 中的 findAny扒腕、max/min绢淀、reduce 等方法等返回 Optional 值。還有例如 IntStream.average() 返回 OptionalDouble 等等袜匿。

reduce

這個方法的主要作用是把 Stream 元素組合起來更啄。它提供一個起始值（種子），然后依照運(yùn)算規(guī)則（BinaryOperator）居灯，和前面 Stream 的第一個祭务、第二個、第 n 個元素組合怪嫌。從這個意義上說义锥，字符串拼接、數(shù)值的 sum岩灭、min拌倍、max、average 都是特殊的 reduce噪径。例如 Stream 的 sum 就相當(dāng)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柱恤，這時會把 Stream 的前面兩個元素組合起來，返回的是 Optional找爱。

清單 15. reduce 的用例

// 字符串連接梗顺，concat = "ABCD"

String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat);

// 求最小值，minValue = -3.0

double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);

// 求和车摄，sumValue = 10, 有起始值

int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);

// 求和寺谤，sumValue = 10, 無起始值

sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();

// 過濾，字符串連接吮播，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()变屁，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意狠。這類有起始值的 reduce() 都返回具體的對象粟关。而對于第四個示例沒有起始值的 reduce()，由于可能沒有足夠的元素环戈，返回的是 Optional誊役，請留意這個區(qū)別。

limit/skip

limit 返回 Stream 的前面 n 個元素谷市；skip 則是扔掉前 n 個元素（它是由一個叫 subStream 的方法改名而來）蛔垢。

清單 16. limit 和 skip 對運(yùn)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 10，000 個元素的 Stream迫悠，但在 short-circuiting 操作 limit 和 skip 的作用下鹏漆，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，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(dá)到 short-circuiting 目的的艺玲，就是把它們放在 Stream 的排序操作后括蝠，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 一樣饭聚。

清單 17. limit 和 skip 對 sorted 后的運(yùn)行次數(shù)無影響

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().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)忌警，首先對 5 個元素的 Stream 排序，然后進(jìn)行 limit 操作秒梳。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法绵，但整個管道中的 sorted 表達(dá)式執(zhí)行次數(shù)沒有像前面例子相應(yīng)減少。

最后有一點(diǎn)需要注意的是酪碘，對一個 parallel 的 Steam 管道來說朋譬，如果其元素是有序的，那么 limit 操作的成本會比較大兴垦，因為它的返回對象必須是前 n 個也有一樣次序的元素徙赢。取而代之的策略是取消元素間的次序，或者不要用 parallel Stream探越。

sorted

對 Stream 的排序通過 sorted 進(jìn)行狡赐，它比數(shù)組的排序更強(qiáng)之處在于你可以首先對 Stream 進(jìn)行各類 map、filter钦幔、limit阴汇、skip 甚至 distinct 來減少元素數(shù)量后，再排序节槐，這能幫助程序明顯縮短執(zhí)行時間。我們對清單 14 進(jìn)行優(yōu)化：

清單 18. 優(yōu)化：排序前進(jìn)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(dāng)然拐纱，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铜异。

min/max/distinct

min 和 max 的功能也可以通過對 Stream 元素先排序，再 findFirst 來實現(xiàn)秸架，但前者的性能會更好揍庄，為 O(n)，而 sorted 的成本是 O(n log n)东抹。同時它們作為特殊的 reduce 方法被獨(dú)立出來也是因為求最大最小值是很常見的操作蚂子。

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。

清單 20. 找出全文的單詞缭黔，轉(zhuǎn)小寫食茎，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，從語義上說：

allMatch：Stream 中全部元素符合傳入的 predicate馏谨，返回 true

anyMatch：Stream 中只要有一個元素符合傳入的 predicate别渔，返回 true

noneMatch：Stream 中沒有一個元素符合傳入的 predicate，返回 true

它們都不是要遍歷全部元素才能返回結(jié)果。例如 allMatch 只要一個元素不滿足條件哎媚，就 skip 剩下的所有元素喇伯，返回 false。對清單 13 中的 Person 類稍做修改拨与，加入一個 age 屬性和 getAge 方法稻据。

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(jìn)階：自己生成流

Stream.generate

通過實現(xiàn) Supplier 接口，你可以自己來控制流的生成买喧。這種情形通常用于隨機(jī)數(shù)捻悯、常量的 Stream，或者需要前后元素間維持著某種狀態(tài)信息的 Stream岗喉。把 Supplier 實例傳遞給 Stream.generate() 生成的 Stream秋度，默認(rèn)是串行（相對 parallel 而言）但無序的（相對 ordered 而言）。由于它是無限的钱床，在管道中荚斯，必須利用 limit 之類的操作限制 Stream 大小。

清單 22. 生成 10 個隨機(jī)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查牌。例如在構(gòu)造海量測試數(shù)據(jù)的時候事期，用某種自動的規(guī)則給每一個變量賦值；或者依據(jù)公式計算 Stream 的每個元素值纸颜。這些都是維持狀態(tài)信息的情形兽泣。

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，接受一個種子值胁孙，和一個 UnaryOperator（例如 f）唠倦。然后種子值成為 Stream 的第一個元素，f(seed) 為第二個涮较，f(f(seed)) 第三個稠鼻，以此類推。

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 相仿狂票，在 iterate 時候管道必須有 limit 這樣的操作來限制 Stream 大小候齿。

進(jìn)階：用 Collectors 來進(jìn)行 reduction 操作

java.util.stream.Collectors 類的主要作用就是輔助進(jìn)行各類有用的 reduction 操作，例如轉(zhuǎn)變輸出為 Collection闺属，把 Stream 元素進(jìn)行歸組慌盯。

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，首先生成 100 人的信息掂器，然后按照年齡歸組亚皂，相同年齡的人放到同一個 list 中，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(jìn)行分組后可以看到国瓮，不到 18 歲的未成年人是一組孕讳，成年人是另外一組匠楚。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)厂财，get(true) 和 get(false) 能即為全部的元素對象芋簿。

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)部存儲璃饱，它只是用操作管道從 source（數(shù)據(jù)結(jié)構(gòu)与斤、數(shù)組、generator function荚恶、IO channel）抓取數(shù)據(jù)。

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)食寡。例如 Stream 的 filter 操作會產(chǎn)生一個不包含被過濾元素的新 Stream廓潜，而不是從 source 刪除那些元素抵皱。

所有 Stream 的操作必須以 lambda 表達(dá)式為參數(shù)

不支持索引訪問

你可以請求第一個元素，但無法請求第二個辩蛋，第三個，或最后一個悼院。不過請參閱下一項伤为。

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，一直到它弄清楚了最后需要多少數(shù)據(jù)才會開始据途。

Intermediate 操作永遠(yuǎn)是惰性化的。

并行能力

當(dāng)一個 Stream 是并行化的位衩，就不需要再寫多線程代碼便脊，所有對它的操作會自動并行進(jìn)行的光戈。

可以是無限的

集合有固定大小，Stream 則不必久妆。limit(n) 和 findFirst() 這類的 short-circuiting 操作可以對無限的 Stream 進(jìn)行運(yùn)算并很快完成。

進(jìn)群：可以領(lǐng)取免費(fèi)的架構(gòu)師學(xué)習(xí)資料肋演。

進(jìn)群：了解最新的學(xué)習(xí)動態(tài)

進(jìn)群：了解最新的阿里，京東招聘資訊

進(jìn)群：獲取更多的面試資料

1蜕乡、具有1-5工作經(jīng)驗的梗夸，面對目前流行的技術(shù)不知從何下手，需要突破技術(shù)瓶頸的可以加群辛块。

2铅碍、在公司待久了，過得很安逸尘盼，但跳槽時面試碰壁。需要在短時間內(nèi)進(jìn)修呜魄、跳槽拿高薪的可以加群悔叽。

3、如果沒有工作經(jīng)驗爵嗅，但基礎(chǔ)非常扎實睹晒，對java工作機(jī)制，常用設(shè)計思想戚啥，常用java開發(fā)框架掌握熟練的锉试，可以加群。

4拖云、覺得自己很牛B应又，一般需求都能搞定。但是所學(xué)的知識點(diǎn)沒有系統(tǒng)化尤筐，很難在技術(shù)領(lǐng)域繼續(xù)突破的可以加群。

5. 群號：835638062 點(diǎn)擊鏈接加入群：https://jq.qq.com/?_wv=1027&k=5S3kL3v

6.阿里Java高級大牛直播講解知識點(diǎn)掀淘，分享知識繁疤，上面五大專題都是各位老師多年工作經(jīng)驗的梳理和總結(jié)秕狰，帶著大家全面、科學(xué)地建立自己的技術(shù)體系和技術(shù)認(rèn)知架忌！