Java 8 Stream实践
【**前面的话**】Java中的Stream于1.8版本析出,平时项目中也有用到,今天就系统的来实践一下。下面借用重庆力帆队伍中我个人比较喜欢的球员来操作一波,队员的年龄为了便于展示某些api做了调整,请不要太认真哦。
***
# 壹. Stream理解
在java中我们称Stream为『**流**』,我们经常会用流去对集合进行一些流水线的操作。stream就像工厂一样,只需要把集合、命令还有一些参数灌输到流水线中去,就可以加工成得出想要的结果。这样的流水线能大大简洁代码,减少操作。给我个人的感觉类似JavaScript中的链式函数。
# 贰. Stream流程
```java
原集合 —> 流 —> 各种操作(过滤、分组、统计) —> 终端操作
```
Stream流的操作流程一般都是这样的,先将集合转为流,然后经过各种操作,比如过滤、筛选、分组、计算。最后的终端操作,就是转化成我们想要的数据,这个数据的形式一般还是集合,有时也会按照需求输出count计数。下文会一一举例。
# 叁. API实践
首先,定义一个用户对象,包含姓名、年龄、id三个成员变量:
```java
package com.eelve.training.entity;
import lombok.*;
import javax.persistence.*;
/**
* @ClassName User
* @Description TDO
* @Author zhao.zhilue
* @Date 2019/6/28 15:21
* @Version 1.0
**/
@Data
@Entity
@Table(name = "user")
@ToString
@NoArgsConstructor
@AllArgsConstructor
@EqualsAndHashCode(exclude={"id","name"})
public class User implements Comparable{
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
@Column(name = "id")
private Integer id;
/**
* Link name.
*/
@Column(name = "name", columnDefinition = "varchar(255) not null")
private String name;
@Column(name = "age")
private Integer age;
public User(String name, Integer age) {
this.name = name;
this.age = age;
}
@Override
public int compareTo(User o) {
return age.compareTo(o.getAge());
}
}
```
然后在数据库中插入测试数据,见下图:

## 3.1过滤
### 1)filter 过滤(T-> boolean)
假如我们要实现过滤出40岁以下的队员,我们可以这样来实现:
```java
@Test
public void testUserStreamFilter(){
List userList = userMapper.getALL();
List resultList = userList.stream().filter(user -> user.getAge() 箭头后面跟着的是一个**boolean**值,可以写任何的过滤条件,就相当于sql中where后面的东西,换句话说,能用sql实现的功能这里都可以实现
执行结果为:
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=5, name=隋维杰, age=26)
```
### 2)distinct 去重
其用法和sql中的使用类似,假如我们要实现过去除用重复年龄的队员,我们可以这样来实现:
```java
@Test
public void testUserDistinct(){
List userList = userMapper.getALL();
List resultList = userList.stream().distinct().collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为:
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=6, name=克鲁伊夫, age=43)
```
### 3)sorted排序
如果流中的元素的类实现了 Comparable 接口,即有自己的排序规则,那么可以直接调用 sorted() 方法对元素进行排序,如:
```java
@Override
public int compareTo(User o) {
return age.compareTo(o.getAge());
}
```
```java
@Test
public void testUserStreamSorted(){
List userList = userMapper.getALL();
List resultList = userList.stream().sorted().collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。
```java
@Test
public void testUserStreamSortedWithComparator(){
List userList = userMapper.getALL();
List resultList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为:
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=5, name=隋维杰, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=6, name=克鲁伊夫, age=43)
```
### 4)limit() 返回前n个元素
如果想知道队伍中年龄最小的就可以使用下面来实现:
```java
@Test
public void testUserStreamLimit(){
List userList = userMapper.getALL();
List resultList = userList.stream().limit(2).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为:
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
```
### 5)skip
它的用法和limit正好相反,是去除前面几个元素。
假如我们要去除前面两个元素就可以使用下面的方法来实现:
```java
@Test
public void testUserStreamSkip(){
List userList = userMapper.getALL();
List resultList = userList.stream().skip(2).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
执行结果为:
```java
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=5, name=隋维杰, age=26)
User(id=6, name=克鲁伊夫, age=43)
```
### 6)组合使用
以上的过滤函数物品们可以组合来使用来实现我们具体的需求,示例代码如下:
```java
@Test
public void testUserStreamSortLimit(){
List userList = userMapper.getALL();
List resultList = userList.stream().sorted().limit(5).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}
```
这样我们就可以得到先排序后限制的结果:
```java
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=5, name=隋维杰, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
```
## 3.2 映射
### 1)map(T->R)
map是将T类型的数据转为R类型的数据,比如我们想要设置一个新的list,存储用户所有的城市信息。
```java
@Test
public void testUserStreamMap(){
List userList = userMapper.getALL();
List resultList = userList.stream().map(User::getAge).distinct().collect(Collectors.toList());
System.out.println(resultList.toString());
}
```
这样我们可以得到所有年龄的样本,执行结果为:
```java
[25, 26, 27, 28, 43]
```
### 2)flatMap(T -> Stream)
将流中的每一个元素 T 映射为一个流,再把每一个流连接成为一个流。
```java
@Test
public void testStreamMap(){
List habitsList = new ArrayList();
habitsList.add("唱歌,听歌");
habitsList.add("羽毛球,足球,登山");
habitsList = habitsList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(Collectors.toList());
System.out.println(habitsList);
}
```
执行结果为:
```java
[唱歌, 听歌, 羽毛球, 足球, 登山]
```
这里原集合中的数据由逗号分割,使用split进行拆分后,得到的是Stream,字符串数组组成的流,要使用flatMap的**Arrays::stream**,将Stream转为Stream,然后把流相连接,组成了完整的唱歌, 听歌, 羽毛球, 足球, 登山。
## 3.3 查找
### 1)allMatch(T->boolean)
检测是否全部满足参数行为,假如我们要检测是不是所有队员都是U21的球员:
```java
@Test
public void testUserStreamAllMatch(){
List userList = userMapper.getALL();
boolean isNotU21 = userList.stream().allMatch(user -> user.getAge() >= 21);
System.out.println("是否都不是U21球员:" + isNotU21);
}
```
执行结果为:
```java
是否都不是U21球员:true
```
### 2)anyMatch(T->boolean)
检测是否有任意元素满足给定的条件,比如,想知道是否有26岁的球员:
```java
@Test
public void testUserStreamAnyMatch(){
List userList = userMapper.getALL();
boolean isAgeU26 = userList.stream().anyMatch(user -> user.getAge() == 26);
System.out.println("是否有26岁的球员:" + isAgeU26);
}
```
执行结果为:
```java
是否有26岁的球员:true
```
### 3)noneMatch(T -> boolean)
流中是否有元素匹配给定的 T -> boolean 条件。比如我们要检测是否含有U18的队员:
```java
@Test
public void testUserStreamNoneMatch(){
List userList = userMapper.getALL();
boolean isNotU18 = userList.stream().noneMatch(user -> user.getAge() userList = userMapper.getALL();
Optional firstUser = userList.stream().sorted().findFirst();
System.out.println(firstUser.toString());
}
```
执行结果为:
```java
Optional[User(id=1, name=费尔南多, age=25)]
```
### 5)findAny():找到任意一个元素
```java
@Test
public void testUserFindAny(){
List userList = userMapper.getALL();
Optional anytUser = userList.parallelStream().sorted().findAny();
System.out.println(anytUser.toString());
}
```
执行结果为:
```java
Optional[User(id=2, name=费尔南迪尼奥, age=26)]
```
## 3.4 归纳计算
### 1)求队员的总人数
```java
@Test
public void testUserCount(){
List userList = userMapper.getALL();
long totalAge = userList.stream().collect(Collectors.counting());
System.out.println("队员人数为:" + totalAge);
}
```
执行结果为:
```java
队员人数为:6
```
### 2)得到某一属性的最大最小值
```java
@Test
public void testUserMaxAndMin(){
List userList = userMapper.getALL();
Optional userMaxAge = userList.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge)));
System.out.println("年龄最大的队员为:" + userMaxAge.toString());
Optional userMinAge = userList.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge)));
System.out.println("年龄最小的队员为:" + userMinAge.toString());
}
```
执行结果为:
```java
年龄最大的队员为:Optional[User(id=6, name=克鲁伊夫, age=43)]
年龄最小的队员为:Optional[User(id=1, name=费尔南多, age=25)]
```
### 3)求年龄总和是多少
```java
@Test
public void testUserSummingInt(){
List userList = userMapper.getALL();
int totalAge = userList.stream().collect(Collectors.summingInt(User::getAge));
System.out.println("年龄总和为:" + totalAge);
}
```
执行结果为:
```java
年龄总和为:175
```
我们经常会用BigDecimal来记录金钱,假设想得到BigDecimal的总和:
// 获得列表对象金额, 使用reduce聚合函数,实现累加器
BigDecimal sum = myList.stream() .map(User::getMoney)
.reduce(BigDecimal.ZERO,BigDecimal::add);
### 4)求年龄平均值
```java
@Test
public void testUserAveragingInt(){
List userList = userMapper.getALL();
Double totalAge = userList.stream().collect(Collectors.averagingInt(User::getAge));
System.out.println("平均年龄为:" + totalAge);
}
```
执行结果为:
```java
平均年龄为:29.166666666666668
```
### 5)一次性得到元素的个数、总和、最大值、最小值
```java
@Test
public void testUserSummarizingInt(){
List userList = userMapper.getALL();
IntSummaryStatistics statistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));
System.out.println("年龄的统计结果为:" + statistics );
}
```
执行结果为:
```java
年龄的统计结果为:IntSummaryStatistics{count=6, sum=175, min=25, average=29.166667, max=43}
```
### 6)字符串拼接
要将队员的姓名连成一个字符串并用逗号分割。
```java
@Test
public void testUserJoining(){
List userList = userMapper.getALL();
String name = userList.stream().map(User::getName).collect(Collectors.joining(","));
System.out.println("所有的队员名字:" + name );
}
```
执行结果为:
```java
所有的队员名字:费尔南多,费尔南迪尼奥,卡尔德克,阿德里安,隋维杰,克鲁伊夫
```
## 3.5 分组
在数据库操作中,我们经常通过GROUP BY关键字对查询到的数据进行分组,java8的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。
### 1)可以根据队员的年龄进行分组
```java
@Test
public void testUserGroupingBy(){
List userList = userMapper.getALL();
Map> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge));
for (Map.Entry> entry :ageMap.entrySet()){
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
}
```
执行结果为:
```java
key= 25 and value= [User(id=1, name=费尔南多, age=25)]
key= 26 and value= [User(id=2, name=费尔南迪尼奥, age=26), User(id=5, name=隋维杰, age=26)]
key= 43 and value= [User(id=6, name=克鲁伊夫, age=43)]
key= 27 and value= [User(id=3, name=卡尔德克, age=27)]
key= 28 and value= [User(id=4, name=阿德里安, age=28)]
```
结果是一个map,key为不重复的年龄,value为属于该年龄的队员列表。已经实现了分组。另外我们还可以继续分组得到两次分组的结果。
### 2)如果仅仅想统计各年龄的队员个数是多少,并不需要对应的list
按年龄分组并统计人数:
```java
@Test
public void testUserGroupingByCount(){
List userList = userMapper.getALL();
Map ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge,Collectors.counting()));
for (Map.Entry entry :ageMap.entrySet()){
System.out.println("队员中" + entry.getKey() + "岁的队员人数为:" + entry.getValue());
}
}
```
执行结果为:
```java
队员中25岁的队员人数为:1
队员中26岁的队员人数为:2
队员中43岁的队员人数为:1
队员中27岁的队员人数为:1
队员中28岁的队员人数为:1
```
### 3)partitioningBy 分区
分区与分组的区别在于,分区是按照 true 和 false 来分的,因此partitioningBy 接受的参数的 lambda 也是 T -> boolean
```java
@Test
public void testUserPartitioningBy (){
List userList = userMapper.getALL();
Map> partitioningByMap = userList.stream().collect(partitioningBy(user -> user.getAge() >= 30));
for (Map.Entry> entry :partitioningByMap.entrySet()){
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
}
```
执行结果为:
```java
key= false and value= [User(id=1, name=费尔南多, age=25), User(id=2, name=费尔南迪尼奥, age=26), User(id=3, name=卡尔德克, age=27), User(id=4, name=阿德里安, age=28), User(id=5, name=隋维杰, age=26)]
key= true and value= [User(id=6, name=克鲁伊夫, age=43)]
```
***
【**写在后面的话**】留下stream的类实现的方法和依赖图,前面的实践也只是挑选了几个比较常用的Api。

Java 8 Stream实践的更多相关文章
- Java 8 Stream API的使用示例
前言 Java Stream API借助于Lambda表达式,为Collection操作提供了一个新的选择.如果使用得当,可以极大地提高编程效率和代码可读性. 本文将介绍Stream API包含的方法 ...
- Java 8 Stream API详解--转
原文地址:http://blog.csdn.net/chszs/article/details/47038607 Java 8 Stream API详解 一.Stream API介绍 Java8引入了 ...
- Java 理论与实践: 处理 InterruptedException
捕捉到它,然后怎么处理它? 很多 Java™ 语言方法,例如 Thread.sleep() 和 Object.wait(),都可以抛出InterruptedException.您不能忽略这个异常,因为 ...
- java之stream(jdk8)
一.stream介绍 参考: Java 8 中的 Streams API 详解 Package java.util.stream Java8初体验(二)Stream语法详解 二.例子 im ...
- paip.myeclipse7 java webservice 最佳实践o228
paip.myeclipse7 java webservice 最佳实践o228 java的ws实现方案:jax-ws>>xfire ws的测试工具 webservice测试调用工具W ...
- Java 理论与实践: 非阻塞算法简介——看吧,没有锁定!(转载)
简介: Java™ 5.0 第一次让使用 Java 语言开发非阻塞算法成为可能,java.util.concurrent 包充分地利用了这个功能.非阻塞算法属于并发算法,它们可以安全地派生它们的线程, ...
- Java 理论与实践: 流行的原子——新原子类是 java.util.concurrent 的隐藏精华(转载)
简介: 在 JDK 5.0 之前,如果不使用本机代码,就不能用 Java 语言编写无等待.无锁定的算法.在 java.util.concurrent 中添加原子变量类之后,这种情况发生了变化.请跟随并 ...
- Java 理论和实践: 了解泛型
转载自 : http://www.ibm.com/developerworks/cn/java/j-jtp01255.html 表面上看起来,无论语法还是应用的环境(比如容器类),泛型类型(或者泛型) ...
- Java 8 Stream API Example Tutorial
Stream API Overview Before we look into Java 8 Stream API Examples, let’s see why it was required. S ...
随机推荐
- Codeforces Gym101341K:Competitions(DP)
http://codeforces.com/gym/101341/problem/K 题意:给出n个区间,每个区间有一个l, r, w,代表区间左端点右端点和区间的权值,现在可以选取一些区间,要求选择 ...
- POJ 3318:Matrix Multiplication(随机算法)
http://poj.org/problem?id=3318 题意:问A和B两个矩阵相乘能否等于C. 思路:题目明确说出(n^3)的算法不能过,但是通过各种常数优化还是能过的. 这里的随机算法指的是随 ...
- Codeforces 755B:PolandBall and Game(map+思维)
http://codeforces.com/problemset/problem/755/B 题意:A可以喊出n个字符串,B可以喊出m个字符串,如果一个字符串之前被喊过,那么它再也不能喊了,A先喊,最 ...
- 利用Jmeter模拟Github登录
最近学习了Jmeter的简单操作,很想找点东西来实战一下,因为我之前写过一篇通过Python模拟登录的文章,于是便想尝试下学习通过Jmeter来模拟登录. 本人环境:Jmeter5.1.1 关于Git ...
- 淺談Coach思考模式
我現在是個窮屌,沒錯.我清楚的知道這一點,但是我也知道,我能改變. 之前幹了7年的評估行業,中間換了3家公司,第一家公司待的時間最長,待了5年.2018年開始,我就在思考轉行.之前在第一家企業接觸過一 ...
- 基于SpringCloud的Microservices架构实战案例-架构拆解
自第一篇< 基于SpringCloud的Microservices架构实战案例-序篇>发表出来后,差不多有半年时间了,一直也没有接着拆分完,有如读本书一样,也是需要契机的,还是要把未完成的 ...
- Linux下移动图像监测系统——motion的移植及应用
移动图像监控主系统的开发 移动图像监控的原理方法: 通过获取摄像头图像,比较前后每一帧的图像数据,从而实现移动物体监控.所有移动监控均是如此,只是图像帧的比较算法不同. 移动图像监控系统的实现 选择开 ...
- Flask项目常见面试问题
一.你的项目中缓存粒度是如何选择的? 缓存粒度一共分为4种. 1.缓存某个数值:一个键只保存一个值,性价比较低,使用率低,如果存储的话我们使用redis的String 2.缓存数据对象:数据库记录对应 ...
- GStreamer基础教程05 - 播放时间控制
简介 在多媒体应用中,我们通常需要查询媒体文件的总时间.当前播放位置,以及跳转到指定的时间点.GStreamer提供了相应的接口来实现此功能,在本文中,我们将通过示例了解如何查询时间信息,以及如何进行 ...
- zabbix 支持的主要监控方式
zabbix 支持的主要监控方式 一.zabbix支持的主要监控方式: zabbix主要Agent,Trapper,SNMP,JMX,IPMI这几种监控方式,本文章主要通过监控理论和实际操作测试等方式 ...