项目实例

https://github.com/Emily0511/LambdaStream
学习来源：
https://zhuanlan.zhihu.com/p/28112239
JDK8为我们提供了一些便捷的Stream相关 类库：
image.png

流操作

java.util.stream.Stream中定义了许多流操作的方法，为了更好的理解Stream API掌握它常用的操作非常重要。
流的操作其实可以分为两类：处理操作、聚合操作。

  • 处理操作：诸如filter、map等处理操作将Stream一层一层的进行抽离，返回一个流给下一层使用。
  • 聚合操作：从最后一次流中生成一个结果给调用方，foreach只做处理不做返回。

    filter：

    filter看名字也知道是过滤的意思，我们通常在筛选数据的时候用到，频率非常高。
    filter方法的参数是Predicate predicate 即一个从 T 到 boolean 的函数。
    image.png

    map：

    有时候我们需要将流中处理的数据类型进行转换，这时候就可以使用map方法来完成，将流中的值转换为一个新的流。image.png

    flatMap:

    有时候我们会遇到提取子流的操作，这种情况用的不多但是遇到flatMap将变成更容易处理。
    image.png
    例如我们有一个List>结构的数据：
    1. List<List<String>> lists = new ArrayList<>();
    2. lists.add(Arrays.asList("apple", "click"));
    3. lists.add(Arrays.asList("boss", "dig", "qq", "vivo"));
    4. lists.add(Arrays.asList("c#", "biezhi"));
    要做的操作是获取这些数据中长度大于2的单词个数
    1. lists.stream()
    2.       .flatMap(Collection::stream)
    3.       .filter(str -> str.length() > 2)
    4.       .count();
    在不使用flatMap前你可能需要做2次for循环。这里调用了List的stream方法将每个列表转换成Stream对象，
    其他的就和之前的操作一样。

    并行数据处理

    并行和并发

    并发是两个任务共享时间段，并行则是两个任务在同一时间发生，比如运行在多核CPU上。
    如果一个程序要运行两个任务，并且只有一个CPU给它们分配了不同的时间片，那么这就是并发，而不是并行。

    并行化是指为缩短任务执行时间，将一个任务分解成几部分，然后并行执行。

这和顺序执行的任务量是一样的，区别就像用更多的马来拉车，花费的时间自然减少了。
实际上，和顺序执行相比，并行化执行任务时，CPU承载的工作量更大。

数据并行化是指将数据分成块，为每块数据分配单独的处理单元。

还是拿马拉车那个例子打比方，就像从车里取出一些货物，放到另一辆车上，两辆马车都沿着同样的路径到达目的地。
当需要在大量数据上执行同样的操作时，数据并行化很管用。
它将问题分解为可在多块数据上求解的形式，然后对每块数据执行运算，最后将各数据块上得到的结果汇总，从而获得最终答案。
人们经常拿任务并行化和数据并行化做比较，在任务并行化中，线程不同，工作各异。
我们最常遇到的JavaEE应用容器便是任务并行化的例子之一，每个线程不光可以为不同用户服务，
还可以为同一个用户执行不同的任务，比如登录或往购物车添加商品。

Stream并行流

流使得计算变得容易，它的操作也非常简单，但你需要遵守一些约定。默认情况下我们使用集合的stream方法
创建的是一个串行流，你有两种办法让他变成并行流。

  1. 调用Stream对象的parallel方法
  2. 创建流的时候调用parallelStream而不是stream方法