Stream流

Java 8 API添加了一个新的抽象称为流Stream，可以让你以一种声明的方式处理数据。

结合Lambda表达式来完成某种功能的实现

Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。

Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。

这种风格将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选， 排序，聚合等。

元素流在管道中经过中间操作（intermediate operation）的处理，最后由最终操作(terminal operation)得到前面处理的结果。

+--------------------+       +------+   +------+   +---+   +-------+
| stream of elements +-----> |filter+-> |sorted+-> |map+-> |collect|
+--------------------+       +------+   +------+   +---+   +-------+

以上流程转化为Java代码为:

List<Integer> transactionsIds = 
widgets.stream()
             .filter(b -> b.getColor() == RED)
             .sorted((x,y) -> x.getWeight() - y.getWeight())
             .mapToInt(Widget::getWeight)
             .sum();

什么是Stream?

Stream（流）是一个来自数据源的元素队列并支持聚合操作

  • 元素是特定类型的对象，形成一个队列。 Java中的Stream并不会存储元素，而是按需计算。
  • 数据源 流的来源。 可以是集合，数组，I/O channel， 产生器generator 等。
  • 聚合操作 类似SQL语句一样的操作， 比如filter, map, reduce, find, match, sorted等。

和以前的Collection操作不同， Stream操作还有两个基础的特征：

  • Pipelining: 中间操作都会返回流对象本身。 这样多个操作可以串联成一个管道， 如同流式风格（fluent style）。 这样做可以对操作进行优化， 比如延迟执行(laziness)和短路( short-circuiting)。
  • 内部迭代： 以前对集合遍历都是通过Iterator或者For-Each的方式, 显式的在集合外部进行迭代， 这叫做外部迭代。 Stream提供了内部迭代的方式， 通过访问者模式(Visitor)实现。

生成流

在 Java 8 中, 集合接口有两个方法来生成流：

  • stream() − 为集合创建串行流。(单线程)
  • parallelStream()− 为集合创建并行流。(多线程)

举个例子

List<String> strings = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
List<String> filtered = strings.stream().filter(string -> !string.isEmpty()).collect(Collectors.toList());

image-20240604221707954

方法

Stream()

生成流

forEach()

void forEach(Consumer<? super String> action)

  • 用来遍历集合或者数组....

Consumer这个接口下一篇进行介绍,简单字面意思就是,你给它传什么的,他就消费什么(就是输出)

List<String> strings3 = Arrays.asList("cwy","cwy","wst","wst","cwy");
//遍历strings3
strings3.forEach(System.out::println);

image-20240604223021420

image-20240604222353301

map()

< R> Stream< R> map(Function<? super T, ? extends R> mapper);

  • map 方法用于映射每个元素到对应的结果

,嗯...有点类似于一元函数映射

Function 接口是一个功能型接口，它的一个作用就是转换作用，将输入数据转换成另一种形式的输出数据。

//        把xList中的数值  进行平方运算映射在yList
List<Integer> xList = Arrays.asList(1,2,3,4,5,6,7,8,9);
List<Integer> yList = xList.stream().map(integer -> integer*integer).distinct().collect(Collectors.toList());
System.out.println(yList);

image-20240604224900043

filter()

Stream<T> filter(Predicate<? super T> predicate);

filter 方法用于通过设置的条件过滤出元素

//        获取空字符串的数量
long count = strings4.stream().filter(String::isEmpty).count();
System.out.println(count);

image-20240604232504042

limit()

Stream<T> limit(long maxSize);

limit 方法用于获取指定数量的流。 以下代码片段使用 limit 方法打印出 10 条数据：

//      取出集合前两个元素
List<String> strings5 = Arrays.asList("cwy","cwy","wst","wst","cwy");
strings5.stream().limit(2).forEach(System.out::println);
//        or
List<String> limits =strings5.stream().limit(2).collect(Collectors.toList());
System.out.println(limits);

image-20240604233019073

sorted()

sorted 方法用于对流进行排序。

IntStream sorted();

//        使用 sorted 方法对输出的 10 个随机数进行排序：
Random random = new Random();
random.ints().limit(10).sorted().forEach(System.out::println);

ints()

源码 用来生成整数流

public IntStream ints() {
        return StreamSupport.intStream
                (new RandomIntsSpliterator
                         (this, 0L, Long.MAX_VALUE, Integer.MAX_VALUE, 0),
                 false);
    }

并行(parallel)程序

parallelStream 是流并行处理程序的代替方法。以下实例我们使用 parallelStream 来输出空字符串的数量：(使用的是多线程)

List<String> strings = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
// 获取空字符串的数量
long count = strings.parallelStream().filter(string -> string.isEmpty()).count();

使用并行的程序可以提升处理速度

//        获取空字符串的数量
long date1 = new Date().getTime();
long count = strings4.stream().filter(String::isEmpty).count();
long date2 = new Date().getTime();
System.out.println(count+"所用时间"+(date2-date1));

//          获取空字符串的数量
long date3 = new Date().getTime();
List<String> strings6 = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
long date4 = new Date().getTime();
long count2 = strings6.parallelStream().filter(String::isEmpty).count();
System.out.println(count2+"所用时间"+(date4-date3));

image-20240604234153199

建议：数据量不大的情况下建议使用stream即可，不要盲目大量使用parallelStream,因为parallelStream是多线程异步的，也就是说会产生多线程，消耗内存不说，说不定还会更慢，并非一定会更快更好。

Collectors

Collectors 类实现了很多归约操作

//        Collectors
List<String>strings7 = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
List<String> filtered7 = strings7.stream().filter(string -> !string.isEmpty()).collect(Collectors.toList());
System.out.println("筛选列表: " + filtered);
String mergedString = strings7.stream().filter(string -> !string.isEmpty()).collect(Collectors.joining(", "));
System.out.println("合并字符串: " + mergedString);

image-20240604234940132

统计相关函数

        List<Integer> numbers = Arrays.asList(3, 2, 2, 3, 7, 3, 5);

        IntSummaryStatistics stats = numbers.stream().mapToInt((x) -> x).summaryStatistics();
        System.out.println("列表中最大的数 : " + stats.getMax());
        System.out.println("列表中最小的数 : " + stats.getMin());
        System.out.println("所有数之和 : " + stats.getSum());
        System.out.println("平均数 : " + stats.getAverage());

image-20240604235321302

完整实例

import java.util.*;
import java.util.stream.Collectors;

public class Main {
    public static void main(String[] args) {
        System.out.println("Hello world!");
//        写Stream流
        List<String> strings = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
        List<String> filtered = strings.stream().filter(string -> !string.isEmpty()).collect(Collectors.toList());
        System.out.println(filtered);
//        过滤cwy
        List<String> strings1 = Arrays.asList("cwy","cwy","wst","wst","cwy");
        List<String> collect = strings1.stream()
                        .filter(s -> s.equals("wst")).collect(Collectors.toList());
        System.out.println(collect);
//        forEach
        List<String> strings3 = Arrays.asList("cwy","cwy","wst","wst","cwy");
        strings3.forEach(System.out::println);
//        map
//        把xList中的数值  进行平方运算映射在yList
        List<Integer> xList = Arrays.asList(1,2,3,4,5,6,7,8,9);
        List<Integer> yList = xList.stream().map(integer -> integer*integer).distinct().collect(Collectors.toList());
        System.out.println(yList);


//      取出集合前两个元素
        List<String> strings5 = Arrays.asList("cwy","cwy","wst","wst","cwy");
        strings5.stream().limit(2).forEach(System.out::println);
//        or
        List<String> limits = strings5.stream().limit(2).collect(Collectors.toList());
        System.out.println(limits);
//        使用 sorted 方法对输出的 10 个随机数进行排序：
        Random random = new Random();
        random.ints().limit(10).sorted().forEach(System.out::println);

        //        获取空字符串的数量
        long date1 = new Date().getTime();
        List<String>strings4 = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
        long count = strings4.stream().filter(String::isEmpty).count();
        long date2 = new Date().getTime();
        System.out.println(count+"所用时间"+(date2-date1));

        //          获取空字符串的数量
        long date3 = new Date().getTime();
        List<String> strings6 = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
        long date4 = new Date().getTime();
        long count2 = strings6.parallelStream().filter(String::isEmpty).count();
        System.out.println(count2+"所用时间"+(date4-date3));
//        Collectors
        List<String>strings7 = Arrays.asList("abc", "", "bc", "efg", "abcd","", "jkl");
        List<String> filtered7 = strings7.stream().filter(string -> !string.isEmpty()).collect(Collectors.toList());

        System.out.println("筛选列表: " + filtered);
        String mergedString = strings7.stream().filter(string -> !string.isEmpty()).collect(Collectors.joining(", "));
        System.out.println("合并字符串: " + mergedString);

        List<Integer> numbers = Arrays.asList(3, 2, 2, 3, 7, 3, 5);

        IntSummaryStatistics stats = numbers.stream().mapToInt((x) -> x).summaryStatistics();

        System.out.println("列表中最大的数 : " + stats.getMax());
        System.out.println("列表中最小的数 : " + stats.getMin());
        System.out.println("所有数之和 : " + stats.getSum());
        System.out.println("平均数 : " + stats.getAverage());
    }
}