流的基本概念
流是一種指定的計算檢視。流遵循“做什麼而非怎麼做”的原則，它比迴圈更易於閱讀。可以讓你以一種宣告的方式處理資料。
例如程式碼：有一個變數名為 words，它是一個集合，裡面一本書中所有的單詞，需要找出單詞長度大於12的單詞數量。
迴圈
long count = 0;
for (String w : words) {
if (w.length > 12) count++;
}
流
let count = words.stream()
.filter(w -> w.length > 12)
.count();
典型流程
由上述流示例程式碼可知，流的典型流程：
- 建立一個流：words.stream()
- 指定將初始化流轉換為其它流的中間操作（可能包含多個步驟）：.filter(w -> w.length > 12)
- 應用終止操作，從而產生結果。這個操作會強制執行之前的惰性操作。從此之後，這個流就在也不能使用了：.count();
流與集合的區別
- 流並不儲存元素，這些元素可能儲存在底層的集合中，或者是按需生成的。
- 流的操作不會修改其資料來源 例如，filter() 方法不會從新的流中移除元素，而是會生成一個新的流，其中不包含被過濾掉的元素。
- 流的操作是儘可能惰性執行的這意味著直至需要其結果時，操作才會執行。
流的常見應用
建立流
流有很多建立方式，舉幾個例子：
建立任意數量的流
Stream<String> word = Stream. of("1231254135".split("1"));
從陣列的指定位置建立流
Stream<String> song = Array.stream(words, 1, 3);
建立空流
Stream<String> silence = Stream.emty();
Function
Supplier<T>
Stream<String> echos = Stream.generate(() －＞"Echo");
Stream<Double> randoms = Stream.generate(Math::random);
UnaryOperation<T>
Stream<BigInteger> intergers = Stream.iterate(BigInteger.ZERO, n -> n.add(BigInteger.ONE));
上述程式碼使用iterate方法建立了一個無限序列（0 1 2 3 4 5...）。第一個引數是種子 BigInteger.ZERO，第二個元素是 f(seed)，即1，下一個元素是f(f(seed))，依次類推。
Pattern
正則分割產生流。
Stream<String> words = Pattern.compile("\\PL+") .splitAsStream(contents);
操作流
常用的幾個操作流的方法
filter
過濾流中的元素
Stream<String> longWords = words.stream().filter(w -> w.length > 12);
map
轉換流中元素
// 流中所有的單詞轉換為小寫
Stream<String> 1 owe caseWords = words.stream().map(String::toLowerCase);
// 流中所有的單詞，通過擷取字串，轉換為首字母
Stream<Strirng> firstLette = wordds.stream().map(s -> s.substring(O, 1));
flatMap
通過傳入引數（Function<? super T , ? extends R> mapper），將流中所有的元素產生的結果連線在一起產生一個新的流。
例如：letters方法，將單詞轉為字母流返回。letters("boat")的返回值是：流["b", "o", "a", "t"]。
public static Stream<String> letters(String s) {
List<String> result = new ArrayList<>();
for (int i = 0; i < s.length); i++)
result.add(s.substring(i, i +1));
}
return result.stream();
}
使用words單詞流呼叫letters方法，將會返回一個包含流的流Stream<Stream<String>>
Stream<Stream<String>> result = words.stream().map(w -> letters(w));
上面程式碼的結果並不是我們想要的，我們想要的是單詞流轉為字母流，而不是一個流中還包含另一個流。
這時就需要使用到 flatMap 方法，此方法會攤平流中包含的字母流。將流：[["y", “o”, "u", "r"], ["b", "o", "a", "t"]] 攤平為 ["y", “o”, "u", "r","b", "o", "a", "t"]。
Stream<String> result = words.stream().flatMap(w -> letters(w));
limit(n)
丟棄第 n 個位置之後的元素
// 截止到第 100 個元素，建立流
Stream<Double> randoms = Stream.generate(Math::random).limit(100)
skip(n)
與 limit 相反，丟棄第 n 個位置之前的元素
// 跳過第1個元素，建立流
Stream<String> words = Stream.of(content.split("\\PL+")).skip(1)
concat
連線流
Stream<String> word = Stream.concat(lettes("Hello"), letters("World"))
distinct
去重
Stream<String> uniqueWords = Stream.of("a", "a", "b").distinct()
sort
排序
// 按單詞長度，從短到長升序
Stream<String> longesFirst = words.stream().sorted(Comparator.comparing(String::length))
peek
在每次訪問一個元素時，都會呼叫peek方法中的函式，對於除錯來說非常方便。
Object[] powers = Stream.iterate(1.O, p -> p * 2)
.peek(e -> System.out.println("Fetching " + e))
.limit(20).toArray();
簡單約簡/終止操作
約簡是一種終結操作（ terminal operation ），它們會將流約簡為可以在程式中使用的非流值。
count
返回流中元素的數量
max
返回流中最大的元素
min
返回流中最小的元素
findFirst
找到流中的第一個元素
findAny
找到流中的任意一個元素
anyMatch
根據指定引數（匹配條件），判斷流中是否含有元素符合
allMatch
根據指定引數（匹配條件），判斷流中是否所有元素符合
noneMatch
根據指定引數（匹配條件），判斷流中是否所有元素都不符合
收集結果
forEach
此方法會將傳入的函式，應用於每個元素
stream.forEach(System.out::println);
toArray
返回 Object[] 陣列
String[] result = stream.toArray(String[]::new)
collect
將流中的元素收集到另一個目標
stream.collect(Collectors.tolist());
控制獲得結果集的型別
TreeSet<String> result = stream.collect(Collectors.toCollection(TreeSet::new));
收集流中的字串
String result = stream.collect(Collectors.joining())
元素間加入分隔符收集結果
String result = stream.collect(Collectors.joining("、"))
將其它型別物件，轉為字串收集
String result = stream.map(Object::toString).collect(Collectors.joining("、"))
如果要將流的結果約簡為總和、平均值、最大值或最小值，可以使用summarizing(Int|Long|Double)方法中的某一個。
IntSummaryStatistics summary = stream.collect(Collectors.summarizingInt(String::length));
double averageWordLength = summary.getAverage();
double maxWordLength = summary.getMax();
收集至Map
使用 Collectors.toMap，可以將想要的元素收集至 Map 中
Map<Integer, String> idToName = people.collect(Collectors.toMap(Person::getId, Person::getName));
Map<Integer, Person> idToPerson = people.collect(Collectors.toMap(Person::getId, Function.identity()));
一個key，多個value
通過第三個引數，傳入的函式，控制當一個key，存在多種value的情況。
Stream<Locale> locales = Stream.of(Locale.getAvailableLocales());
Map<String, String> languageNames = locales.collect(
Collectors.toMap(
Locale::getDisplayLanguage,
l -> l.getDisplayLanguage(l),
(existingValue, newValue) -> existingValue))
控制指定收集 TreeMap 型別資料
Map<Integer, Person> idToPerson = people.collect(
Collectors.toMap(
Person::getId,
Function.identity(),
(existingValue, newValue) -> { throw new IllegalStateException(); },
TreeMap::new));
對於每一個 toMap 方法，都有一個等價的可以產生併發對映表的 toConcurrentMap方法。單個併發對映表可以用於並行集合處理。當使用並行流時，共享的對映表比合並對映表要更高效。 注意，元素不再是按照流中的順序收集的，但是通常這不會有什麼問題
群組與分割槽
將需要相同值的元素，分成一組。可以使用 groupingBy 方法。
Stream<Locale> locales = Stream.of(Locale.getAvailableLocales());
Map<String, List<Locale>> countryToLocales = locales.collect(
Collectors.groupingBy(Locale::getCountry));
當要分組的 key 為 boolean 型別時，使用 partitioningBy 更加高效。
Map<Boolean, List<Locale>> englishAndOtherLocales = locales.collect(
Collectors.partitioningBy(l -> l.getLanguage().equals("en")));
List<Locale> englishLocales = englishAndOtherLocales.get(true);
如果呼叫 groupingByConcurrent 方法，就會在使用並行流時獲得一個被並行組裝的並行對映表。這與 toConcurrentMap 方法完全類似。
下游收集器
如果要控制分組的 value 時，需要提供一個“下游收集器（downstream collector）”。例如我們想收集的value 為 set 型別，而非列表list。
Map<String, Set<Locale>> countryToLocaleSet = locales.collect(Collectors.groupingBy(Locale::getCountry, Collectors.toSet()));
除了可以使用 toSet()，也可以使用 counting、summingInt、maxBy 等約簡方法。
mapping
此方法會將傳入的函式，應用到下游收集器的結果上。例如：還是上面的程式，我們想收集Map型別，其中key是字串，value 是 Set<String> 型別。
import java.util.stream.Collectors.*
...
Map<String, Set<String>> countryToLanguages = locales.collect(
groupingBy(Locale::getDisplayCountry,
mapping(Locale::getDisplayLanguage,
toSet())));
約簡操作
reduce 方法，支援自定義約簡函式。
List<Integer> values = . . .;
// 計算流中元素的和
Optional<Integer> sum = values.stream().reduce(Integer::sum)
上述程式碼，如果流中的元素用V表示，具體在流中就會執行 V0 + V1 + V2 + ... Vi 個元素。如果流為空，就會返回一個 Optional 裡面為空的物件。
在實踐中，建議通過 toMap()，轉為數字流，並使用其自帶的求和、最大值、最小值等方法更容易。
基本型別流
在流庫中，有針對基本資料型別使用的流型別。IntStream、LongStream、DoubleStream，用來直接儲存基本型別值，而無需使用包裝器，如果想要儲存 short、char、byte、boolean，可以使用 IntStream ，而對於float ，可以使用 DoubleStream。
轉為物件流
使用 boxed 方法
// 生成0~100範圍內的基本型別流，並轉為包裝物件流
Stream<Integer> integers = IntStream.range(0, 100).boxed();
並行流
並行流就是將一個流的內容分成多個資料塊，並用不同的執行緒分別處理每個不同資料塊的流。
預設情況下，從有序集合（陣列和列表）、範圍、生成器和迭代產生的流，或者通過呼叫Stream.sorted 產生的流，都是有序的。它們的結果是按照原來元素的順序累積的，因此是完全可預知的。如果執行相同的操作兩次，將會得到完全相同的結果。
建立並行流
parallel()：產生一個與當前流中元素相的並行流
unordered()：產生一個與當前流中元素相 的無序流
parallel Stream()：用當前集合中的元素產生一個並行流
亂序執行
列印流中的每個元素。由於並行流使用不同執行緒處理不同資料塊，那麼執行緒的執行先後順序也變的不可知，所以列印的數字亂序。
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
System.out.println("-------------stream---------------");
numbers.stream().forEach(out::print);
numbers.stream().forEach(out::print);
System.out.println("");
System.out.println("----------parallelStream----------");
numbers.parallelStream().forEach(out::print);
numbers.parallelStream().forEach(out::print);
-------------stream---------------
123456789
123456789
----------parallelStream----------
657893421
643157289
注意：不要將所有的流都轉換為並行流，只有在對已經位於記憶體中的資料執行大量計算操作時，才應該使用並行流。
為了讓並行流正常工作，需要滿足大量的條件：
- 資料應該在記憶體中 必須等到資料到達是非常低效的。
- 流應該可以被高效地分成若干個子部分 由陣列或平衡二叉樹支撐的流都可以工作得很好，但是 Stream.iterate 返回的結果不行。
- 流操作的工作量應該具有較大的規模。如果總工作負載並不是很大，那麼搭建平行計算時所付出的代價就沒有什麼意義。
- 流操作不應該被阻塞。