Stream 是 Java8 中处理集合的关键抽象概念,它可以指定你希望对集合进行的操作,可以执行非常复杂的查找、过滤和映射数据等操作。
使用Stream API 对集合数据进行操作,就类似于使用 SQL 执行的数据库查询。也可以使用 Stream API 来并行执行操作。简而言之,Stream API 提供了一种高效且易于使用的处理数据的方式。

流 (Stream) 到底是什么呢 ?
是数据渠道,用于操作数据源(集合、数组等)所生成的元素序列。“集合讲的是数据,流讲的是计算! ”

注意:
①Stream 自己不会存储元素。
②Stream 不会改变源对象。相反,他们会返回一个持有结果的新Stream。
③Stream 操作是延迟执行的。这意味着他们会等到需要结果的时候才执行。



5. 创建方式

案例:ZJJ_JavaBasic_2019/10/30_14:51:07_5pxda
@Test
public void ceui1() {
//1. Collection 提供了两个方法 stream() 与 parallelStream()
ArrayList list = new ArrayList<>();
Stream stream = list.stream();
Stream stringStream = list.parallelStream();//并行流(多线程操作的)

}

//2. 通过 Arrays 中的 stream() 获取一个数组流 @Test
public void ceui2() {

Integer[] nums = new Integer[10];
Stream stream1 = Arrays.stream(nums);
}

@Test
public void ceui3() {
//3. 通过 Stream 类中静态方法 of()
Stream stream2 = Stream.of(1, 2, 3, 4, 5, 6);

}

@Test
public void ceui4() {
//4. 创建无限流 两种方式 //迭代 Stream stream3 = Stream.iterate(0, (x) -> x + 2).limit(10);
stream3.forEach(System.out::println);

//生成 Stream stream4 = Stream.generate(Math::random).limit(2);
stream4.forEach(System.out::println);

}



a)筛选与切片


filter——接收 Lambda , 从流中排除某些元素。
limit——截断流,使其元素不超过给定数量。
skip(n) —— 跳过元素,返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个,则返回一个空流。与 limit(n) 互补
distinct——筛选,通过流所生成元素的 hashCode() 和 equals() 去除重复元素

  1. import e_Lambda表达式.entity.Employee;
  2. import org.junit.Test;
  3. import java.util.ArrayList;
  4. import java.util.Arrays;
  5. import java.util.List;
  6. import java.util.stream.Stream;
  7. /**
  8. * 案例:ZJJ_JavaBasic_2019/10/30_15:41:09_c5k7w
  9. * filter——接收 Lambda , 从流中排除某些元素。
  10. * limit——截断流,使其元素不超过给定数量。
  11. * skip(n) —— 跳过元素,返回一个扔掉了前 n 个元素的流。若流中元素不足 n 个,则返回一个空流。与 limit(n) 互补
  12. * distinct——筛选,通过流所生成元素的 hashCode() 和 equals() 去除重复元素
  13. */
  14. public class Test01 {
  15. /**
  16. * distinct——筛选,通过流所生成元素的 hashCode() 和 equals() 去除重复元素
  17. * !!!!!
  18. */
  19. @Test
  20. public void ceui_distinct() {
  21. employeeList.stream().distinct()
  22. .forEach(System.out::println);
  23. }
  24. /**
  25. * skip(n) —— 跳过元素,返回一个扔掉了前 n 个元素的流。
  26. * 若流中元素不足 n 个,则返回一个空流。与 limit(n) 互补
  27. */
  28. @Test
  29. public void ceui_skip() {
  30. Stream<Employee> skip = employeeList.stream()
  31. .skip(2); //跳过前两个
  32. skip.forEach(System.out::println);
  33. System.out.println("---------------");
  34. employeeList.stream().skip(4) //跳过
  35. .forEach(System.out::println);
  36. }
  37. /**
  38. * limit——截断流,使其元素不超过给定数量。
  39. */
  40. @Test
  41. public void ceui_limit() {
  42. Stream<Employee> limit = employeeList.stream().limit(3); //返回三个
  43. limit.forEach(System.out::println);
  44. System.out.println("-----------");
  45. Stream<Employee> limit2 = employeeList.stream().limit(4); //返回三个
  46. limit2.forEach(System.out::println);
  47. }
  48. /**
  49. * filter——接收 Lambda , 从流中排除某些元素。
  50. */
  51. @Test
  52. public void ceui_filter() {
  53. Stream<Employee> stream = employeeList.stream()
  54. .filter((employee -> {
  55. System.out.println("测试中间操作");
  56. return employee.getAge() <= 35;
  57. }));
  58. //只有当做终止操作时,所有的中间操作会一次性的全部执行,称为“惰性求值”
  59. stream.forEach(System.out::println);
  60. }
  61. List<Employee> employeeList = Arrays.asList(
  62. new Employee(1, "李四", 59, 6666.66),
  63. new Employee(2, "张三", 18, 9999.99),
  64. new Employee(3, "王五", 28, 3333.33),
  65. new Employee(4, "赵六", 8, 7777.77),
  66. new Employee(5, "赵六", 8, 7777.77),
  67. new Employee(6, "赵六", 8, 7777.77),
  68. new Employee(7, "田七", 38, 5555.55),
  69. new Employee(7, "田七", 38, 5555.55),
  70. new Employee(7, "田七", 38, 5555.55)
  71. );
  72. }

b)映射

  1. import e_Lambda表达式.entity.Employee;
  2. import org.junit.Test;
  3. import java.util.ArrayList;
  4. import java.util.Arrays;
  5. import java.util.List;
  6. import java.util.stream.Stream;
  7. /*
  8. 案例:ZJJ_JavaBasic_2019/10/30_15:49:00_69l3b
  9. 映射
  10. map——接收 Lambda , 将元素转换成其他形式或提取信息。
  11. 接收一个函数作为参数,该函数会被应用到每个元素上,并将其映射成一个新的元素。
  12. flatMap——接收一个函数作为参数,将流中的每个值都换成另一个流,然后把所有流连接成一个流
  13. */
  14. public class Test01 {
  15. /**
  16. * 转大写
  17. */
  18. @Test
  19. public void ceui_map() {
  20. List<String> strings = Arrays.asList("aaa", "bbb", "ccc", "ddd", "eee");
  21. strings.stream().map(
  22. (str) -> str.toUpperCase()
  23. ).forEach(System.out::println);
  24. }
  25. List<Employee> emps = Arrays.asList(
  26. new Employee(102, "李四", 59, 6666.66),
  27. new Employee(101, "张三", 18, 9999.99),
  28. new Employee(103, "王五", 28, 3333.33),
  29. new Employee(104, "赵六", 8, 7777.77),
  30. new Employee(104, "赵六", 8, 7777.77),
  31. new Employee(104, "赵六", 8, 7777.77),
  32. new Employee(105, "田七", 38, 5555.55)
  33. );
  34. /**
  35. * 给名字提取出来
  36. */
  37. @Test
  38. public void ceui_map2() {
  39. emps.stream().map(Employee::getName)
  40. .forEach(System.out::println);
  41. }
  42. //********************************************
  43. public static Stream<Character> filterCharacter(String str) {
  44. ArrayList<Character> characters = new ArrayList<>();
  45. char[] chars = str.toCharArray();
  46. for (Character character : chars) {
  47. characters.add(character);
  48. }
  49. return characters.stream();
  50. }
  51. /**
  52. * 将数组字符串变成字节流
  53. * 很麻烦
  54. */
  55. @Test
  56. public void ceui3() {
  57. List<String> strings = Arrays.asList("aaa", "bbb", "ccc", "ddd", "eee");
  58. Stream<Stream<Character>> streamStream = strings.stream().map(
  59. Test01::filterCharacter
  60. );
  61. streamStream.forEach(
  62. (sm) -> {
  63. sm.forEach(System.out::println);
  64. }
  65. );
  66. }
  67. /**
  68. * flatMap——接收一个函数作为参数,将流中的每个值都换成另一个流,
  69. * 然后把所有流连接成一个流
  70. */
  71. @Test
  72. public void ceui_flatMap() {
  73. List<String> strings = Arrays.asList("aaa", "bbb", "ccc", "ddd", "eee");
  74. Stream<Character> characterStream = strings.stream()
  75. .flatMap(Test01::filterCharacter);
  76. characterStream.forEach(System.out::println);
  77. }
  78. }

Stream其它总结 - 图1

//提取名字出来

/这两个效果是一样的/
Stream stringStream1 = transactions.stream()
.map(transaction ->
transaction.getTrader().getName()
);
stringStream1.forEach(System.out::println);

System.out.println(“—————————————————-“);

Stream stringStream = transactions.stream()
.map(transaction ->
{
String name = transaction.getTrader().getName();
return name;
}
);
stringStream.forEach(System.out::println);



c)排序

  • sorted()——自然排序
    * sorted(Comparator com)——定制排序
    ```java

import e_Lambda表达式.entity.Employee; import org.junit.Test;

import java.util.Arrays; import java.util.List;

/**

  • sorted()——自然排序 sorted(Comparator com)——定制排序
  • 案例:ZJJ_JavaBasic_2019/10/30_16:14:43_5fxff */ public class Test01 { List employeeList = Arrays.asList(

       new Employee(102, "李四", 59, 6666.66),
       new Employee(101, "张三", 18, 9999.99),
       new Employee(103, "王五", 28, 3333.33),
       new Employee(104, "赵六", 8, 7777.77),
       new Employee(104, "赵六", 8, 7777.77),
       new Employee(104, "赵六", 8, 7777.77),
       new Employee(105, "田七", 38, 5555.55));
    

    /* 自然排序 / @Test public void ceui_sorted() { employeeList.stream()

     .map(Employee::getName) // 获取名字出来
     .sorted() // 自然排序,按字母排序
     .forEach(System.out::println);
    

    }

    /**

    • 自定义排序规则 compare的解释 *
    • https://blog.csdn.net/fly_fly_fly_pig/article/details/82740277 */ @Test public void ceui_sorted2() { employeeList.stream() .sorted(

         (x, y) -> {
           // 先按年龄排序,如果年龄一样就按姓名排序
           if (x.getAge() == y.getAge()) { // 先按年龄排序
             return x.getName().compareTo(y.getName()); // 年龄一样按姓名排序
           } else {
             return Integer.compare(x.getAge(), y.getAge());
           }
         })
      
      .forEach(System.out::println); } }
 <br /> 
<a name="5zxay"></a>
#### d)查找与匹配

 <br />allMatch——检查是否匹配所有元素<br />anyMatch——检查是否至少匹配一个元素<br />noneMatch——检查是否没有匹配的元素<br />findFirst——返回第一个元素<br />findAny——返回当前流中的任意元素<br />count——返回流中元素的总个数<br />max——返回流中最大值<br />min——返回流中最小值<br /> 

```java

import e_Lambda表达式.entity.Employee;
import e_Lambda表达式.entity.Employee.Status;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;
import java.util.Optional;

/*
案例:ZJJ_JavaBasic_2019/10/30_17:43:55_dybqm
allMatch——检查是否匹配所有元素
anyMatch——检查是否至少匹配一个元素
noneMatch——检查是否没有匹配的元素
findFirst——返回第一个元素
findAny——返回当前流中的任意元素
count——返回流中元素的总个数
max——返回流中最大值
min——返回流中最小值
*/
public class Test01 {

    List<Employee> employeeList =
            Arrays.asList(
                    new Employee(102, "李四", 59, 6666.66, Status.BUSY),
                    new Employee(101, "张三", 18, 9999.99, Status.FREE),
                    new Employee(103, "王五", 28, 3333.33, Status.VOCATION),
                    new Employee(104, "赵六", 8, 7777.77, Status.BUSY),
                    new Employee(104, "赵六", 8, 7777.77, Status.FREE),
                    new Employee(104, "赵六", 8, 7777.77, Status.FREE),
                    new Employee(105, "田七", 38, 5555.55, Status.BUSY));

    /** allMatch——检查是否匹配所有元素 */
    @Test
    public void ceui_allMatch() {
        // 集合里面的值都匹配Status.BUSY 才是true
        boolean bl = employeeList.stream().allMatch((e) -> e.getStatus().equals(Status.BUSY));
        System.out.println(bl);
    }

    /** anyMatch——检查是否至少匹配一个元素 */
    @Test
    public void ceui_anyMatch() {
        boolean b =
                employeeList.stream()
                        .anyMatch(employee -> employee.getStatus().equals(Status.BUSY));
        System.out.println("b = " + b);
    }

    /** noneMatch——检查是否没有匹配的元素 */
    @Test
    public void ceui_noneMatch() {
        boolean bl2 = employeeList.stream().noneMatch((e) -> e.getStatus().equals(Status.BUSY));
        System.out.println(bl2);
    }

    /** findFirst——返回第一个元素 */
    @Test
    public void ceui_findFirst() {
        Optional<Employee> first = employeeList.stream().findFirst();
        Employee employee = first.get();
        System.out.println(employee);
    }

    /** findAny 返回当前流中的任意元素 */
    @Test
    public void ceui_findAny() {

        for (int i = 0; i < 5; i++) {
            Optional<Employee> op2 =
                    employeeList
                            .parallelStream()
                            .filter((e) -> e.getStatus().equals(Status.FREE))
                            .findAny();
            Employee employee = op2.get();
            System.out.println(employee);
        }
    }
    /** count——返回流中元素的总个数 */
    @Test
    public void ceui_count() {
        long count = employeeList.stream().count();
        System.out.println(count);
    }
    /** max——返回流中最大值 */
    @Test
    public void ceui_max() {
        Optional<Integer> max = employeeList.stream().map(Employee::getId).max(Double::compare);

        System.out.println(max.get());
    }
    /** min——返回流中最小值 */
    @Test
    public void ceui_min() {
        Optional<Integer> min = employeeList.stream().map(Employee::getId).min(Double::compare);

        System.out.println(min.get());
    }
}

e)终止操作


Stream其它总结 - 图2

f)归约


reduce(T iden , BinaryOperator b) 可以将流中元素反复结合起来,得到一个值.返回T
reduce(BinaryOperator b) 可以将流中元素反复结合起来,得到一个值.返回Optional


import e_Lambda表达式.entity.Employee;
import e_Lambda表达式.entity.Employee.Status;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;
import java.util.Optional;

/**案例:ZJJ_JavaBasic_2019/10/30_18:06:44_k8aq7
 * 归约 reduce(T identity, BinaryOperator)
 *
 * <p>/ reduce(BinaryOperator) ——可以将流中元素反复结合起来,得到一个值。
 */
public class Test01 {
  List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);

  @Test
  public void ceui_reduce() {
    // 将集合里面的值累加操作 结果是 55
    /* 操作步骤,先将identity这个起始值为0赋值给x,
    然后从流中取出一个元素赋值给y, 然后x+y,再把结果赋值给x,然后再次进行累加. */
    Integer reduce = list.stream().reduce(0, (x, y) -> x + y);
    System.out.println(reduce);
  }

  /** 计算公司中工资的总和 */
  @Test
  public void ceui_reduce2() {
    Optional<Double> reduce =
        employeeList.stream().map(Employee::getSalary)

                .reduce(Double::sum); // double 中的静态方法
    System.out.println(reduce.get());

    /*double a = 0 ;
       for (Employee employee : employeeList) {
        double salary = employee.getSalary();
        a=a+salary ;
    }
       System.out.println("a = " + a);*/
  }

  List<Employee> employeeList =
      Arrays.asList(
          new Employee(102, "李四", 79, 6666.66, Status.BUSY),
          new Employee(101, "张三", 18, 9999.99, Status.FREE),
          new Employee(103, "王五", 28, 3333.33, Status.VOCATION),
          new Employee(104, "赵六", 8, 7777.77, Status.BUSY),
          new Employee(104, "赵六", 8, 7777.77, Status.FREE),
          new Employee(104, "赵六", 8, 7777.77, Status.FREE),
          new Employee(105, "田七", 38, 5555.55, Status.BUSY));
}

g)收集


import e_Lambda表达式.entity.Employee;
import e_Lambda表达式.entity.Employee.Status;
import org.junit.Test;

import java.util.*;
import java.util.stream.Collectors;

/*案例:ZJJ_JavaBasic_2019/10/30_18:34:05_ftv1z
 collect——将流转换为其他形式。
接收一个 Collector接口的实现,
 用于给Stream中元素做汇总的方法 */
public class Test01 {
    @Test
    public void ceui_连接字符串() {
        String collect = employeeList.stream().map(Employee::getName)
                .collect(Collectors.joining());
        System.out.println(collect);
        System.out.println("---------------");
        /*如果中间用逗号连接的方式*/
        String collect2 = employeeList.stream().map(Employee::getName)
                .collect(Collectors.joining(","));
        System.out.println(collect2);
        System.out.println("---------------");
        /*可以在前后添加连接方式*/
        String collect3 = employeeList.stream().map(Employee::getName)
                .collect(Collectors.joining(",", "-----", "====="));
        System.out.println(collect3);
    }


    @Test
    public void ceui_组函数的另外一种获取方式() {

        DoubleSummaryStatistics collect = employeeList.stream()
                .collect(Collectors.summarizingDouble(Employee::getSalary));
        System.out.println(collect.getMax());
        System.out.println(collect.getMin());
        System.out.println(collect.getCount());
        System.out.println(collect.getAverage());
        System.out.println(collect.getSum());
    }


    /**
     * 符合条件的分一个组,不符合条件的分一个组
     */
    @Test
    public void ceui_分区() {

        Map<Boolean, List<Employee>> collect = employeeList.stream()
                .collect(Collectors.partitioningBy((e) -> e.getSalary() > 8000));
        System.out.println("collect = " + collect);


    }


    /**
     * 先按状态分组,再按年龄分组.
     */
    @Test
    public void ceui_多重分组() {
        Map<Status, Map<String, List<Employee>>> collect = employeeList.stream()
                .collect(Collectors.groupingBy(Employee::getStatus, Collectors.groupingBy(
                        (e) -> {
                            if (e.getAge() <= 35) {
                                return "青年";
                            } else if (e.getAge() <= 50) {
                                return "中年";
                            } else {
                                return "老年";
                            }
                        }
                )));

        System.out.println(collect);

    }


    /*按照状态分组*/
    @Test
    public void ceui_按状态分组() {
        Map<Status, List<Employee>> collect =
                employeeList.stream().collect(Collectors.groupingBy(Employee::getStatus));
        System.out.println("collect = " + collect);
    }

    /*求工资最小*/
    @Test
    public void ceui_min() {

        Optional<Employee> collect =
                employeeList.stream().min(Comparator.comparingDouble(Employee::getSalary));
        System.out.println(collect.get());

    /*  Optional<Employee> collect = employeeList.stream()
          .collect(Collectors.minBy((x, y) -> Double.compare(x.getSalary(), y.getSalary())));
    System.out.println(collect.get());*/
    }

    /*求工资最大*/
    @Test
    public void ceui_maxBy() {

        Optional<Employee> collect =
                employeeList.stream()
                        .collect(Collectors.maxBy((e1, e2) -> Double.compare(e1.getSalary(), e2.getSalary())));
        System.out.println(collect.get());
    }

    /*求和*/
    @Test
    public void ceui_summingDouble() {
        // 求工资总和
        double sum = employeeList.stream().mapToDouble(Employee::getSalary).sum();
        Double collect = employeeList.stream().collect(Collectors.summingDouble(Employee::getSalary));
        System.out.println(sum);
        System.out.println(collect);
    }

    /*求平均值*/
    @Test
    public void ceui_averagingDouble() {

        Double collect = employeeList.stream().collect(Collectors.averagingDouble(Employee::getSalary));
        System.out.println(collect);
    }

    /*新的方式实例化LinkedList*/
    @Test
    public void ceui_collect3() {
        LinkedList<String> collect =
                employeeList.stream()
                        .map(Employee::getName)
                        .collect(Collectors.toCollection(LinkedList::new)); // 新的方式实例化
        System.out.println("collect = " + collect);
    }

    /*给集合里面的用户名提取出来,放到set里面可以去重复*/
    @Test
    public void ceui_collect2() {
        Set<String> collect = employeeList.stream().map(Employee::getName).collect(Collectors.toSet());
        System.out.println("collect = " + collect);
    }

    /*给集合里面的用户名提取出来*/
    @Test
    public void ceui_collect() {
        List<String> collect =
                employeeList.stream().map(Employee::getName).collect(Collectors.toList());
        System.out.println("collect = " + collect);
    }

    List<Employee> employeeList =
            Arrays.asList(
                    new Employee(102, "李四", 79, 6666.66, Status.BUSY),
                    new Employee(101, "张三", 18, 9999.99, Status.FREE),
                    new Employee(103, "王五", 28, 3333.33, Status.VOCATION),
                    new Employee(104, "赵六", 8, 7777.77, Status.BUSY),
                    new Employee(104, "赵六", 8, 7777.77, Status.FREE),
                    new Employee(104, "赵六", 8, 7777.77, Status.FREE),
                    new Employee(105, "田七", 38, 5555.55, Status.BUSY));
}



Stream其它总结 - 图3
Collector 接口中方法的实现决定了如何对流执行收集操作(如收集到 List、Set、Map)。但是 Collectors 实用类提供了很多静态方法,可以方便地创建常见收集器实例,具体方法与实例如下表:

Stream其它总结 - 图4
Stream其它总结 - 图5

并行流



import org.junit.Test;

import java.util.concurrent.ForkJoinPool;
import java.util.concurrent.ForkJoinTask;
import java.util.stream.LongStream;

/**
 * 累加操作
 * 案例:ZJJ_JavaBasic_2019/11/06_ 8:30:37_2ub5c
 */
public class TestForkJoin {
    /**
     * ForkJoin并行操作
     * -5340232216128654848
     * 耗费的时间为: 2776
     */
    @Test
    public void test1() {
        long start = System.currentTimeMillis();

        ForkJoinPool pool = new ForkJoinPool();
        ForkJoinTask<Long> task = new ForkJoinCalculate(0L, 10000000000L);

        long sum = pool.invoke(task);
        System.out.println(sum);

        long end = System.currentTimeMillis();

        System.out.println("耗费的时间为: " + (end - start)); //112-1953-1988-2654-2647-20663-113808
    }

    /**
     * 串行操作
     * -5340232216128654848
     * 耗费的时间为: 4218
     */
    @Test
    public void test2() {
        long start = System.currentTimeMillis();

        long sum = 0L;

        for (long i = 0L; i <= 10000000000L; i++) {
            sum += i;
        }

        System.out.println(sum);

        long end = System.currentTimeMillis();

        System.out.println("耗费的时间为: " + (end - start)); //34-3174-3132-4227-4223-31583
    }

    /**
     * jdk8 并行操作
     * -5340232216128654848
     * 耗费的时间为: 2070
     */
    @Test
    public void test3() {
        long start = System.currentTimeMillis();
        /*底层是forkJoin*/
        Long sum = LongStream.rangeClosed(0L, 10000000000L)
                .parallel()//并行流
                .sum(); //累加

        System.out.println(sum);

        long end = System.currentTimeMillis();

        System.out.println("耗费的时间为: " + (end - start)); //2061-2053-2086-18926
    }

}