Java8实战之Stream前言
在前面一个小节中，我们已经学习了行为参数化以及Lambda表达式，通过Lambda表达式，可以使得代码更加简洁，尤其是当一个方法只需要使用一次的时候，然而，如果Java8中只有Lambda表达式的话，那还是不足以让人感到兴奋的，个人感觉，Java8中最有意思，也是最方便的功能，莫过于??Stream??了
Stream初窥
??Stream??可以翻译为流，实际上其操作也是，流操作是Java8中引入的新功能，提供了更加强大的数据迭代处理方式，通过流式写法，提供了简洁的语法，主要注意的是??Stream??需要配合Lambda表达式来使用，这更加体现了行为参数化的思想，Java8通过将既定的操作封装好，同时，将对应的具体行为留给用户，极大地提高了操作的效率。
??Stream??的出现，可以说是用于替代传统的容器操作的，在传统的容器操作中，当需要对容器中的某些元素进行操作的时候，我们需要迭代容器，然后筛选出合适的对象，然后再将其存放到另外的容器中，从上面的描述中，可以看到，其中的很大一部分操作：迭代容器，筛选对象，重新存放基本都是固定的，而每次都进行手动操作，显然是比较繁琐的，??Stream??则提供了更加便捷的操作，只需要通过对应的操作模式，然后给出对应的条件，即可实现对既定元素的操作。
为了下面的操作方便，我们先构造需要的元素
// User对象class User { private Integer id; private String name; private Integer age; // 省略set，get，toString方法}// 构造数据public static List<User> generateUserData() { Random random = new Random(); List<User> users = new ArrayList<>(); for (int i = 0; i < 1000; i++) { users.add(new User(i, “user” + i, random.nextInt(100))); } return users;}
假设现在有一个场景，我们需要从上面的列表中选取年龄大于20岁的对象，在传统的容器操作中，一般我们会这样操作
public List<User> getUserOlderThan20() { List<User> users = generateUserData(); List<User> result = new ArrayList<>(); for (User user : users) { if (user.getAge() > 20 ) { result.add(user); } } return result;}
而在Java8中，我们可以用更加简洁的方式来实现上面的操作
public List<User> getUserOlderThan20() { List<User> users = generateUserData(); List<User> result = users.stream() .filter(user -> user.getAge() > 20) .collect(Collectors.toList()); return result;}
或者上面的案例看上去并没有那么有优势，那么我们来看下下面的案例，根据年龄对用户进行分组，年龄在1-30为年轻人，31-60为中年人，60以上为老年人(例子例子，没有实际价值)
传统的操作，我们需要如下操作
public void groupUser() { List<User> users = generateUserData(); Map<String, List<User>> userGroup = new HashMap<>(); for (User user : users) { if (user.getAge() > 0 && user.getAge() <= 30) { List<User> young = userGroup.get(“young”); if (young == null) { young = new ArrayList<>(); userGroup.put(“young”, young); } userGroup.get(“young”).add(user); }else if (user.getAge() <= 60) { List<User> middle = userGroup.get(“middle”); if (middle == null) { middle = new ArrayList<>(); userGroup.put(“middle”, middle); } userGroup.get(“middle”).add(user); }else { List<User> old = userGroup.get(“old”); if (old == null) { old = new ArrayList<>(); userGroup.put(“old”, old); } userGroup.get(“old”).add(user); } } System.out.println(userGroup);}
可以看到，上面的操作还是挺繁琐的，而且比较容易出错，而在Java8中，我们则可以采用如下操作
public void testStream() { List<User> users = generateUserData(); Map<String, List<User>> result = users.stream() .collect(Collectors.groupingBy( user -> { if (user.getAge() > 0 && user.getAge() <= 30) { return “young”; } else if (user.getAge() <= 60) { return “middle”; } else { return “old”; }} )); System.out.println(result);}
可以看到，代码量以及自描述性的对比还是挺明显的，??Stream??配合??Lambda??表达式，可以使得之前比较繁琐的容器操作，变得非常简单，而且，代码本身的自解释性也更强
Stream操作
在前面我们已经见识到了??Stream??本身的特点–流式操作以及方便性，接下来我们来详细学习??Stream??的用法。
??Stream??的操作可以分为两种，一种是中间操作，例如前面的??filter()??操作，一种是结束操作，例如前面的??collect()??操作，每一个中间操作，都返回一个??Stream??，经过本次处理之后的??Stream??，结束操作则产生终结，其结果要么是数字，要么是字符串，要么是集合等等，总之就不再是??Stream??，也就是说，一个??Stream??可以有多个中间操作，但只能有一个结束操作
中间操作
比较常用的几种中间操作列举如下，更多的内容参考API即可
??filter()??，过滤操作，入参为??Predicate<? super T> predicate????limit()??，限制操作，入参为??long maxSize????skip()??,跳过操作，入参为??long n????distinct()??，去重操作，没有入参，底层使用的是??Set??进行去重??sorted()??，排序操作，可以传入自定义的比较器??Comparator<? super T> comparator????peek()??，检查操作，用于调试操作，入参??Consumer<? super T> action???map()??，将Stream中的元素映射为其他元素，入参??Function<? super T, ? extends R> mapper???mapToDouble()??，将Stream转为??DoubleStream??，避免装箱机制所带来的开销??mapToLong()??,将Stream转为??LongStream??，避免装箱机制所带来的开销??mapToInt()??，将Stream转为??IntStream??，避免装箱机制所带来的开销??flatMap()??，将多个Stream转为一个，注意与??map()??的区别，入参??Function<? super T, ? extends Stream<? extends R>> mapper??
结束操作
比较常用的几个结束操作列举如下，更多的内容参考API即可
??count()??，统计元素个数??forEach()??，对每个元素执行操作，入参??Consumer<? super T> action????findFirst()??，获取第一个元素??findAny()??，获取任意一个元素??anyMatch()??，检查元素是否至少有一个匹配，入参??Predicate<? super T> predicate????allMatch()??，检查所有元素是否都匹配，入参??Predicate<? super T> predicate???collect()??，将所有内容收集起来，入参??Collector<? super T, A, R> collector??，JDK中提供了众多的??Collector??的实现，所以，基本上不用自己实现?groupingBy()??，将内容进行分组，有三个不同的版本??groupingBy(Function<? super T, ? extends K> classifier)??，仅能进行一次分组??groupingBy(Function<? super T, ? extends K> classifier, Collector<? super T, A, D> downstream)??，注意第二个参数可以是另一个??Collector??，也就是说，可以通过多次的复合，达到多次分组，或者分组后再进行其他的操作??groupingBy(Function<? super T, ? extends K> classifier,Supplier<M> mapFactory, Collector<? super T, A, D> downstream)??，自己提供一个容器，而不是使用默认的容器??counting()??，等价于前面的??Stream.count()????partitioningBy()??精简版的??groupingBy()??，仅能支持??true??、??false??两种分组??joining()??，字符串连接，需要注意，如果Stream的内容本身不是字符串流，则需要先??map()??操作一下，将其转为字符串流，可以指定分隔符，前缀，后缀??toList()??，将结果合并为List??toSet()??，将结果合并为Set??toMap()??，将结果转为Map??toConcurrentMap()??，将结果转为并发Map?reduce()??，根据条件合并结果，可以说，上面的所有结束操作，基本上都可以通过??reduce()??来实现，??reduce??有三个不同形式的参数，当JDK所提供的合并操作不满足需求时，可以通过??reduce??来实现自定义的合并操作??T reduce(T identity, BinaryOperator<T> accumulator)????Optional<T> reduce(BinaryOperator<T> accumulator)????<U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner)??
Stream操作实例
为了更好地理解上面的内容，我们通过几个小例子来实际操作一下
// 打印出年龄在30岁以上的所有用户 users.stream() .filter(user -> user.getAge() > 30) .forEach(System.out::println); // 如果换成 .count()，则是统计用户的个数 // 分组并且统计各个分组的人数 Map<String, Long> collect = users.stream() .collect(groupingBy(user -> { if (user.getAge() <= 30) { return “young”; } else if (user.getAge() <= 60) { return “middle”; } else { return “old”; } }, counting())); // 分组并且去重 Map<String, Set<User>> collect = users.stream() .collect(groupingBy(user -> { if (user.getAge() <= 30) { return “young”; } else if (user.getAge() <= 60) { return “middle”; } else { return “old”; } }, toSet()));
关于Stream的介绍，大致就到这里了，为了更好地掌握Stream，需要在实际使用中多加练习，多加研究才是
总结
本小节主要学习了Stream的内容，通过对比Stream与传统的Collection操作，可以看出，通过Stream来操作容器，代码将变得更加简洁，而且，其可阅读行也更强，出错的概率也会更低，毕竟不用再自己关心迭代的过程，最后，通过几个简单的小例子，展示了Stream中两种不同的操作，中间操作以及结束操作，当然，关于Stream的更多内容，还是需要在实际使用中不断发现，不断研究，加油。
不要忘本，任何时候，任何事情。
