Java 8 Stream--开发手册
什么是Java8 Stream，为什么需要Stream？ Stream是Java8一大亮点，它与 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念。 首先Java 8 Stream不是数据结构，它没有内部存储。它是为高效的集合(数组、List、Set……)操作而存在的。 Java中的集合Collection，具体包含：数组、List、Set等数据结构，都是由JDK提供的，难道在Java8之前的集合操作，有什么不便/局限吗？ 下面给出一个需求进行对比，体验一下Java8 Stream：从一个List中，获取集合中每个对象的ID，返回一个新的ID List。 在Java8之前，我们需要这样做： List<Food> foods = new ArrayList<>(); // id price num foods.add(new Food(1, 5.5, 3)); foods.add(new Food(2, 4.5, 8)); foods.add(new Food(3, 56.5, 13)); foods.add(new Food(4, 9.5, 56)); // pre java8 List<Long> result = new ArrayList<>(); for (Food f: foods) { result.add(f.getId()); } 而Java8 Stream的方式： //java8 stream List<Long> collect = foods.parallelStream().map(each -> each.getId()).collect(toList()); 一行搞定，而且效率更高。 Java 8 中的 Stream 是对集合（Collection）对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。 Stream 不是集合元素，它不是数据结构并不保存数据，它是有关算法和计算的，它更像一个高级版本的 Iterator。原始版本的 Iterator，用户只能显式地一个一个遍历元素并对其执行某些操作；高级版本的 Stream，用户只要给出需要对其包含的元素执行什么操作，比如 “过滤掉长度大于 10 的字符串”、“获取每个字符串的首字母”等，Stream 会隐式地在内部进行遍历，做出相应的数据转换。 解析Stream通用语法 List<Integer> nums = new ArrayList<>(); nums.add(1); nums.add(null); nums.add(3); nums.add(null); nums.add(5); long count = nums.stream().filter(num -> num != null).count(); 上面这段代码是获取一个List中，元素不为null的个数。 image.png 图片就是对于Stream例子的一个解析，可以看到： 红色框中的语句是一个Stream的生命开始的地方，负责创建一个Stream实例； 绿色框中的语句是赋予Stream灵魂的地方，把一个Stream转换成另外一个Stream； 红框的语句生成的是一个包含所有nums变量的Stream， 经过绿框的filter方法以后，重新生成了一个新Stream，过滤掉原nums列表中所有为null的； 蓝色框中的语句是丰收的地方，把Stream的里面包含的内容按照某种算法来汇聚成一个值，例子中是获取Stream中非空元素个数。 在此我们总结一下使用Stream的基本步骤： 创建Stream； 流的操作(转换Stream，数据转换操作)，每次转换原有Stream对象不改变，返回一个新的Stream对象（可以有多次转换）； 对Stream进行聚合（Reduce）操作，获取想要的结果； 创建Stream Stream是在一个源的基础上创建出来的，例如java.util.Collection中的list或者set（map不能作为Stream的源）。有多种方式生成 Stream Source： 1、从集合中创建(最常见) Collection.stream() Collection.parallelStream() Arrays.stream(T array) or Stream.of() Collection的子类List、Set均可 2、静态工厂 java.util.stream.IntStream.range() java.nio.file.Files.walk() 3、BufferedReader java.io.BufferedReader.lines() 4、自定义创建：需要实现java.util.Spliterator接口 5、其它方式 Random.ints() BitSet.stream() Pattern.splitAsStream(java.lang.CharSequence) JarFile.stream() 构造流的几种常见方法 // 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(); 流的操作(转换Stream) 流的操作，实际上就是通过转换Stream，完成对集合中数据转换的操作；如过滤出集合中特定元素等。 Stream中提供了很多方法，专门用于对集合中元素的各种操作；这些方法的参数都是lambda 表达式。 java.util.Stream表示了某一种元素的序列，在这些元素上可以进行各种操作。Stream操作可以是中间操作(Intermediate)，也可以是终结操作(Terminal)。完结操作会返回一个某种类型的值，而中间操作会返回流对象本身，并且你可以通过多次调用同一个流操作方法来将操作结果串起来（就像StringBuffer的append方法一样）。 流的操作类型分为两种：终结操作(Terminal)和 非终结操作(Intermediate)。 Intermediate：非终结操作是核心，是真正处理数据转换的，比如 “过滤掉长度大于 10 的字符串”、“获取每个字符串的首字母”等。 一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。 Terminal：终结操作是对完成转换的数据进行汇合收集，是丰收的阶段。 一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。 Stream 典型用法 map 它的作用就是把 input Stream 的每一个元素，映射成 output Stream 的另外一个元素。 转换大写 List<String> output = wordList.stream().map(String::toUpperCase).collect(Collectors.toList()); 其中map() 是非终结操作， collect()是终结操作。这些方法的参数都是lambda 表达式。 计算平方数 List<Integer> nums = Arrays.asList(1, 2, 3, 4); List<Integer> squareNums = nums.stream(). map(n -> n * n). collect(Collectors.toList()); 这段代码生成一个整数 list 的平方数 {1, 4, 9, 16}。 从上面例子可以看出，map 生成的是个 1:1 映射，每个输入元素，都按照规则转换成为另外一个元素。 map方法示意图 image.png 还有一些场景，是一对多映射关系的，这时需要 flatMap。 flatMap一对多 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 中的层级结构扁平化，就是将最底层元素抽出来放到一起，最终 output 的新 Stream 里面已经没有 List 了，都是直接的数字。 filter filter 对原始 Stream 进行某项测试，通过测试的元素被留下来生成一个新 Stream。 留下偶数 Integer[] sixNums = {1, 2, 3, 4, 5, 6}; Integer[] evens = Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new); 经过条件“被 2 整除”的 filter，剩下的数字为 {2, 4, 6}。 filter方法示意图： image.png limit/skip limit 返回 Stream 的前面 n 个元素；skip 则是扔掉前 n 个元素（它是由一个叫 subStream 的方法改名而来）。 对比limit 和 skip 对运行次数的影响 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; } } 输出结果为： name1 name2 name3 name4 name5 name6 name7 name8 name9 name10 [name4, name5, name6, name7, name8, name9, name10] sorted 对 Stream 的排序通过 sorted 进行，它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后，再排序，这能帮助程序明显缩短执行时间。 排序前进行 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); 结果输出为： name2 name1 [stream.StreamDW$Person@6ce253f1, stream.StreamDW$Person@53d8d10a] forEach forEach 方法接收一个 Lambda 表达式，然后在 Stream 的每一个元素上执行该表达式。 打印姓名（forEach 和 pre-java8 的对比） // 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()); } } 对一个人员集合遍历，找出男性并打印姓名。可以看出来，forEach 是为 Lambda 而设计的，保持了最紧凑的风格。而且 Lambda 表达式本身是可以重用的，非常方便。当需要为多核系统优化时，可以 parallelStream().forEach()，只是此时原有元素的次序没法保证，并行的情况下将改变串行时操作的行为，此时 forEach 本身的实现不需要调整，而 Java8 以前的 for 循环 code 可能需要加入额外的多线程逻辑。 forEach 是 terminal 操作，因此它执行后，Stream 的元素就被“消费”掉了，你无法对一个 Stream 进行两次 terminal 运算。 相反，具有相似功能的 intermediate 操作 peek 可以达到上述目的。如下是出现在该 api javadoc 上的一个示例。 peek peek 对每个元素执行操作并返回一个新的 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()); min/max/distinct min 和 max 的功能也可以通过对 Stream 元素先排序，再 findFirst 来实现，但前者的性能会更好，为 O(n)，而 sorted 的成本是 O(n log n)。同时它们作为特殊的 reduce 方法被独立出来也是因为求最大最小值是很常见的操作。 找出最长一行的长度 BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log")); int longest = br.lines(). mapToInt(String::length). max(). getAsInt(); br.close(); System.out.println(longest); 下面的例子则使用 distinct 来找出不重复的单词。找出全文的单词，转小写，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); findFirst 这是一个 termimal 兼 short-circuiting 操作，它总是返回 Stream 的第一个元素，或者空。 这里比较重点的是它的返回值类型：Optional。这也是一个模仿 Scala 语言中的概念，作为一个容器，它可能含有某值，或者不包含。使用它的目的是尽可能避免 NullPointerException。 Optional 的两个用例 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; }; 在更复杂的 if (xx != null) 的情况中，使用 Optional 代码的可读性更好，而且它提供的是编译时检查，能极大的降低 NPE 这种 Runtime Exception 对程序的影响，或者迫使程序员更早的在编码阶段处理空值问题，而不是留到运行时再发现和调试。 Stream 中的 findAny、max/min、reduce 等方法等返回 Optional 值。还有例如 IntStream.average() 返回 OptionalDouble 等等。 reduce 这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值（种子），然后依照运算规则（BinaryOperator），和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说，字符串拼接、数值的 sum、min、max、average 都是特殊的 reduce。例如 Stream 的 sum 就相当于 Integer sum = integers.reduce(0, (a, b) -> a+b); 或 Integer sum = integers.reduce(0, Integer::sum); 也有没有起始值的情况，这时会把 Stream 的前面两个元素组合起来，返回的是 Optional。 reduce 的用例 // 字符串连接，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，sumValue = 10, 有起始值 int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum); // 求和，sumValue = 10, 无起始值 sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get(); // 过滤，字符串连接，concat = "ace" concat = Stream.of("a", "B", "c", "D", "e", "F"). filter(x -> x.compareTo("Z") > 0). reduce("", String::concat); 上面代码例如第一个示例的 reduce()，第一个参数（空白字符）即为起始值，第二个参数（String::concat）为 BinaryOperator。这类有起始值的 reduce() 都返回具体的对象。而对于第四个示例没有起始值的 reduce()，由于可能没有足够的元素，返回的是 Optional，请留意这个区别。 关于reduce理解起来比较抽象，下面通过笔者总结的一个用例具体演示。 需求1：求出每件Food 的总价(单品的总价=单价*数量) List<Food> foods = new ArrayList<>(); // id price num foods.add(new Food(1, 5.5, 3)); foods.add(new Food(2, 4.5, 8)); foods.add(new Food(3, 56.5, 13)); foods.add(new Food(4, 9.5, 56)); foods.stream().map(item->item.getPrice() * item.getNum()).forEach(System.out::print); 需求2：计算(所有Food)订单总价 double totalPrice = foods.stream().map(item->item.getPrice() * item.getNum()).reduce((sum,n)->sum+n).get(); 除了上面2种主要的终结操作(Terminal)和 非终结操作(Intermediate)，还有一种Short-circuiting操作，包含以下函数: anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 limit Match Stream 有三个 match 方法，从语义上说： allMatch：Stream 中全部元素符合传入的 predicate，返回 true anyMatch：Stream 中只要有一个元素符合传入的 predicate，返回 true noneMatch：Stream 中没有一个元素符合传入的 predicate，返回 true 它们都不是要遍历全部元素才能返回结果。例如 allMatch 只要一个元素不满足条件，就 skip 剩下的所有元素，返回 false。对清单 13 中的 Person 类稍做修改，加入一个 age 属性和 getAge 方法。 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); 输出结果： All are adult? false Any child? true 效率问题 有人会有疑问：在对于一个Stream进行多次转换操作，每次都对Stream的每个元素进行转换，而且是执行多次，这样时间复杂度就是一个for循环里把所有操作都做掉的N（转换的次数）倍啊。其实不是这样的，转换操作都是lazy的，多个转换操作只会在汇聚操作（见下节）的时候融合起来，一次循环完成。我们可以这样简单的理解，Stream里有个操作函数的集合，每次转换操作就是把转换函数放入这个集合中，在汇聚操作的时候循环Stream对应的集合，然后对每个元素执行所有的函数。 Stream API 借助于同样新出现的 Lambda 表达式，极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作，两种方式的使用也很简单，在创建Stream时，foods.stream()创建串行流，foods.parallelStream()创建并行流。 并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。 Stream并发模式，基于OS核心数，并行处理，有更高的执行效率。
