基礎篇：JAVA.Stream函式，優雅的資料流操作

cscw發表於2020-12-07

前言

平時操作集合資料，我們一般都是for或者iterator去遍歷，不是很好看。java提供了Stream的概念，它可以讓我們把集合資料當做一個個元素在處理，並且提供多執行緒模式

流的建立
流的各種資料操作
流的終止操作
流的聚合處理
併發流和CompletableFuture的配合使用

關注公眾號，一起交流，微信搜一搜: 潛行前行

1 stream的構造方式

stream內建的構造方法

public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f)
public static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b)
public static<T> Builder<T> builder()
public static<T> Stream<T> of(T t)
public static<T> Stream<T> empty()
public static<T> Stream<T> generate(Supplier<T> s)

Collection宣告的stream函式

default Stream<E> stream()

Collection宣告瞭stream轉化函式，也就是說，任意Collection子類都存在官方替我們實現的由Collection轉為Stream的方法
示例，List轉Stream

public static void main(String[] args){
    List<String> demo =  Arrays.asList("a","b","c");
    long count = demo.stream().peek(System.out::println).count();
    System.out.println(count);
}
-------result--------
a
b
c
3

2 介面stream對元素的操作方法定義

過濾 filter

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

Predicate是函式式介面，可以直接用lambda代替；如果有複雜的過濾邏輯，則用or、and、negate方法組合
示例

List<String> demo = Arrays.asList("a", "b", "c");
Predicate<String> f1 = item -> item.equals("a");
Predicate<String> f2 = item -> item.equals("b");
demo.stream().filter(f1.or(f2)).forEach(System.out::println);
-------result--------
a
b

對映轉化 map

<R> Stream<R> map(Function<? super T, ? extends R> mapper)
IntStream mapToInt(ToIntFunction<? super T> mapper);
LongStream mapToLong(ToLongFunction<? super T> mapper);
DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper);

示例

static class User{
    public User(Integer id){this.id = id; }
    Integer id; public Integer getId() {  return id; }
}
public static void main(String[] args) {
    List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));
    // User 轉為 Integer(id)
    demo.stream().map(User::getId).forEach(System.out::println);
}
-------result--------
1
2
3

資料處理 peek

Stream<T> peek(Consumer<? super T> action);

與map的區別是其無返回值
示例

static class User{
    public User(Integer id){this.id = id; }
    Integer id;
    public Integer getId() {  return id; }
    public void setId(Integer id) {  this.id = id; }
}
public static void main(String[] args) {
    List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));
    // id平方，User 轉為 Integer(id)
    demo.stream().peek(user -> user.setId(user.id * user.id)).map(User::getId).forEach(System.out::println);
}
-------result--------
1
4
9

對映攆平 flatMap

<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);
IntStream flatMapToInt(Function<? super T, ? extends IntStream> mapper);
LongStream flatMapToLong(Function<? super T, ? extends LongStream> mapper);
DoubleStream flatMapToDouble(Function<? super T, ? extends DoubleStream> mapper);

flatMap：將元素為Stream<T>型別的流攆平成一個元素型別為T的Stream流
示例

public static void main(String[] args) {
    List<Stream<Integer>> demo = Arrays.asList(Stream.of(5), Stream.of(2), Stream.of(1));
    demo.stream().flatMap(Function.identity()).forEach(System.out::println);
}
-------result--------
5
2
1

去重 distinct

Stream<T> distinct();

示例

List<Integer> demo = Arrays.asList(1, 1, 2);
demo.stream().distinct().forEach(System.out::println);
-------result--------
1
2

排序 sorted

Stream<T> sorted();
Stream<T> sorted(Comparator<? super T> comparator);

示例

List<Integer> demo = Arrays.asList(5, 1, 2);
//預設升序
demo.stream().sorted().forEach(System.out::println);
//降序
Comparator<Integer> comparator = Comparator.<Integer, Integer>comparing(item -> item).reversed();
demo.stream().sorted(comparator).forEach(System.out::println);
-------預設升序 result--------
1
2
5
-------降序 result--------
5
2
1

個數限制limit和跳過skip

//擷取前maxSize個元素
Stream<T> limit(long maxSize);
//跳過前n個流
Stream<T> skip(long n);

示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6);
//跳過前兩個，然後限制擷取兩個
demo.stream().skip(2).limit(2).forEach(System.out::println);
-------result--------
3
4

JDK9提供的新操作

和filter的區別，takeWhile是取滿足條件的元素，直到不滿足為止；dropWhile是丟棄滿足條件的元素，直到不滿足為止

default Stream<T> takeWhile(Predicate<? super T> predicate);
default Stream<T> dropWhile(Predicate<? super T> predicate);

3 stream的終止操作action

遍歷消費

//遍歷消費
void forEach(Consumer<? super T> action);
//順序遍歷消費,和forEach的區別是forEachOrdered在多執行緒parallelStream執行，其順序也不會亂
void forEachOrdered(Consumer<? super T> action);

示例

List<Integer> demo = Arrays.asList(1, 2, 3);
demo.parallelStream().forEach(System.out::println);
demo.parallelStream().forEachOrdered(System.out::println);
-------forEach result--------
2
3
1
-------forEachOrdered result--------
1
2
3

獲取陣列結果

//流轉成Object陣列
Object[] toArray();
//流轉成Ａ[]陣列，指定型別A
<A> A[] toArray(IntFunction<A[]> generator)

示例

List<String> demo = Arrays.asList("1", "2", "3");
//<A> A[] toArray(IntFunction<A[]> generator)
String[] data = demo.stream().toArray(String[]::new);

最大最小值

//獲取最小值
Optional<T> min(Comparator<? super T> comparator)
//獲取最大值
Optional<T> max(Comparator<? super T> comparator)

示例

List<Integer> demo = Arrays.asList(1, 2, 3);
Optional<Integer> min = demo.stream().min(Comparator.comparing(item->item));
Optional<Integer> max = demo.stream().max(Comparator.comparing(item->item));
System.out.println(min.get()+"-"+max.get());
-------result--------
1-3

查詢匹配

//任意一個匹配
boolean anyMatch(Predicate<? super T> predicate)
//全部匹配
boolean allMatch(Predicate<? super T> predicate)
//不匹配 
boolean noneMatch(Predicate<? super T> predicate)
//查詢第一個
Optional<T> findFirst();
//任意一個
Optional<T> findAny();

歸約合併

//兩兩合併
Optional<T> reduce(BinaryOperator<T> accumulator)
//兩兩合併，帶初始值的
T reduce(T identity, BinaryOperator<T> accumulator)
//先轉化元素型別再兩兩合併，帶初始值的
<U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner)

示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8);
//數字轉化為字串，然後使用“-”拼接起來
String data = demo.stream().reduce("0", (u, t) -> u + "-" + t, (s1, s2) -> s1 + "-" + s2);
System.out.println(data);
-------result--------
0-1-2-3-4-5-6-7-8

計算元素個數

long count()

示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6);
System.out.println(demo.stream().count());
-------result--------
6

對流的聚合處理

/**
 * supplier:返回結果型別的生產者
 * accumulator:元素消費者（處理並加入R）
 * combiner: 返回結果 R 怎麼組合（多執行緒執行時，會產生多個返回值R，需要合併）
 */
<R> R collect(Supplier<R> supplier, BiConsumer<R, ? super T> accumulator, BiConsumer<R, R> combiner);
/**
 * collector一般是由 supplier、accumulator、combiner、finisher、characteristics組合成的聚合類
 * Collectors 可提供一些內建的聚合類或者方法
 */
<R, A> R collect(Collector<? super T, A, R> collector);

示例，看下面

4 Collector(聚合類)的工具類集Collectors

介面Collector和實現類CollectorImpl

//返回值型別的生產者
Supplier<A> supplier();
//流元素消費者
BiConsumer<A, T> accumulator();
//返回值合併器（多個執行緒操作時，會產生多個返回值，需要合併）
BinaryOperator<A> combiner();
//返回值轉化器（最後一步處理，實際返回結果，一般原樣返回）
Function<A, R> finisher();
//流的特性
Set<Characteristics> characteristics();

public static<T, A, R> Collector<T, A, R> of(Supplier<A> supplier,
	BiConsumer<A, T> accumulator, BinaryOperator<A> combiner,
	Function<A, R> finisher, Characteristics... characteristics)

流聚合轉換成List, Set

//流轉化成List
public static <T> Collector<T, ?, List<T>> toList()
//流轉化成Set
public static <T> Collector<T, ?, Set<T>> toSet()

示例

List<Integer> demo = Arrays.asList(1, 2, 3);
List<Integer> col = demo.stream().collect(Collectors.toList());
Set<Integer> set = demo.stream().collect(Collectors.toSet());

流聚合轉化成Map

//流轉化成Map
public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(
	Function<? super T, ? extends K> keyMapper,
    Function<? super T, ? extends U> valueMapper)
/**
 * mergeFunction:相同的key,值怎麼合併
 */
public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(
	Function<? super T, ? extends K> keyMapper,
	Function<? super T, ? extends U> valueMapper,
    BinaryOperator<U> mergeFunction)
/**
 * mergeFunction:相同的key,值怎麼合併
 * mapSupplier：返回值Map的生產者
 */
public static <T, K, U, M extends Map<K, U>> Collector<T, ?, M> toMap(
	Function<? super T, ? extends K> keyMapper,
	Function<? super T, ? extends U> valueMapper,
	BinaryOperator<U> mergeFunction,
    Supplier<M> mapSupplier)

如果存在相同key的元素，會報錯;或者使用groupBy
示例

List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));
Map<Integer,User> map = demo.stream().collect(Collectors.toMap(User::getId,item->item));
System.out.println(map);
-------result-------
{1=TestS$User@7b23ec81, 2=TestS$User@6acbcfc0, 3=TestS$User@5f184fc6}

字串流聚合拼接

//多個字串拼接成一個字串
public static Collector<CharSequence, ?, String> joining();
//多個字串拼接成一個字串（指定分隔符）
public static Collector<CharSequence, ?, String> joining(CharSequence delimiter)

示例

List<String> demo = Arrays.asList("c", "s", "c","w","潛行前行");
String name = demo.stream().collect(Collectors.joining("-"));
System.out.println(name);
-------result-------
c-s-c-w-潛行前行

對映處理再聚合流

相當於先map再collect

/**
 * mapper:對映處理器
 * downstream:對映處理後需要再次聚合處理
 */
public static <T, U, A, R> Collector<T, ?, R> mapping(Function<? super T, ? extends U> mapper, 
		Collector<? super U, A, R> downstream);

示例

List<String> demo = Arrays.asList("1", "2", "3");
List<Integer> data = demo.stream().collect(Collectors.mapping(Integer::valueOf, Collectors.toList()));
System.out.println(data);
-------result-------
[1, 2, 3]

聚合後再轉換結果

/**
 * downstream:聚合處理
 * finisher:結果轉換處理
 */
public static<T,A,R,RR> Collector<T,A,RR> collectingAndThen(Collector<T,A,R> downstream,
		Function<R, RR> finisher);

示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6);
//聚合成List,最後提取陣列的size作為返回值
Integer size = demo.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));
System.out.println(size);
---------result----------
6

流分組（Map是HashMap）

/**
 * classifier 指定T型別某一屬性作為Key值分組
 * 分組後，使用List作為每個流的容器
 */
public static <T, K> Collector<T, ?, Map<K, List<T>>> groupingBy(
		Function<? super T, ? extends K> classifier);           
/**
 * classifier: 流分組器
 * downstream: 每組流的聚合處理器
 */
public static <T, K, A, D> Collector<T, ?, Map<K, D>> groupingBy(
		Function<? super T, ? extends K> classifier， 
		Collector<? super T, A, D> downstream)
/**
 * classifier: 流分組器
 * mapFactory: 返回值map的工廠（Map的子類）
 * downstream: 每組流的聚合處理器
 */
public static <T, K, D, A, M extends Map<K, D>> Collector<T, ?, M> groupingBy(
		Function<? super T, ? extends K> classifier,
		Supplier<M> mapFactory,
		Collector<? super T, A, D> downstream)

示例

public static void main(String[] args) throws Exception {
    List<Integer> demo = Stream.iterate(0, item -> item + 1)
            .limit(15)
            .collect(Collectors.toList());
    // 分成三組，並且每組元素轉化為String型別        
    Map<Integer, List<String>> map = demo.stream()
            .collect(Collectors.groupingBy(item -> item % 3,
                    HashMap::new,
                    Collectors.mapping(String::valueOf, Collectors.toList())));
    System.out.println(map);
}
---------result----------    
{0=[0, 3, 6, 9, 12], 1=[1, 4, 7, 10, 13], 2=[2, 5, 8, 11, 14]}

流分組(分組使用的Map是ConcurrentHashMap)

/**
 * classifier: 分組器 ； 分組後，使用List作為每個流的容器
 */
public static <T, K> Collector<T, ?, ConcurrentMap<K, List<T>>> groupingByConcurrent(
		Function<? super T, ? extends K> classifier);
/**
 * classifier: 分組器
 * downstream: 流的聚合處理器
 */
public static <T, K, A, D> Collector<T, ?, ConcurrentMap<K, D>> groupingByConcurrent(
		Function<? super T, ? extends K> classifier, Collector<? super T, A, D> downstream)
/**
 * classifier: 分組器
 * mapFactory: 返回值型別map的生產工廠（ConcurrentMap的子類）
 * downstream: 流的聚合處理器
 */
public static <T, K, A, D, M extends ConcurrentMap<K, D>> Collector<T, ?, M> groupingByConcurrent(
		Function<? super T, ? extends K> classifier, 
		Supplier<M> mapFactory,
		Collector<? super T, A, D> downstream);

用法和groupingBy一樣

拆分流，一變二（相當於特殊的groupingBy）

public static <T> Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(
		Predicate<? super T> predicate)
/**
 * predicate: 二分器
 * downstream: 流的聚合處理器
 */
public static <T, D, A> Collector<T, ?, Map<Boolean, D>> partitioningBy(
		Predicate<? super T> predicate, Collector<? super T, A, D> downstream)

示例

List<Integer> demo = Arrays.asList(1, 2,3,4, 5,6);
// 奇數偶數分組
Map<Boolean, List<Integer>> map = demo.stream()
	.collect(Collectors.partitioningBy(item -> item % 2 == 0));
System.out.println(map);
---------result----------
{false=[1, 3, 5], true=[2, 4, 6]}

聚合求平均值

// 返回Double型別
public static <T> Collector<T, ?, Double> averagingDouble(ToDoubleFunction<? super T> mapper)
// 返回Long 型別
public static <T> Collector<T, ?, Double> averagingLong(ToLongFunction<? super T> mapper)
//返回Int 型別
public static <T> Collector<T, ?, Double> averagingInt(ToIntFunction<? super T> mapper)

示例

List<Integer> demo = Arrays.asList(1, 2, 5);
Double data = demo.stream().collect(Collectors.averagingInt(Integer::intValue));
System.out.println(data);
---------result----------
2.6666666666666665

流聚合查詢最大最小值

//最小值
public static <T> Collector<T, ?, Optional<T>> minBy(Comparator<? super T> comparator) 
//最大值
public static <T> Collector<T, ?, Optional<T>> maxBy(Comparator<? super T> comparator)

示例

List<Integer> demo = Arrays.asList(1, 2, 5);
Optional<Integer> min = demo.stream().collect(Collectors.minBy(Comparator.comparing(item -> item)));
Optional<Integer> max = demo.stream().collect(Collectors.maxBy(Comparator.comparing(item -> item)));
System.out.println(min.get()+"-"+max.get());
---------result----------
1-5

聚合計算統計結果

可以獲得元素總個數，元素累計總和，最小值，最大值，平均值

//返回Int 型別
public static <T> Collector<T, ?, IntSummaryStatistics> summarizingInt(
		ToIntFunction<? super T> mapper)
//返回Double 型別
public static <T> Collector<T, ?, DoubleSummaryStatistics> summarizingDouble(
		ToDoubleFunction<? super T> mapper)
//返回Long 型別
public static <T> Collector<T, ?, LongSummaryStatistics> summarizingLong(
		ToLongFunction<? super T> mapper)

示例

List<Integer> demo = Arrays.asList(1, 2, 5);
IntSummaryStatistics data = demo.stream().collect(Collectors.summarizingInt(Integer::intValue));
System.out.println(data);
---------result----------
IntSummaryStatistics{count=3, sum=8, min=1, average=2.666667, max=5}

JDK12提供的新聚合方法

//流分別經過downstream1、downstream2聚合處理，再合併兩聚合結果
public static <T, R1, R2, R> Collector<T, ?, R> teeing(
		Collector<? super T, ?, R1> downstream1,
		Collector<? super T, ?, R2> downstream2,
		BiFunction<? super R1, ? super R2, R> merger)

5 併發paralleStream的使用

配合CompletableFuture和執行緒池的使用
示例

public static void main(String[] args)  throws Exception{
    List<Integer> demo = Stream.iterate(0, item -> item + 1)
            .limit(5)
            .collect(Collectors.toList());
    //示例1
    Stopwatch stopwatch = Stopwatch.createStarted(Ticker.systemTicker());
    demo.stream().forEach(item -> {
        try {
            Thread.sleep(500);
            System.out.println("示例1-"+Thread.currentThread().getName());
        } catch (Exception e) { }
    });
    System.out.println("示例1-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));

    //示例2, 注意需要ForkJoinPool，parallelStream才會使用executor指定的執行緒，否則還是用預設的 ForkJoinPool.commonPool()
    ExecutorService executor = new ForkJoinPool(10);
    stopwatch.reset(); stopwatch.start();
    CompletableFuture.runAsync(() -> demo.parallelStream().forEach(item -> {
        try {
            Thread.sleep(1000);
            System.out.println("示例2-" + Thread.currentThread().getName());
        } catch (Exception e) { }
    }), executor).join();
    System.out.println("示例2-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));
    //示例３
    stopwatch.reset(); stopwatch.start();
    demo.parallelStream().forEach(item -> {
        try {
            Thread.sleep(1000);
            System.out.println("示例3-"+Thread.currentThread().getName());
        } catch (Exception e) { }
    });
    System.out.println("示例3-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));
    executor.shutdown();

}

-------------------result--------------------------

示例1-main
示例1-main
示例1-main
示例1-main
示例1-main
示例1-2501
示例2-ForkJoinPool-1-worker-19
示例2-ForkJoinPool-1-worker-9
示例2-ForkJoinPool-1-worker-5
示例2-ForkJoinPool-1-worker-27
示例2-ForkJoinPool-1-worker-23
示例2-1004
示例3-main
示例3-ForkJoinPool.commonPool-worker-5
示例3-ForkJoinPool.commonPool-worker-7
示例3-ForkJoinPool.commonPool-worker-9
示例3-ForkJoinPool.commonPool-worker-3
示例3-1001

parallelStream的方法確實會使用多執行緒去執行，並且可以指定執行緒池，不過自定義執行緒必須是ForkJoinPool型別，否則會預設使ForkJoinPool.commonPool()的執行緒

MongoDB資料庫操作詳解：基礎篇
2023-10-08
MongoDB資料庫
MySQL資料庫基礎篇視窗函式示例解析教程RATZ
2022-03-01
MySql資料庫函式
Python 快速教程（基礎篇07）：函式
2015-10-25
Python函式
全面吃透JAVA Stream流操作，讓程式碼更加的優雅
2022-07-11
Java
JS 基礎篇(七)：JS中的遍歷函式
2019-02-15
JS函式
函式基礎
2020-10-10
函式
利用wordpress的資料庫操作函式
2018-08-30
資料庫函式
Pyspark資料基礎操作集合
2020-10-27
Spark
MongoDB資料庫基礎操作
2017-07-17
MongoDB資料庫
RN API基礎操作篇
2024-04-14
API
【資料庫】Redis基礎篇
2019-04-28
資料庫Redis
R視覺化：plot函式基礎操作，小白教程
2022-05-15
視覺化函式
資料庫開發基礎---next_day函式
2015-01-05
資料庫函式
函式基礎和函式引數
2023-09-29
函式
Kotlin——初級篇（七）：函式基礎總結
2018-01-22
Kotlin函式
F# 優雅使用Dapper進行資料庫操作
2016-09-14
APP資料庫
Mysql資料庫基礎操作命令
2019-10-18
MySql資料庫
POI操作Excel文件－基礎篇
2012-06-12
Excel
Java函式式開發——優雅的Optional空指標處理
2016-09-03
Java函式指標
Redis基礎篇（八）資料分片
2021-01-05
Redis
前端資料之美 -- 基礎篇
2014-07-03
前端
IO流下：位元組流、流操作規律(java基礎)
2015-10-10
Java
效能優化之節流函式---throttle
2019-05-08
優化函式
理解並優化函式節流Throttle
2018-11-07
優化函式
編碼規範 | Java函式優雅之道（上）
2019-08-08
Java函式
編碼規範 | Java函式優雅之道（下）
2019-08-13
Java函式
優雅手撕bind函式(面試官常問)
2020-11-02
函式面試
如何優雅的消滅掉react生命週期函式
2020-12-26
React函式
iOS逆向之旅（基礎篇） — 彙編（四） — 彙編下的函式
2018-10-25
iOS函式
Python基礎-函式
2020-07-08
Python函式
python函式基礎
2020-12-26
Python函式
Go基礎-字串函式
2022-02-23
Go字串函式
python基礎函式
2020-10-09
Python函式
前端基礎（三）：函式
2018-06-21
前端函式
javascript基礎（函式）（十四）
2017-02-08
JavaScript函式
SQL 基礎-->常用函式
2011-07-29
SQL函式
JavaScript函式及基礎
2011-09-27
JavaScript函式
函式指標基礎
2024-04-14
函式指標

基礎篇：JAVA.Stream函式，優雅的資料流操作

前言

關注公眾號，一起交流，微信搜一搜: 潛行前行

1 stream的構造方式

stream內建的構造方法

Collection宣告的stream函式

2 介面stream對元素的操作方法定義

過濾 filter

對映轉化 map

資料處理 peek

對映攆平 flatMap

去重 distinct

排序 sorted

個數限制limit和跳過skip

JDK9提供的新操作

3 stream的終止操作action

遍歷消費

獲取陣列結果

最大最小值

查詢匹配

歸約合併

計算元素個數

對流的聚合處理

4 Collector(聚合類)的工具類集Collectors

介面Collector和實現類CollectorImpl

流聚合轉換成List, Set

流聚合轉化成Map

字串流聚合拼接

對映處理再聚合流

聚合後再轉換結果

流分組（Map是HashMap）

流分組(分組使用的Map是ConcurrentHashMap)

拆分流，一變二（相當於特殊的groupingBy）

聚合求平均值

流聚合查詢最大最小值

聚合計算統計結果

JDK12提供的新聚合方法

5 併發paralleStream的使用

相關文章