Java8 函数式编程stream流

1.初始环境准备

​ 场景：现在有一个公司，公司部门有一级部门，二级部门甲和二级部门乙（其中二级部门甲和二级部门乙是一级部门的子部门），

一级部门下面有有001号员工小明，二级部门甲下面有002号员工小刚和003号员工小李，二级部门乙有002号员工小刚和004号员工小张，其中员工id是唯一的，员工小刚既是二级部门甲又是二级部门乙的员工。代码展示如下：

public class LambdaUseCase {
    static List<Department> departmentList;
    static {
        // 一级部门,部门人员有001号员工小明
        Department departmentOne = new Department("一级部门", 1,10000L,11000L,
                Arrays.asList(new Person("001","小明",22)));
        // 二级部门甲,部门人员有002号员工小刚和003号员工小李
        Department departmentTwoFirst = new Department("二级部门甲", 2,8000L,13000L,
                Arrays.asList(new Person("002","小刚",23),
                        new Person("003","小李",32)));
        // 二级部门乙，部门人员有002号员工小刚和004号员工小张
        Department departmentTwoSecond = new Department("二级部门已", 2,7500L,15000L,
                Arrays.asList(new Person("002","小刚",23),
                        new Person("004","小张",34)));

        departmentList = Arrays.asList(departmentOne,departmentTwoFirst,departmentTwoSecond);
    }
}

@Data
@AllArgsConstructor
@NoArgsConstructor
class Department {
    // 部门名
    private String departmentName;
    // 部门等级
    private Integer departmenRank;
    // 部门薪资（单位分）
    private Long departSalary;
    // 部门日盈利
    private Long departProfit;
    // 部门人员集合
    private List<Person> persons;
}

@Data
@AllArgsConstructor
@NoArgsConstructor
//重写equal和hashcode方法，用于数据去重
@EqualsAndHashCode
class Person {
    // 人员id
    private String personId;
    // 人员姓名
    private String personName;
    // 人员年龄
    private Integer personAge;
}

2.创建流

单列集合: 集合对象.stream() 创建流

departmentList.stream();

数组：Arrays.stream(数组) 或者使用Stream.of来创建

Integer[] arr = {1,2,3,4,5};
Stream<Integer> stream = Arrays.stream(arr);
Stream<Integer> stream2 = Stream.of(arr);
Stream.of(1,2,3,4);

双列集合：转换成单列集合后再创建

Map<String, Integer> map = new HashMap<>();
map.put("a", 1);
map.put("b", 2);
map.put("c", 3);
Stream<Map.Entry<String, Integer>> stream = map.entrySet().stream();

3.中间操作

3.1 map

如果有一个函数可以将一种类型的值转换成另外一种类型，map 操作就可以使用该函数，将一个流中的值转换成一个新的流

需求：公司今年收益提供，决定把所有部门的平均薪资提升1000。

List<Department> departments = departmentList.stream().map(e -> {
    e.setDepartSalary(e.getDepartSalary() + 1000);
    return e;
}).collect(Collectors.toList());

3.2 filter

对流中的元素进行过滤，筛选出符合过滤条件的数据

需求：需要筛选出部门平均薪资大于等于8000的数据。

List<Department> departments = departmentList.stream()
		.filter(e -> e.getDepartSalary() >= 8000)
		.collect(Collectors.toList());

3.3 flatMap

flatMap 方法可用 Stream 替换值，然后将多个 Stream 连接成一个 Stream

需求：把公司所有的人员收集到一个集合中。

不使用flatMap，你可能会这么做，循环里套循环，看上去不太美观。

Set<Person> personSet = new HashSet<>();
departmentList.stream().forEach(e->{
	e.getPersons().stream().forEach(person->{
		personSet.add(person);
	});
});

使用flatMap写法。

Set<Person> personSet = departmentList.stream()
        .flatMap(e -> e.getPersons().stream())
        .collect(Collectors.toSet());

3.4 distinct

去除流中的重复元素

需求：将公司所有的人员统计出来，这回不使用Set去重，注意：002号员工即在二级部门甲又在二级部门乙

List<Person> personSet = departmentList.stream()
        .flatMap(e -> e.getPersons().stream())
        .distinct()
        .collect(Collectors.toList());

注意：distinct方法是依赖Object的equals方法来判断是否是相同对象的。所以需要注意重写equals方法。

3.5 sorted

对流中的元素进行排序

需求： 按薪资从低到高将部门列出来。

List<Department> departments = departmentList.stream()
        .sorted((o1, o2) -> o1.getDepartSalary().compareTo(o2.getDepartSalary()))
        .collect(Collectors.toList());

注意：如果调用空参的sorted()方法，需要流中的元素是实现了Comparable。

3.6 limit

可以设置流的最大长度，超出的部分将被抛弃

需求：按薪资从低到高将部门列出来，并且找出薪资最低的俩个部门

List<Department> departments = departmentList.stream()
		.sorted(Comparator.comparing(Department::getDepartSalary))
		.limit(2)
		.collect(Collectors.toList());

3.7 skip

跳过流中的前n个元素，返回剩下的元素

需求：按薪资从低到高将部门列出来，并且忽略薪资最低的部门

List<Department> departments = departmentList.stream()
		.sorted(Comparator.comparing(Department::getDepartSalary))
		.skip(1)
		.collect(Collectors.toList());

4.终结操作

4.1 foreach

对流中的元素进行遍历操作

需求：要求输出全部部门的名称

departmentList.stream()
                .forEach(e -> System.out.println(e.getDepartmentName()));

4.2 count

可以用来获取当前流中元素的个数。

需求：统计部门的格式

long count = departmentList.stream()
    .count();

4.3 max和min

Stream 上常用的操作之一是求最大值和最小值

需求：分别找出部门里面薪资最高的部门和最低的部门

Department maxDepartment = departmentList.stream()
		.max(Comparator.comparing(Department::getDepartSalary))
		.get();
Department minDepartment = departmentList.stream()
		.min(Comparator.comparing(Department::getDepartSalary))
		.get();

4.4 collect

将当前的流转换为一个集合

4.4.1 Collectors.toList()

需求：获得一个保存所有部门名字的集合

List<String> departNameList = departmentList.stream()
		.map(Department::getDepartmentName)
		.collect(Collectors.toList());

4.4.2 Collectors.toSet()

需求：获得部门所有人的姓名（重名的忽略）

Set<String> personNameList = departmentList.stream()
		.flatMap(e -> e.getPersons().stream())
		.map(Person::getPersonName)
        .collect(Collectors.toSet());

4.4.3 Collectors.toMap(keyMapper, valueMapper)

需求：获得部门名称当做key，员工当做value的Map

Map<String, List<Person>> collect = departmentList.stream()
		.collect(Collectors.toMap(Department::getDepartmentName, Department::getPersons));

4.4.4 Collectors.joining()

需求：将所有的部门名字连起来，并且前缀是【，后缀是】，分隔符是，

departmentList.stream()
		.map(Department::getDepartmentName)
		.collect(Collectors.joining(",","[","]"));

4.4.5 Collectors.partitioningBy(predicate)

接受一个流，并将其分成两部分,使用 Predicate 对象判断一个元素应该属于哪个部分，并根据布尔值返回一个 Map 到列表。

需求：将一级部门和其他级别的部门分离出来

Map<Boolean, List<Department>> collect = departmentList
    .stream()
    .collect(Collectors.partitioningBy(e -> e.getDepartmenRank() == 1));

4.4.6 Collectors.groupingBy(classifier)

接受一个分类函数，用来对数据分组

需求：将部门按部门的阶级分组

Map<Integer, List<Department>> collect = departmentList
    .stream()
    .collect(Collectors.groupingBy(Department::getDepartmenRank));

4.4.7 组合收集器

各种收集器已经很强大了，但如果将它们组合起来，会变得更强大。

需求：统计各个阶级部门的平均薪资

Map<Integer, Double> collect = departmentList.stream()
.collect(Collectors.groupingBy(Department::getDepartmenRank,Collectors.averagingLong(Department::getDepartSalary)));

这个例子中用到了第二个收集器，用以收集最终结果的一个子集。这些收集器叫作下游收集器。收集器是生成最终结果的一剂配方，下游收集器则是生成部分结果的配方，主收集器中会用到下游收集器。这种组合使用收集器的方式，使得它们在 Stream 类库中的作用更加强大。

4.5 reduce

对流中的数据按照指定的方式计算出结果

需求：计算出部门总的日盈利

Long sum = departmentList.stream()
		.map(Department::getDepartProfit)
		.reduce(0L, (result, element) -> result + element);

4.6 anyMatch

可以用来判断是否有任意符合匹配条件的元素，结果为boolean类型。

需求：判断部门中有没有薪资大于9000的部门

boolean b = departmentList.stream()
                .anyMatch(e -> e.getDepartSalary() > 9000L);

4.7 allMatch

可以用来判断是否都符合匹配条件，结果为boolean类型。如果都符合结果为true，否则结果为false。

需求：判断部门薪资是不是都大于9000

boolean b = departmentList.stream()
                .allMatch(e -> e.getDepartSalary() > 9000L);

4.8 noneMatch

可以判断流中的元素是否都不符合匹配条件。如果都不符合结果为true，否则结果为false

需求：判断是不是所有的部门薪资都大于9000

boolean b = departmentList.stream()
                .noneMatch(e -> e.getDepartSalary() > 9000L);

4.9 findAny

获取流中的任意一个元素。该方法没有办法保证获取的一定是流中的第一个元素。

需求：找到任意一个部门

Department department = departmentList
                .stream()
                .findAny()
                .get();

4.10 findFirst

获取流中的第一个元素。

需求：获得薪资最低的一个部门

Department department = departmentList
                .stream()
                .sorted(Comparator.comparing(Department::getDepartSalary))
                .findFirst()
                .get();

5.高级用法

5.1 对基本类型处理（mapToInt，mapToLong，mapToDouble）

在 Java 中，有一些相伴的类型，比如 int 和 Integer——前者是基本类型，后者是装箱类型。基本类型内建在语言和运行环境中，是基本的程序构建模块；而装箱类型属于普通的 Java 类，只不过是对基本类型的一种封装。由于装箱类型是对象，因此在内存中存在额外开销。比如，整型在内存中占用4 字节，整型对象却要占用 16 字节。这一情况在数组上更加严重，整型数组中的每个元素只占用基本类型的内存，而整型对象数组中，每个元素都是内存中的一个指针，指向 Java堆中的某个对象。在最坏的情况下，同样大小的数组，Integer[] 要比 int[] 多占用 6 倍内存。

将基本类型转换为装箱类型，称为装箱，反之则称为拆箱，两者都需要额外的计算开销。对于需要大量数值运算的算法来说，装箱和拆箱的计算开销，以及装箱类型占用的额外内存，会明显减缓程序的运行速度。

为了减小这些性能开销，Stream 类的某些方法对基本类型和装箱类型做了区分。高阶函数 mapToLong 和其他类似函数即为该方面的一个尝试。在 Java 8 中，仅对整型、长整型和双浮点型做了特殊处理，因为它们在数值计算中用得最多，特殊处理后的系统性能提升效果最明显。

如有可能，应尽可能多地使用对基本类型做过特殊处理的方法，进而改善性能。这些特殊的 Stream 还提供额外的方法，避免重复实现一些通用的方法，让代码更能体现出数值计算的意图。

需求：需要计算出公司部门利润的平均值，最大值，最小值，以及利润总和。

LongSummaryStatistics longSummaryStatistics = departmentList
    .stream()
    .mapToLong(Department::getDepartProfit)
    .summaryStatistics();
System.out.println("利润最大值"+longSummaryStatistics.getMax());
System.out.println("利润最小值"+longSummaryStatistics.getMin());
System.out.println("利润平均值"+longSummaryStatistics.getAverage());
System.out.println("利润总和"+longSummaryStatistics.getSum());

这些统计值在所有特殊处理的 Stream，如 DoubleStream、LongStream 中都可以得出。如无需全部的统计值，也可分别调用 min、max、average 或 sum 方法获得单个的统计值，同样，三种基本类型对应的特殊 Stream 也都包含这些方法。

6. 数据并行化

并 行 化 操 作 流 只 需 改 变 一 个 方 法 调 用。 如 果 已 经 有 一 个 Stream 对 象， 调 用 它 的parallel 方法就能让其拥有并行操作的能力。如果想从一个集合类创建一个流，调用parallelStream 就能立即获得一个拥有并行能力的流。

需求：并行的统计公司的所有的人员。

Set<Person> collect = departmentList.stream()
		.parallel()
		.flatMap(e -> e.getPersons().stream()).collect(Collectors.toSet());
Set<Person> collect1 = departmentList.parallelStream()
		.flatMap(e -> e.getPersons().stream()).collect(Collectors.toSet());

在底层，并行流还是沿用了 fork/join 框架。fork 递归式地分解问题，然后每段并行执行，最终由 join 合并结果，返回最后的值。