筆者日常: Stream知識點真的是…太多了!!!
聲明: 由於Stream知識極多,所以本人將其分爲兩個部分進行學習。
Stream(上)主要學習的內容有:
Stream(下)主要學習的內容有:
Stream學習(上):
-
Stream實例的(常用)獲取方法:
- 串行流:
- Collection.stream()
- Stream.of(T… values)
- stream.sequential()
- Arrays.stream()
- ……
- 並行流:
- Collection.parallelStream()
- stream.parallel()
- …
- 相關說明:
- 串行流由單線程進行處理執行, 並行流由多線程進行處理執行。
- 在多核的情況下,並行流效率更高。
- 推薦使用Stream,而不使用顯示迭代(如: for循環等)。
- 顯示循環、串行流、並行流的性能比較可參考here。
- 串行流、並行流的只是介紹可參考here。
- 在使用並行流時,如果只是用其來處理集合A本身的話,是不會有線程問題的(其內部會自己處理好);如果在使用並行流的時候,涉及到了其他變量B,那麼可能出現線程不安全的情況。 如:
listA.parallelStream().map(x -> {listB.add(x); return x;}).forEachOrdered(System.out::print)
中,listA的並行流中 進行x -> {listB.add(x); return x;}
操作,即:多線程中調用listB的add方法,如果listB是線程不安全的,那麼就可能出現問題。
- 示例:
/** * 獲取串行流: * Collection.stream(): 獲取串行Stream * Stream.of(T... values): 獲取串行Stream * stream.sequential(): 獲取串行Stream * Arrays.stream() * …… * * 獲取並行流: * Collection.parallelStream(): 獲取並行Stream * stream.parallel(): 獲取並行Stream * …… * * 注:獲取Stream實例的方式方式比較多,這裏只示例了最基本的幾種方式。 * * 相關說明: * 1、串行流由單線程進行處理執行, 並行流由多線程進行處理執行。 * 2、在多核的情況下,並行流效率更高。 * 3、推薦使用Stream,而不使用顯示迭代(如: for循環等)。 * 4、顯示循環、串行流、並行流的性能比較可參考<linked>https://blog.csdn.net/java1856905/article/details/88640557</linked> * 5、串行流、並行流的只是介紹可參考<linked>https://www.jianshu.com/p/19ffb2c9438a</linked> * 6、在使用並行流時,如果只是用其來處理集合A本身的話,是不會有線程問題的(其內部會自己處理好);如果在使用並 * 行流的時候,涉及到了其他變量B,那麼可能出現線程不安全的情況。 如: * listA.parallelStream() * .map(x -> {listB.add(x); return x;}) * .forEachOrdered(x -> System.out.print(x) * 中,listA的並行流中 進行x -> {listB.add(x); return x;}操作, * 即: 多線程中調用listB的add方法,如果listB是線程不安全的,那麼就可能出現問題。 */ @Test public void test1() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("張三").age(18).staffNo("NO1").build(), Staff.builder().name("李四").age(25).staffNo("NO2").build(), Staff.builder().name("王五").age(40).staffNo("NO3").build() ); /// 獲取串行Stream // 常用方式一 Stream<Staff> stream = tmpList.stream(); // 常用方式二 // 這樣: // Stream<Staff> stream = Stream.of(a, b, c); // 或這樣: // Staff[] tmpArray = {a, b, c}; // Stream<Staff> stream = Stream.of(tmpArray); // 或這樣: // Arrays.stream() /// 獲取並行Stream // Stream<Staff> stream = tmpList.parallelStream(); // Stream.of(a, b, c).parallel(); }
- 串行流:
-
boolean allMatch(Predicate<? super T> predicate) : 是否【所有元素都滿足Predicate】。
-
boolean allMatch(Predicate<? super T> predicate) :是否【存在元素滿足Predicate】。
-
boolean noneMatch(Predicate<? super T> predicate) :是否【所有元素都不滿足Predicate】。
- 示例:
/** * boolean allMatch: 是否【所有元素都滿足Predicate】 * boolean anyMatch: 是否【存在元素滿足Predicate】 * boolean noneMatch: 是否【所有元素都不滿足Predicate】 */ @Test public void test2() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("張三").age(18).staffNo("NO1").build(), Staff.builder().name("李四").age(25).staffNo("NO2").build(), Staff.builder().name("王五").age(40).staffNo("NO3").build() ); Stream<Staff> stream = tmpList.stream(); // -> Stream.allMatch 測試 // Predicate<Staff> predicateOne = x -> x.getAge() >= 18; // 控制檯輸出true。 即:stream中的所有Staff均滿足predicateOne. // System.out.println(stream.allMatch(predicateOne)); // -> Stream.anyMatch 測試 // Predicate<Staff> predicateTwo = x -> x.getName() != null && x.getName().contains("王"); // 控制檯輸出true。 即:stream中存在Staff滿足 predicateTwo. // System.out.println(stream.anyMatch(predicateTwo)); // -> Stream.noneMatch 測試 Predicate<Staff> predicateThree = x -> "JustryDeng".equals(x.getName()); // 控制檯輸出true。 即:stream中不存在任何Staff滿足 predicateThree. System.out.println(stream.noneMatch(predicateThree)); }
- 示例:
-
static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b):創建一個Stream<T>,其元素是:在第一個流的所有元素後再接上第二個流的所有元素。
- 示例:
/** * static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b): 創建一個String<T>,其元 * 素是:在第一個流的所有元素後再接上第二個流的所有元素 */ @Test public void test3() { // 基礎數據準備 Staff a = Staff.builder().name("張三").age(18).staffNo("NO1").build(); Staff c = Staff.builder().name("王五").age(40).staffNo("NO3").build(); Stream<Staff> streamA = Stream.of(a, c); Staff b = Staff.builder().name("李四").age(25).staffNo("NO2").build(); Stream<Staff> streamB = Stream.of(b); // 按前後順醋,"拼接"兩個流 Stream<Staff> stream = Stream.concat(streamA, streamB); // 輸出:[Staff(name=張三, age=18, staffNo=NO1), Staff(name=王五, age=40, staffNo=NO3), Staff(name=李四, age=25, staffNo=NO2)] System.out.println(Arrays.deepToString(stream.toArray())); }
- 示例:
-
long count():返回此Stream中的元素數量。
- 示例:
/** * long count: 返回此Stream中的元素數量 */ @Test public void test4() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("張三").age(18).staffNo("NO1").build(), Staff.builder().name("李四").age(25).staffNo("NO2").build(), Staff.builder().name("王五").age(40).staffNo("NO3").build() ); Stream<Staff> stream = tmpList.stream(); // 輸出: 3 System.out.println(stream.count()); }
- 示例:
-
void forEach(Consumer<? super T> action):遍歷元素進行消費。
-
void forEachOrdered(Consumer<? super T> action):有序遍歷元素進行消費。
- 注:如果是串行流,使用forEach和使用forEachOrdered都能順序消費。如果是並行流,使用forEachOrdered能保證有序消費,而forEach不能保證。
- 示例:
/** * void forEach(Consumer<? super T> action): 遍歷元素進行消費 * * void forEachOrdered(Consumer<? super T> action): 有序遍歷元素進行消費 * * 注:如果是串行流,使用forEach和使用forEachOrdered都能順序消費。 * 如果是並行流,使用forEachOrdered能保證有序消費,而forEach不能保證。 */ @Test public void test6() { // 數據準備 List<Integer> tmpList = Lists.newArrayList(1, 2, 3, 4, 5, 6, 7, 8, 9); // 串行流 forEach Stream<Integer> sequentialStreamOne = tmpList.stream(); // 輸出: 1 2 3 4 5 6 7 8 9 sequentialStreamOne.forEach(x -> System.out.print(x + "\t")); System.out.print("\n"); // 串行流 forEachOrdered Stream<Integer> sequentialStreamTwo = tmpList.stream(); // 輸出: 1 2 3 4 5 6 7 8 9 sequentialStreamTwo.forEachOrdered(x -> System.out.print(x + "\t")); System.out.print("\n"); // 並行流 forEach Stream<Integer> parallelStreamOne = tmpList.parallelStream(); // 輸出: 6 5 7 8 9 2 1 4 3 parallelStreamOne.forEach(x -> System.out.print(x + "\t")); System.out.print("\n"); // 並行流 forEachOrdered Stream<Integer> parallelStreamTwo = tmpList.parallelStream(); // 輸出: 1 2 3 4 5 6 7 8 9 parallelStreamTwo.forEachOrdered(x -> System.out.print(x + "\t")); }
-
Stream<T> distinct():根據equals方法去重。
- 示例:
/** * Stream<T> distinct: 根據equals方法去重。 */ @Test @SuppressWarnings("all") public void test7() { String a = "JustryDeng"; String b = new String("JustryDeng"); String c = "鄧帥"; String d = new String("鄧帥"); // 數據準備 List<String> tmpList = Lists.newArrayList(a,b, c,d); Stream<String> stream = tmpList.parallelStream(); // 去重 stream = stream.distinct(); stream.forEachOrdered(System.out::println); }
- 示例:
-
Stream<T> filter(Predicate<? super T> predicate):篩選出(只留下)滿足predicate的元素。
- 示例:
/** * Stream<T> filter(Predicate<? super T> predicate): 篩選出(只留下)滿足predicate的元素。 */ @Test public void test8() { // 數據準備 List<Integer> tmpList = Lists.newArrayList(1, 2, 3, 4, 5, 6, 7, 8, 9); Stream<Integer> stream = tmpList.parallelStream(); // 篩選條件 Predicate<Integer> predicate = x -> x != null && x % 2 == 0; // 輸出: 2 4 6 8 stream.filter(predicate).forEachOrdered(x -> System.out.print(x + "\t")); }
- 示例:
-
Optional<T> findFirst():返回流中的第一個元素的Optional封裝。
- 注:如果stream是empty,那麼會獲得一個empty的Optional。
- 注::如果篩選出來的第一個元素爲null,那麼會拋出NPE。
- 注:If the stream has no encounter order, then any element may be returned.
- 示例:
/** * Optional<T> findFirst: 返回流中的第一個元素的Optional封裝。 * * 注: 如果stream是empty,那麼會獲得一個empty的Optional。 * 注: 如果篩選出來的第一個元素爲null,那麼會拋出NPE。 * 注: If the stream has no encounter order, then any element may be returned. */ @Test public void test9() { // 數據準備 List<Integer> tmpList = Lists.newArrayList(1, 2, 3, 4, 5, 6, 7, 8, 9); Stream<Integer> stream = tmpList.stream(); Optional<Integer> optional = stream.findFirst(); optional.ifPresent(x -> System.out.println("\t" + x)); }
-
<R> Stream<R> flatMap(Function<? super T,? extends Stream<? extends R>> mapper):將Stream<T>中的各個元素轉換爲對應的Stream<R>,並用新的Stream<R>替代原來Stream<T>中對應元素的位置,返回一個新的Stream<R>。
- 注:map與flatMap的都是對原Stream<T>中的元素進行替代。不過map是以一個Object來替代一個T,而flatMap是用一個Stream對象來替代原來的T。
追注:map與flatMap的主要不同,可以理解爲: map只是以一個Object來替代原來的一個T;而flatMap是以一批(或一個)Object來替代原來的一個T。 - 示例:
/** * <R> Stream<R> flatMap(Function<? super T,? extends Stream<? extends R>> mapper) : * 將Stream<T>中的各個元素轉換爲對應的Stream<R>,並用新的Stream<R>替代原 * 來Stream<T>中對應元素的位置,返回一個新的String<R> * * 注:map與flatMap的都是對原Stream<T>中的元素進行替代。 * 不過map是以一個Object來替代一個T,而flatMap是用一個Stream對象來替代原來的T。 * 追注:map與flatMap的主要不同,可以理解爲: map只是以一個Object來替代原來的一個T; * 而flatMap是以一批(或一個)Object來替代原來的一個T; */ @Test public void test10() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("張三").age(18).staffNo("NO1").build(), Staff.builder().name("李四").age(25).staffNo("NO2").build(), Staff.builder().name("王五").age(40).staffNo("NO3").build() ); // 將元素Staff,轉換爲對應的Stream<String> Function<Staff, Stream<String>> function = x -> Arrays.stream(x.getName().split("")); // 通過Function<Staff, Stream<String>>,將Stream<Staff>轉換爲Stream<String> Stream<Staff> staffStream = tmpList.parallelStream(); Stream<String> stringStream = staffStream.flatMap(function); // 輸出: 張 三 李 四 王 五 stringStream.forEachOrdered(x -> System.out.print(x + "\t")); }
- 注:map與flatMap的都是對原Stream<T>中的元素進行替代。不過map是以一個Object來替代一個T,而flatMap是用一個Stream對象來替代原來的T。
-
IntStream flatMapToInt(Function<? super T,? extends IntStream> mapper):將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)IntStream進行替換,最終返回一個新的IntStream。
-
LongStream flatMapToLong(Function<? super T,? extends LongStream> mapper):將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)LongStream進行替換,最終返回一個新的LongStream。
-
DoubleStream flatMapToDouble(Function<? super T,? extends DoubleStream> mapper):將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)DoubleStream進行替換,最終返回一個新的DoubleStream。
- 示例:
/** * IntStream flatMapToInt(Function<? super T,? extends IntStream> mapper) : * 將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)IntStream進行替換, * 最終返回一個新的IntStream。 * * LongStream flatMapToLong(Function<? super T,? extends LongStream> mapper): * 將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)LongStream進行替換, * 最終返回一個新的LongStream。 * * DoubleStream flatMapToDouble(Function<? super T,? extends DoubleStream> mapper) : * 將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)DoubleStream進行 * 替換,最終返回一個新的DoubleStream。 * */ @Test public void test11() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("張三").age(18).workStartTimestamp(1234555L).faceScore(99.9D).build(), Staff.builder().name("李四").age(25).workStartTimestamp(2323233L).faceScore(89.2D).build(), Staff.builder().name("王五").age(40).workStartTimestamp(8484848L).faceScore(68.7D).build() ); /// flatMapToInt簡單示例 Stream<Staff> staffStreamOne = tmpList.parallelStream(); Function<Staff, IntStream> functionOne = x -> IntStream.of(x.getAge()); IntStream intStream = staffStreamOne.flatMapToInt(functionOne); // 輸出: 18 25 40 intStream.forEachOrdered(x -> System.out.print(x + "\t")); System.out.println("\n"); /// flatMapToLong簡單示例 Stream<Staff> staffStreamTwo = tmpList.parallelStream(); Function<Staff, LongStream> functionTwo = x -> LongStream.of(x.getWorkStartTimestamp()); LongStream longStream = staffStreamTwo.flatMapToLong(functionTwo); // 輸出: 1234555 2323233 8484848 longStream.forEachOrdered(x -> System.out.print(x + "\t")); System.out.println("\n"); /// flatMapToDouble簡單示例 Stream<Staff> staffStreamThree = tmpList.parallelStream(); Function<Staff, DoubleStream> functionThree = x -> DoubleStream.of(x.getFaceScore()); DoubleStream doubleStream = staffStreamThree.flatMapToDouble(functionThree); // 輸出: 99.9 89.2 68.7 doubleStream.forEachOrdered(x -> System.out.print(x + "\t")); }
- 示例:
-
static <T> Stream<T> generate(Supplier<T> s):返回含有無限多個元素的無序的Stream,其中每個元素由提供的Supplier。
- 注:對比iterate可知,這裏的無序指的是:前一個元素與後一個元素沒有任何關係
- 注:對於Supplier<T> s,可使用lambda來進行簡化書寫。
- 注:此方法一般配合limit(long maxSize)進行使用,否則會有無線多個元素。
- 示例:
/** * static <T> Stream<T> generate(Supplier<T> s): * 返回含有無限多個元素的無序的Stream,其中每個元素由提供的Supplier。 * * 注:對比iterate可知,這裏的無序指的是:前一個元素與後一個元素沒有任何關係。 * * 注:對於Supplier<T> s,可使用lambda來進行簡化書寫。 * * 注:此方法一般配合limit(long maxSize)進行使用,否則會有無線多個元素。 * */ @Test public void test12() { Stream<Staff> staffStream = Stream.generate(new StaffSupplier()).limit(10); staffStream.forEachOrdered(System.out::println); } class StaffSupplier implements Supplier<Staff> { SecureRandom secureRandom = new SecureRandom(); @Override public Staff get() { return Staff.builder() .name("張三") .age(secureRandom.nextInt(200)) .workStartTimestamp(Math.abs(secureRandom.nextLong())) .faceScore(secureRandom.nextDouble()) .build(); } }
-
static <T> Stream iterate(T seed, UnaryOperator<T> f):返回含有無限多個元素的有序的Stream,其中每個元素由提供的Supplier。
- 注:seed 爲生成的Stream的第一個元素,也是f的起始種子。
- 注:這裏的有序指的是:後一個元素是由前一個元素根據一定的邏輯產生的。
- 注:此方法一般配合limit(long maxSize)進行使用,否則會有無線多個元素。
- 注:流中的元素是否是同一個對象,取決於UnaryOperator的具體實現了。
一般情況下,最好是使用新的對象。 - 示例:
/** * static <T> Stream<T> iterate(T seed, UnaryOperator<T> f) : * 返回含有無限多個元素的有序的Stream,其中每個元素由提供的Supplier。 * * 注: seed 爲生成的Stream的第一個元素,也是f的起始種子。 * * 注:這裏的有序指的是:後一個元素是由前一個元素根據一定的邏輯產生的。 * * 注:此方法一般配合limit(long maxSize)進行使用,否則會有無線多個元素。 * * 注:流中的元素是否是同一個對象,取決於UnaryOperator的具體實現了。 * 一般情況下,最好是使用新的對象。 */ @Test public void test13() { Staff foo = Staff.builder().name("張三").age(18).build(); Stream<Staff> staffStream = Stream.iterate(foo, new StaffOperatorSupplier()).limit(5); // 18 19 20 21 22 staffStream.forEachOrdered(x -> System.out.print(x.getAge() + "\t")); } class StaffOperatorSupplier implements UnaryOperator<Staff> { @Override public Staff apply(Staff staff) { // System.err.println(staff.hashCode()); Integer age = staff.getAge(); age = age == null ? 0 : age + 1; return Staff.builder().age(age).build(); } }
-
Stream<T> limit(long maxSize):截取Stream前面的maxSize個元素。
- 注:若maxSize大於流的實際長度大小,那麼截取到的元素個數就是流的實際長度大小。
- 示例:
/** * Stream<T> limit(long maxSize) : 截取Stream前面的maxSize個元素。 * * 注:若maxSize大於流的實際長度大小,那麼截取到的元素個數就是流的實際長度大小。 */ @Test public void test14() { Stream<Integer> parallelStreamOne = Stream.of(1, 2, 3, 4, 5).parallel(); // 輸出: 123 parallelStreamOne.limit(3).forEachOrdered(System.out::print); Stream<Integer> parallelStreamTwo = Stream.of(1, 2, 3, 4, 5).parallel(); // 輸出: 12345 parallelStreamTwo.limit(8).forEachOrdered(System.out::print); }
-
<R> Stream<R> map(Function<? super T,? extends R> mapper):將Stream<T>中的各個元素轉換爲對應的Object,並用新的Object替代原來Stream<T>中對應元素的位置(類型O代替T),返回一個新的Stream<O>。
- map與flatMap的都是對原Stream<T>中的元素進行替代。不過map是以一個Object來替代一個T,而flatMap是用一個Stream對象來替代原來的T。
追注:map與flatMap的主要不同,可以理解爲: map只是以一個Object來替代原來的一個T;而flatMap是以一批(或一個)Object來替代原來的一個T。 - 示例:
/** * <R> Stream<R> map(Function<? super T,? extends R> mapper) : * 將Stream<T>中的各個元素轉換爲對應的Object,並用新的Object替代原 * 來Stream<T>中對應元素的位置(類型O代替T),返回一個新的String<O>。 * * 注:map與flatMap的都是對原Stream<T>中的元素進行替代。 * 不過map是以一個Object來替代一個T,而flatMap是用一個Stream對象來替代原來的T。 * 追注:map與flatMap的主要不同,可以理解爲: map只是以一個Object來替代原來的一個T; * 而flatMap是以一批(或一個)Object來替代原來的一個T; */ @Test public void test15() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").age(18).staffNo("NO1").build(), Staff.builder().name("鄧沙利文").age(25).staffNo("NO2").build(), Staff.builder().name("鄧二洋").age(40).staffNo("NO3").build() ); // 將元素Staff,轉換爲對應的String Function<Staff, String> function = x -> x.getName() + "都特麼" + x.getAge() + "歲了!"; // 通過Function<Staff, String>,將Stream<Staff>轉換爲Stream<String> Stream<Staff> staffStream = tmpList.parallelStream(); Stream<String> stringStream = staffStream.map(function); // 輸出: JustryDeng都特麼18歲了! 鄧沙利文都特麼25歲了! 鄧二洋都特麼40歲了! stringStream.forEachOrdered(x -> System.out.print(x + "\t")); }
- map與flatMap的都是對原Stream<T>中的元素進行替代。不過map是以一個Object來替代一個T,而flatMap是用一個Stream對象來替代原來的T。
-
IntStream mapToInt(ToIntFunction<? super T> mapper):將當前Stream中的元素T,以對應的(通過Function轉換後得到的)IntStream進行替換,最終返回一個新的IntStream。
-
LongStream mapToLong(ToLongFunction<? super T> mapper):將當前Stream中的元素T,以對應的(通過Function轉換後得到的)LongStream進行替換,最終返回一個新的LongStream。
-
DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper):將當前Stream中的元素T,以對應的(通過Function轉換後得到的)DoubleStream進行替換,最終返回一個新的DoubleStream。
- 示例:
/** * IntStream mapToInt(ToIntFunction<? super T> mapper): * 將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)IntStream進行替換, * 最終返回一個新的IntStream。 * * LongStream mapToLong(ToLongFunction<? super T> mapper): * 將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)LongStream進行替換, * 最終返回一個新的LongStream。 * * DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper): * 將當前Stream<T>中的元素T,以對應的(通過Function轉換後得到的)DoubleStream進行 * 替換,最終返回一個新的DoubleStream。 */ @Test public void test16() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("張三").age(18).workStartTimestamp(1234555L).faceScore(99.9D).build(), Staff.builder().name("李四").age(25).workStartTimestamp(2323233L).faceScore(89.2D).build(), Staff.builder().name("王五").age(40).workStartTimestamp(8484848L).faceScore(68.7D).build() ); /// mapToInt簡單示例 Stream<Staff> staffStreamOne = tmpList.parallelStream(); ToIntFunction<Staff> functionOne = Staff::getAge; IntStream intStream = staffStreamOne.mapToInt(functionOne); // 輸出: 18 25 40 intStream.forEachOrdered(x -> System.out.print(x + "\t")); System.out.println("\n"); /// mapToLong簡單示例 Stream<Staff> staffStreamTwo = tmpList.parallelStream(); ToLongFunction<Staff> functionTwo = Staff::getWorkStartTimestamp; LongStream longStream = staffStreamTwo.mapToLong(functionTwo); // 輸出: 1234555 2323233 8484848 longStream.forEachOrdered(x -> System.out.print(x + "\t")); System.out.println("\n"); /// mapToDouble簡單示例 Stream<Staff> staffStreamThree = tmpList.parallelStream(); ToDoubleFunction<Staff> functionThree = Staff::getFaceScore; DoubleStream doubleStream = staffStreamThree.mapToDouble(functionThree); // 輸出: 99.9 89.2 68.7 doubleStream.forEachOrdered(x -> System.out.print(x + "\t")); }
- 示例:
-
Optional<T> max(Comparator<? super T> comparator):根據提供的Comparator, 返回此流的最大元素。
-
Optional<T> min(Comparator<? super T> comparator):根據提供的Comparator, 返回此流的最小元素。
- 示例:
/** * Optional<T> max(Comparator<? super T> comparator): 根據提供的Comparator, 返回此流的最大元素。 * * Optional<T> min(Comparator<? super T> comparator): 根據提供的Comparator, 返回此流的最小元素。 * * 注:對於比較器等,常用lambda表達式進行簡寫優化。 * */ @Test public void test17() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").age(12).staffNo("NO1").build(), Staff.builder().name("鄧沙利文").age(125).staffNo("NO2").build(), Staff.builder().name("鄧二洋").age(40).staffNo("NO3").build() ); /// max示例 Optional<Staff> maxOpt= tmpList.stream().parallel().max(new MaxMinStaffComparator()); // 輸出: Staff(name=鄧沙利文, age=125, staffNo=NO2, faceScore=null, workStartTimestamp=null) maxOpt.ifPresent(System.out::println); /// min示例 Optional<Staff> minOpt= tmpList.stream().parallel().min(new MaxMinStaffComparator()); // 輸出: Staff(name=JustryDeng, age=12, staffNo=NO1, faceScore=null, workStartTimestamp=null) minOpt.ifPresent(System.out::println); } class MaxMinStaffComparator implements Comparator<Staff> { @Override public int compare(Staff o1, Staff o2) { Objects.requireNonNull(o1); Objects.requireNonNull(o2); Integer ageOne = o1.getAge(); Integer ageTwo = o2.getAge(); Objects.requireNonNull(ageOne); Objects.requireNonNull(ageTwo); // 注意:這裏比較的順序,會對結果有影響。一般的,都是o1.compareTo(o2); // 如果交換比較順序,那麼結果會相反。 return ageOne.compareTo(ageTwo); } }
- 示例:
-
Stream<T> peek(Consumer<? super T> action):對stream中的元素進行處理,然後返回此Stream。
- 注:原Stream中的元素對象reference沒變。 但是對象的屬性可能會發生變化。即:這是一箇中間處理操作。
- 注:對於Consumer接口等的實現,可使用lambda。
- 示例:
/** * Stream<T> peek(Consumer<? super T> action): 對stream中的元素進行處理,然後返回此Stream。 * * 注:原Stream中的元素對象reference沒變。 但是對象的屬性可能會發生變化。 * * 即:這是一箇中間處理操作。 * * 注:對於Consumer<T>接口等的實現,可使用lambda。 */ @Test public void test18() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").age(12).staffNo("NO1").build(), Staff.builder().name("鄧沙利文").age(125).staffNo("NO2").build(), Staff.builder().name("鄧二洋").age(40).staffNo("NO3").build() ); Stream<Staff> stream = tmpList.stream().parallel(); // 對stream中的元素進行處理 stream = stream.peek(new PeekConsumer()); // 輸出: // peek:JustryDeng // peek:鄧沙利文 // peek:鄧二洋 stream.forEachOrdered(x -> System.out.println(x.getName())); } class PeekConsumer implements Consumer<Staff> { @Override public void accept(Staff staff) { staff.setName("peek:" + staff.getName()); } }
-
Optional<T> reduce(BinaryOperator<T> accumulator):歸併。通過實現BinaryOperator<T>,Stream<T>中的所有元素,最終歸併爲一個被Optional封裝的T。
- 說明
- 假設:Stream<T>中的元素分別是 T1, T2, T3。
- 那麼,先通過BinaryOperator<T>將T1, T2歸併爲 T’, 然後再通過BinaryOperator<T>將前面的歸併結果T’和 T3歸併爲 T",最終將T"封裝進Optional進行返回。
- 注:推薦使用lambda表達式對BinaryOperator<T>進行實現。
- 示例:
/** * Optional<T> reduce(BinaryOperator<T> accumulator): 歸併。通過實現BinaryOperator<T>,Stream<T>中的所有 * 元素,最終歸併爲一個被Optional封裝的T。 * * 假設:Stream<T>中的元素分別是 T1, T2, T3. * 那麼:先通過BinaryOperator<T>將T1, T2歸併爲 T', 然後再通過BinaryOperator<T>將 * 前面的歸併結果T' 和 T3歸併爲 T", 最終將T"封裝進Optional進行返回。 * * 注:推薦使用lambda表達式對BinaryOperator<Staff>進行實現。 */ @Test public void test19() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); Stream<Staff> stream = tmpList.stream().parallel(); Optional<Staff> opt = stream.reduce(new MyBinaryOperator()); // 輸出: JustryDeng & 鄧沙利文 & 鄧二洋 opt.ifPresent(x -> System.out.println(x.getName())); } class MyBinaryOperator implements BinaryOperator<Staff> { @Override public Staff apply(Staff s1, Staff s2) { return Staff.builder() .name(s1.getName() + " & " + s2.getName()) .build(); } }
-
【串行流】下的T reduce(T identity, BinaryOperator<T> accumulator):使用identity與第一個元素進行歸併得到歸併結果accumulatorT,然後再用accumulatorT與後面的元素進行歸併。
- 說明
- 假設:identity是T0, Stream<T>中的元素分別是 T1, T2, T3。
- 那麼,第一步:先將T0, T1歸併爲 tmpT1, 然後再將前面的歸併結果(首次無)與tmpT1歸併爲accumulatorT1。
注:因爲第一次歸併,所以此時accumulatorT1即爲tmpT1。 - 第二步:將accumulatorT1與T2歸併爲accumulatorT2。
- 第三步:將accumulatorT2與T3歸併爲accumulatorT3。
- 第四步:返回accumulatorT3。
注:accumulatorT3的類型爲T。
- 示例:
/** * 【串行流】下的T reduce(T identity, BinaryOperator<T> accumulator): 使用identity與第一個元素 * 進行歸併得到歸併結果accumulatorT,然後再用accumulatorT與後面的元素進行歸併。 * * 假設:identity是T0, Stream<T>中的元素分別是 T1, T2, T3. * * 那麼,第一步:先將T0, T1歸併爲 tmpT1, 然後再將前面的歸併結果(首次無)與tmpT1歸併爲accumulatorT1。 * 注:因爲第一次歸併,所以此時accumulatorT1即爲tmpT1。 * 第二步:將accumulatorT1與T2歸併爲accumulatorT2。 * 第三步:將accumulatorT2與T3歸併爲accumulatorT3。 * 第四步:返回accumulatorT3。 * 注:accumulatorT3的類型爲T。 */ @Test public void test20_0() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); Stream<Staff> stream = tmpList.stream(); Staff identityStaff = Staff.builder().name("苗苗").build(); Staff staff = stream.reduce(identityStaff, (s1, s2) -> Staff.builder() .name(s1.getName() + " & " + s2.getName()) .build()); /// 輸出: 苗苗 & JustryDeng & 鄧沙利文 & 鄧二洋 // 說明: 第一步,accumulatorT1的getName()值爲【苗苗 & JustryDeng】 // 第二步,accumulatorT2的getName()值爲【苗苗 & JustryDeng & 鄧沙利文】 // 第三步、第四步,accumulatorT3的getName()值爲【苗苗 & JustryDeng & 鄧沙利文 & 鄧二洋】 System.out.println(staff.getName()); }
-
【並行流】下的T reduce(T identity, BinaryOperator<T> accumulator):在並行多線程時,在每個線程內部先使用identity與流的當前元素通過accumulator進行歸併,每個線程都會得到臨時結果resultT,然後再通過accumulator歸併各個線程的resultT,最終歸併爲一個T。
- 說明
- 假設:identity是T0, Stream<T>中的元素分別是 T1, T2, T3。
- 那麼,第一步:線程內部的歸併,T0, T1歸併爲 tmpT1, T0, T2歸併爲 tmpT2, T0, T3歸併爲 tmpT3。
- 第二步:依次歸併tmpT1、tmpT2、tmpT3。 返回類型爲T的結果。
- 示例:
/** * 【並行流】下的T reduce(T identity, BinaryOperator<T> accumulator): * 在並行多線程時,在每個線程內部先使用identity與流的當前元素通過accumulator進行歸併, * 每個線程都會得到臨時結果resultT, * 然後再通過accumulator歸併各個線程的resultT,最終歸併爲一個T。 * * 假設:identity是T0, Stream<T>中的元素分別是 T1, T2, T3. * * 那麼,第一步:線程內部的歸併,T0, T1歸併爲 tmpT1, T0, T2歸併爲 tmpT2, T0, T3歸併爲 tmpT3。 * 第二步:依次歸併tmpT1、tmpT2、tmpT3。 返回類型爲T的結果。 */ @Test public void test20_1() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); Stream<Staff> stream = tmpList.stream().parallel(); Staff identityStaff = Staff.builder().name("苗苗").build(); Staff staff = stream.reduce(identityStaff, (s1, s2) -> Staff.builder() .name(s1.getName() + " & " + s2.getName()) .build()); /// 輸出: 苗苗 & JustryDeng & 苗苗 & 鄧沙利文 & 苗苗 & 鄧二洋 // 說明: 第一步,線程內部的歸併,得到【苗苗 & JustryDeng】、【苗苗 & 鄧沙利文】、【苗苗 & 鄧二洋】 // 第二步,歸併各個線程結果, 得到【苗苗 & JustryDeng & 苗苗 & 鄧沙利文 & 苗苗 & 鄧二洋】 System.out.println(staff.getName()); }
-
【串行流】下的 <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner):先使用identity(類型爲U)與流的第一個元素(類型爲T)通過accumulator進行歸併,得到臨時結果resultU(類型爲U),然後再通過accumulator歸併前面的歸併結果resultU(類型爲U)與流後面的元素(類型爲T)逐個歸併。最終歸併爲一個 U。
- 說明
- 假設:identity是U0, Stream<T>中的元素分別是 T1, T2, T3。
- 那麼,第一步:將U0, T1通過accumulator歸併爲 resultU1。
- 第二步:將resultU1, T2通過accumulator歸併爲 resultU2。
- 第三步:將resultU2, T3通過accumulator歸併爲 resultU3。
- 第四步:返回resultU3。
- 注:流的類型爲T。 返回的類型U可以是任何類型(包括類型T)。
- 注:串行流下,第三個參數combiner不生效。
- 示例:
/** * 【串行流】下的 <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner): * 先使用identity(類型爲U)與流的第一個元素(類型爲T)通過accumulator進行歸併,得到臨時結果resultU(類型爲U), * 然後再通過accumulator歸併前面的歸併結果resultU(類型爲U)與流後面的元素(類型爲T)逐個歸併。最終歸併爲一個U。 * * 假設:identity是U0, Stream<T>中的元素分別是 T1, T2, T3. * * 那麼,第一步:將U0, T1通過accumulator歸併爲 resultU1。 * 第二步:將resultU1, T2通過accumulator歸併爲 resultU2。 * 第二步:將resultU2, T3通過accumulator歸併爲 resultU3。 * 第四步:返回resultU3。 * * 注:流的類型爲T。 返回的類型U可以是任何類型(包括類型T)。 * * 注:串行流下,第三個參數combiner不生效。 */ @Test public void test21_0() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); Stream<Staff> stream = tmpList.stream(); Staff identityStaff = Staff.builder().name("苗苗").build(); Staff staff = stream.reduce(identityStaff, (p1, p2) -> Staff.builder().name(p1.getName() + " | " + p2.getName()).build(), (s1, s2) -> Staff.builder().name(s1.getName() + " & " + s2.getName()).build()); /// 輸出: 苗苗 | JustryDeng | 鄧沙利文 | 鄧二洋 // 說明: 第一步,resultU1的getName()值爲【苗苗 | JustryDeng】 // 第二步,resultU2的getName()值爲【苗苗 | JustryDeng | 鄧沙利文】 // 第三步、第四步,resultU3的getName()值爲【苗苗 | JustryDeng | 鄧沙利文 | 鄧二洋】 System.out.println(staff.getName()); }
-
【並行流】下的 <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner):在並行多線程時,在每個線程內部先使用identity(類型爲U)與流的當前元素(類型爲T)通過accumulator進行歸併,每個線程都會得到臨時結果resultU(類型爲U),然後再通過combiner歸併各個線程的resultU(類型爲U),最終歸併爲一個U。
- 說明
- 假設:identity是U0, Stream<T>中的元素分別是 T1, T2, T3。
- 那麼,第一步:線程內部的歸併,U0, T1歸併爲 tmpU1, U0, T2歸併爲 tmpU2, U0, T3歸併爲 tmpU3。
- 第二步:依次歸併tmpU1、tmpU2、tmpU3。 返回類型爲U的結果。
- 注:流的類型爲T。 返回的類型U可以是任何類型(包括類型T)。
- 注:並行流下,第三個參數combiner生效,用於歸併各個線程的結果。
- 示例:
/** * 【並行流】下的 <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner): * 在並行多線程時,在每個線程內部先使用identity(類型爲U)與流的當前元素(類型爲T)通過accumulator進行歸併, * 每個線程都會得到臨時結果resultU(類型爲U), * 然後再通過combiner歸併各個線程的resultU(類型爲U),最終歸併爲一個U。 * * 假設:identity是U0, Stream<T>中的元素分別是 T1, T2, T3. * * 那麼,第一步:線程內部的歸併,U0, T1歸併爲 tmpU1, U0, T2歸併爲 tmpU2, U0, T3歸併爲 tmpU3。 * 第二步:依次歸併tmpU1、tmpU2、tmpU3。 返回類型爲U的結果。 * * 注:流的類型爲T。 返回的類型U可以是任何類型(包括類型T)。 * * 注:並行流下,第三個參數combiner生效,用於歸併各個線程的結果。 */ @Test public void test21_1() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); Stream<Staff> stream = tmpList.stream().parallel(); Staff identityStaff = Staff.builder().name("苗苗").build(); Staff staff = stream.reduce(identityStaff, (p1, p2) -> Staff.builder().name(p1.getName() + " | " + p2.getName()).build(), (s1, s2) -> Staff.builder().name(s1.getName() + " & " + s2.getName()).build()); /// 輸出: 苗苗 | JustryDeng & 苗苗 | 鄧沙利文 & 苗苗 | 鄧二洋 // 說明: 第一步,線程內部的歸併,得到【苗苗 | JustryDeng】、【苗苗 | 鄧沙利文】、【苗苗 | 鄧二洋】 // 第二步,歸併各個線程結果, 得到【苗苗 | JustryDeng & 苗苗 | 鄧沙利文 & 苗苗 | 鄧二洋】 System.out.println(staff.getName()); }
-
示例reduce方法U與T類型不同的情況:
- 示例:
/** * 示例 * <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner)方法中, * U與T類型不同的情況 */ @Test public void test21_2() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); /// -> 串行流下 U與T類型不同的情況 (以List<String>爲U, 以Staff爲T)示例 Stream<Staff> streamOne = tmpList.stream(); List<String> identityOne = new ArrayList<>(3); // 串行流下,線程安全,引入“第三方”時,可不考慮其是否線程安全(如:這裏直接使用ArrayList的add方法)。 List<String> resultOne = streamOne.reduce( identityOne, (List<String> p1, Staff p2) -> { p1.add(p2.getName()); return p1; }, (x1, x2) -> x1); /// 輸出: [JustryDeng, 鄧沙利文, 鄧二洋] System.out.println(resultOne); /// -> 並行流下 U與T類型不同的情況 (以List<String>爲U, 以Staff爲T)示例 Stream<Staff> streamTwo = tmpList.stream().parallel(); // 涉及到多線程時,相關位置注意要使用線程安全的類。 List<String> identityTwo = new CopyOnWriteArrayList<>(); // 或者: List<String> identityTwo = Collections.synchronizedList(new ArrayList<>(3)); List<String> resultTwo = streamTwo.reduce( identityTwo, // 此時p1類型實際爲CopyOnWriteArrayList,在多線程情況下,是安全的。 (List<String> p1, Staff p2) -> { p1.add(p2.getName()); return p1; }, // 在併發的情況下,我們已經使用了CopyOnWriteArrayList保證線程安全,且在第二個參數處做了累加操作, // 那麼在這裏(第三個參數)即可什麼也不作。 當然也可以讓累加操作在這兒離進行 (List<String> x1, List<String> x2) -> x2); /// 輸出: [鄧沙利文, 鄧二洋, JustryDeng] System.out.println(resultTwo); }
- 示例:
-
Stream<T> skip(long n):丟棄前面n個元素, 返回剩下的元素流。
- 注:若流的元素個數 <= n,那麼丟棄後,將返回一個空的流。
- 示例:
/** * Stream<T> skip(long n): 前面n個元素, 返回剩下的元素流。 * * 注:若流的元素個數 <= n,那麼丟棄後,將返回一個空的流。 */ @Test public void test22() { Stream<Integer> parallelStreamOne = Stream.of(1, 2, 3, 4, 5).parallel(); Stream<Integer> remainStreamOne = parallelStreamOne.skip(3L); // 輸出: > 4 > 5 remainStreamOne.forEachOrdered(x -> System.out.print(" > " + x)); Stream<Integer> parallelStreamTwo = Stream.of(1, 2, 3, 4, 5).parallel(); Stream<Integer> remainStreamTwo = parallelStreamTwo.skip(5L); // 輸出: // 注;流爲空,都不會進入循環,所以不會輸出任何東西 remainStreamTwo.forEachOrdered(x -> System.out.print(" > " + x)); Stream<Integer> parallelStreamThree = Stream.of(1, 2, 3, 4, 5).parallel(); Stream<Integer> remainStreamThree = parallelStreamThree.skip(6L); // 輸出: // 注;流爲空,都不會進入循環,所以不會輸出任何東西 remainStreamThree.forEachOrdered(x -> System.out.print(" > " + x)); }
-
Stream<T> sorted():對流元素進行自然排序(ASC2碼排序)。
- 示例:
/** * Stream<T> sorted(): 對流元素進行自然排序(ASC2碼排序)。 */ @Test public void test23() { /* * b 的ASC2爲 98 * # 的ASC2爲 35 * a 的ASC2爲 97 * % 的ASC2爲 37 * ! 的ASC2爲 33 */ Stream<Character> parallelStreamOne = Stream.of('b', '#', 'a', '%', '!').parallel(); parallelStreamOne = parallelStreamOne.sorted(); // 輸出: > ! > # > % > a > b parallelStreamOne.forEachOrdered(x -> System.out.print(" > " + x)); /* * 趙 的ASC2爲 36213 * 錢 的ASC2爲 38065 * 孫 的ASC2爲 23385 * 李 的ASC2爲 26446 */ System.out.println(); Stream<String> parallelStreamTwo = Stream.of("趙", "錢", "孫", "李").parallel(); parallelStreamTwo = parallelStreamTwo.sorted(); // 輸出: > 孫 > 李 > 趙 > 錢 parallelStreamTwo.forEachOrdered(x -> System.out.print(" > " + x)); // ASC2碼值 // System.out.println((int) "趙".charAt(0)); // System.out.println((int) "錢".charAt(0)); // System.out.println((int) "孫".charAt(0)); // System.out.println((int) "李".charAt(0)); }
- 示例:
-
Stream<T> sorted(Comparator<? super T> comparator):根據比較器,對流元素進行排序。
- 示例:
/** * Stream<T> sorted(Comparator<? super T> comparator): 根據比較器,對流元素進行排序。 */ @Test public void test24() { Stream<String> parallelStream = Stream.of("李d", "錢b", "孫c", "趙a").parallel(); parallelStream = parallelStream.sorted((String a, String b) -> { char aChar = a.charAt(a.length() - 1); char bChar = b.charAt(b.length() - 1); return Character.compare(aChar, bChar); }); // 輸出: > 趙a > 錢b > 孫c > 李d parallelStream.forEachOrdered(x -> System.out.print(" > " + x)); }
- 示例:
-
Object[] toArray():流轉Object數組。
- 示例:
/** * Object[] toArray(): 流轉Object數組。 */ @Test public void test25() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); Object[] array = tmpList.parallelStream().toArray(); // 輸出: [ // Staff(name=JustryDeng, age=null, staffNo=null, faceScore=null, workStartTimestamp=null), // Staff(name=鄧沙利文, age=null, staffNo=null, faceScore=null, workStartTimestamp=null), // Staff(name=鄧二洋, age=null, staffNo=null, faceScore=null, workStartTimestamp=null) // ] System.out.println(Arrays.deepToString(array)); }
- 示例:
-
<A> A[] toArray(IntFunction<A[]> generator):流轉指定類型的數組。
- 示例:
/** * <A> A[] toArray(IntFunction<A[]> generator): 流轉指定類型的數組。 */ @Test public void test26() { // 數據準備 List<Staff> tmpList = Lists.newArrayList( Staff.builder().name("JustryDeng").build(), Staff.builder().name("鄧沙利文").build(), Staff.builder().name("鄧二洋").build() ); Stream<Staff> stream = tmpList.parallelStream(); // 流轉指定類型的數組 IntFunction<Staff[]> generator = Staff[]::new; Staff[] array = tmpList.stream().toArray(generator); System.out.println(Arrays.deepToString(array)); }
- 示例:
提示: Stream上半部分已學習完畢,Stream下半部分的學習可見《【jdk1.8特性】之Stream(下)》。
^_^ 如有不當之處,歡迎指正
^_^ 參考資料
《jdk api 1.8_google.CHM》
^_^ 參考鏈接
https://blog.csdn.net…ails/88640557
https://www.jianshu.com/p/19ffb2c9438a
^_^ 測試代碼託管鏈接
https://github.com/JustryDeng…Jdk8Feature
^_^ 本文已經被收錄進《程序員成長筆記(五)》,筆者JustryDeng