当涉及 Java 编程时,Java Stream 是一个功能强大且高效的工具,用于处理集合数据。它提供了一种声明式的方式来操作数据,可以显著简化代码并提高可读性。在本文中,我们将深入探讨 Java Stream,介绍其基本概念、常用操作和用例。
什么是 Java Stream
Java Stream 是 Java 8 引入的一种新的抽象层,用于处理集合数据(如列表、数组等)。它允许你以一种更简洁、更声明式的方式对数据进行操作,而无需编写冗长的循环和条件语句。
其核心类库主要改进了对集合类的 API 和新增 Stream 操作。Stream类中每一个方法都对应集合上的一种操作。将真正的函数式编程引入到Java中,能让代码更加简洁,极大地简化了集合的处理操作,提高了开发的效率和生产力。
同时 Stream 不是一种数据结构,它只是某种数据源的一个视图,数据源可以是一个数组,Java容器或I/O channel 等。在 Stream 中的操作每一次都会产生新的流,内部不会像普通集合操作一样立刻获取值,而是惰性取值,只有等到用户真正需要结果的时候才会执行。
通过使用 Stream,你可以对数据执行各种操作,如筛选、映射、排序、聚合等。
集合操作与 Stream 操作对比
集合操作
处理方式
集合操作是通过迭代和循环来处理集合中的元素。你需要编写显式的循环代码,手动访问和操作每个元素。
适用场景
集合操作适用于简单的数据处理需求,或者在需要直接操作集合内部的情况下。它在处理小型数据集时可能较为方便。
优点
- 直观:集合操作可以更直观地展示数据的处理过程。
- 熟悉:如果你对循环和迭代操作非常熟悉,可能更容易上手。
缺点
- 冗余:集合操作通常需要编写较多的循环和条件语句,导致代码冗余。
- 低效:在大数据集上,集合操作可能会导致性能问题,因为它需要显式迭代每个元素。
Stream 操作
处理方式
Stream 操作使用声明式的方式来操作集合数据。你可以链式调用多个操作,以流水线的方式对数据进行处理。
适用场景
Stream 操作适用于需要对数据进行筛选、转换、排序、聚合等复杂操作的情况。它在处理大型数据集和需要并行处理的情况下更为有效。
优点
- 简洁:Stream 操作可以以更简洁的方式表达数据处理逻辑,减少了循环和条件的使用。
- 高效:Stream 操作可以在内部进行优化,如并行处理,从而在大数据集上提供更高的性能。
缺点
- 学习曲线:如果你对 Stream 操作不熟悉,可能需要一些时间来学习其概念和语法。
- 不适合直接操作集合:Stream 操作通常不直接修改原始集合,而是生成新的 Stream 或最终结果。
案例
本示例以操作订单金额集合为例,查询金额小于 100 的订单,并且根据创建时间进行排序,得到订单标题,生成新集合
public class List {
public static void main(String[] args) {
java.util.List orders = new ArrayList();
orders.add( new Order(1, "水果", 18, "2023-08-13"));
orders.add( new Order(2, "衣服", 59, "2023-08-12"));
orders.add( new Order(3, "日用品", 28, "2023-08-11"));
orders.add( new Order(4, "电子产品", 8999, "2023-08-10"));
orders.add( new Order(5, "图书", 128, "2023-08-09"));
java.util.List result = new ArrayList();
// 过滤出价格大于100的订单
for (Order order : orders) {
if (order.getPrice() > 100){
result.add(order);
}
}
// 按照日期进行排序
Collections.sort(result,new Comparator(){
@Override
public int compare(Order o1, Order o2) {
return Integer.compare(o1.getDate(),o2.getDate());
}
});
// 取出订单名称
ArrayList names = new ArrayList();
for (Order order : result) {
names.add(order.getName());
}
// 打印
System.out.println(names.toString());
}
}
上述示例代码代码中产生了两个多余的声明,result 和 names,这两个的声明在整个过程中的作用是作为一个中间数据存储容器,而且还需要将整体的操作多次遍历。
那么通过 Stream 流是如何处理上述数据的,请看下面示例
public class Stream {
public static void main(String[] args) {
java.util.List orders = new ArrayList();
orders.add( new Order(1, "水果", 18, "2023-08-13"));
orders.add( new Order(2, "衣服", 59, "2023-08-12"));
orders.add( new Order(3, "日用品", 28, "2023-08-11"));
orders.add( new Order(4, "电子产品", 8999, "2023-08-10服务器托管网"));
orders.add( new Order(5, "图书", 128, "2023-08-09"));
// 直接遍历输出
orders.stream()
.filter(order -> order.getPrice() > 100) // 过滤出价格大于100的订单
.sorted(Comparator.comparing(Order::getDate)) // 按照日期进行排序
.map(Order::getName)// 取出订单名称
.forEach(System.out::println); // 遍历输出
// 得到新的集合进行输出
List result = orders.stream()
.filter(order -> order.getPrice() > 100).sorted(Comparator.comparing(Order::getDate))
.map(Order::getName).collect(Collectors.toList());
System.out.println(result);
}
}
通过上述代码的执行,可以发现无需再去定义过多的冗余变量。我们可以将多个操作组成一个调用链,形成数据处理流水线。在减少代码量的同时也更加的清晰易懂。
并且对于现在调用的方法,本身都是一种高层次构件,与线程模型无关。因此在并行使用中,开发者们无需再去操心线程和锁了。Stream内部都已经做好了。
更好的理解 Sream 流操作
把 Stream 流操作理解成数据库的查询操作
- 集合=数据表
- 元素=表中的每条数据
- 属性=数据列
- 流 API = SQL 查询
Stream 流主要思想
Stream 流思想就是将集合的操作由传统的 for 循环式(外部迭代)转变为 Stream 流式操作(内部迭代)
外部迭代
所有的集合迭代所及都是在我们自己编写的代码中,所以这种显式的方式称之为外部迭代。其主要关注于数据本身。并且一般都是串行的。
1)for 循环是串行的,而且必须按照集合中元素的顺序进行依次处理,要想改造成并行的话,需要修改每个for循环
2)使用是及早求值,返回的是另一个值或空。使用性能上存在一点点的瑕疵
3)易读性不好,如果for中嵌套大量循环与功能代码,阅读起来简直是灾难
内部迭代
而内部迭代来说,它所操作的就是不是一个集合了,而是一个流。它会将所有的操作融合在流中,由其在内部进行处
理,这种隐式的方式称之为内部迭代。并且内部迭代支持并行处理,更利于集合操作的性能优化。其关注与对数据的计算。
Stream 操作详解
Stream 流接口中定义了许多对于集合的操作方法,总的来说分为以下两大类
- 中间操作:会返回一个流,通过这种方式可以将多个中间操作连接起来,形成一个调用链,从而转换为另外一个流。除非调用链最后存在一个终端操作,否则中间操作对流不会进行任何结果处理。
- 终端操作:会返回一个具体的结果,比如 boolean、list、integer 等类型结果。
筛选操作
对于集合的操作,经常性的会涉及到对于集中符合条件的数据筛选,Stream 中对于数据筛选两个常见的API:filter(过滤)、distinct(去重)
filte服务器托管网r
filter
是 Stream
中的一个中间操作,它接受一个 Predicate
参数,用于筛选出符合条件的元素。Predicate
是一个函数式接口,用于表示一个条件判断操作。
使用 filter
操作筛选元素
import java.util.List;
import java.util.stream.Collectors;
public class StreamFilterExample {
public static void main(String[] args) {
List numbers = List.of(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
List evenNumbers = numbers.stream()
.filter(num -> num % 2 == 0)
.collect(Collectors.toList());
System.out.println("Even numbers: " + evenNumbers);
}
}
在上面的示例中,我们创建了一个整数列表 numbers
,然后使用 stream
方法将其转换为一个流。接着,我们使用 filter
操作筛选出偶数,最后通过 collect
方法将结果收集到一个新的列表中。
自定义筛选条件
你可以根据自己的需求定义不同的筛选条件。例如,筛选出字符串长度大于 5 的元素:
import java.util.List;
import java.util.stream.Collectors;
public class StreamFilterExample {
public static void main(String[] args) {
List words = List.of("apple", "banana", "cherry", "date", "elderberry");
List longWords = words.stream()
.filter(word -> word.length() > 5)
.collect(Collectors.toList());
System.out.println("Long words: " + longWords);
}
}
源码解析
@Override
public final Stream filter(Predicate super P_OUT> predicate) {
// 判断 predicate 是否为 null,如果为 null,则抛出 NullPointerException
Objects.requireNonNull(predicate);
/**
* 构建 Stream ,重写 onWrapSink 方法
*/
return new StatelessOp
(this, StreamShape.REFERENCE,
StreamOpFlag.NOT_SIZED) {
@Override
Sink
opWrapSink(int flags, Sink
sink) {
return new Sink.ChainedReference
(sink) {
/**
* 流已经构建完成,但是因为 begin 方法会优先执行,此时无法明确流中后续会存在多少元素,所有传递 -1,代表无法确定
*/
@Override
public void begin(long size) {
downstream.begin(-1);
}
//调用 predicate 中的 test 方法,进行条件判断,最终将符合条件数据放入流中
@Override
public void accept(P_OUT u) {
if (predicate.test(u))
downstream.accept(u);
}
};
}
};
}
distinct
distinct
是一个中间操作,它可以应用于 Stream
上,用于消除流中的重复元素。
使用 distinct
操作去除重复元素
import java.util.List;
import java.util.stream.Collectors;
public class StreamDistinctExample {
public static void main(String[] args) {
List numbers = List.of(1, 2, 2, 3, 4, 4, 5, 5, 5);
List distinctNumbers = numbers.stream()
.distinct()
.collect(Collectors.toList());
System.out.println("Distinct numbers: " + distinctNumbers);
}
}
在上面的示例中,我们创建了一个整数列表 numbers
,其中包含重复的元素。使用 stream
方法将列表转换为流,然后应用 distinct
操作消除重复元素。最终,通过 collect
方法将结果收集到一个新的列表中。
自定义去重逻辑
distinct
操作默认使用对象的 equals
方法来判断是否为重复元素。
如果你希望根据自定义的逻辑来判断元素是否重复,可以结合 equals
和 hashCode
方法的重写,或者使用 Comparator
来自定义比较。
import java.util.List;
import java.util.stream.Collectors;
// 定义 Person 对象
class Person {
private String name;
public Person(String name) {
this.name = name;
}
public String getName() {
return name;
}
@Override
public boolean equals(Object obj) {
if (obj instanceof Person) {
return this.name.equals(((Person) obj).name);
}
return false;
}
@Override
public int hashCode() {
return this.name.hashCode();
}
}
public class StreamDistinctExample {
public static void main(String[] args) {
// 创建 Person 对象集合
List people = List.of(
new Person("Alice"),
new Person("Bob"),
new Person("Alice")
);
List distinctPeople = people.stream()
.distinct()
.collect(Collectors.toList());
System.out.println("Distinct people: " + distinctPeople.stream().map(Person::getName).collect(Collectors.toList()));
}
}
切片操作
切片操作是 Java 8 中 Stream
API 提供的一组操作,用于对流中的元素进行截取或分割,以获取所需的部分元素。这组操作包括 limit
、skip
和 substream
(Java 9 及以上版本)。
limit
limit
操作是 Stream
API 中的一个中间操作,它允许我们从流中获取指定数量的元素,然后返回一个新的流。这个操作在许多场景中都很有用,比如只需要查看前几条记录、分页显示数据等情况。
使用 limit
操作获取前 N 个元素
public class LimitDemo {
public static void main(String[] args) {
List numbers = Arrays.asList(1, 2, 3, 4, 5);
numbers.stream()
.limit(3)
.forEach(System.out::println);
}
}
在这个例子中,我们创建了一个包含整数的列表。我们首先将其转换为流,然后使用 limit 方法只获取前三个元素。最后,我们使用 forEach 方法打印输出结果。
过 limit 方法,我们限制了输出结果的大小,只获取了前三个元素。除了以上的基本用法之外,limit 方法还可以和其他 Stream 方法一起使用,进行更复杂的操作。
源码分析
@Override
public final Stream limit(long maxSize) {
if (maxSize Stream makeRef(AbstractPipeline, T, ?> upstream,
long skip, long limit) {
if (skip (upstream, StreamShape.REFERENCE,
flags(limit)) {
Spliterator unorderedSkipLimitSpliterator(Spliterator s,
long skip, long limit, long sizeIfKnown) {
if (skip = 0 ? Math.min(limit, sizeIfKnown - skip) : sizeIfKnown - skip;
skip = 0;
}
return new StreamSpliterators.UnorderedSliceSpliterator.OfRef(s, skip, limit);
}
}
- 对于limit方法的实现,它会接收截取的长度,如果该值小于0,则抛出异常,否则会继续向下调用SliceOps.makeRef()。
- 该方法中this代表当前流,skip代表需要跳过元素,比方说本来应该有4个元素,当跳过元素值为2,会跳过前面两个元素,获取后面两个。maxSize代表要截取的长度.
- 在makeRef方法中的unorderedSkipLimitSpliterator()中接收了四个参数Spliterator,skip(跳过个数)、limit(截取个数)、sizeIfKnown(已知流大小)。如果跳过个数小于已知流大小,则判断跳过个数是否大于0,如果大于则取截取个数或已知流大小-跳过个数的两者最小值,否则取已知流大小-跳过个数的结果,作为跳过个数。
最后对集合基于跳过个数和截取个数进行切割。
skip
skip
操作是 Stream
API 中的一个中间操作,它允许我们跳过流中的指定数量元素,然后返回一个新的流。这个操作在许多场景中都很有用,比如分页显示数据、去除前几条记录等情况。
使用 skip
操作获取前 N 个元素
public class SkipDemo {
public static void main(String[] args) {
List numbers = Arrays.asList(1, 2, 3, 4, 5);
numbers.stream()
.skip(2)
.forEach(System.out::println);
}
}
使用 forEach 方法打印输出结果。
过 limit 方法,我们限制了输出结果的大小,只获取了前三个元素。除了以上的基本用法之外,limit 方法还可以和其他 Stream 方法一起使用,进行更复杂的操作。
映射操作
在Stream API中,映射操作是指将一个流中的每个元素都应用于一个函数,并将结果存储在一个新的流中。这个函数可以是一个Lambda表达式,也可以是一个方法引用。映射操作可以用于将一个流中的元素转化为另一种类型,或者提取出某个属性或字段。映射操作就是将一个集合的每个元素应用某个函数,并将返回值形成一个新的集合。
map
Stream接口中的map()方法是用于映射操作的主要方法之一。它接受一个Function函数作为参数,该函数将被应用于流中的每个元素,并返回一个新的流。
使用 Map
操作
public class MapDemo {
public static void main(String[] args) {
List numbers = Arrays.asList(1, 2, 3, 4, 5);
List squares = numbers.stream()
.map(n -> n * n)
.collect(Collectors.toList());
}
}
上述代码中,map() 方法将集合中的每个元素进行平方计算,并将计算结果组成一个新的集合。
源码分析
public final Stream map(Function super P_OUT, ? extends R> mapper) {
Objects.requireNonNull(mapper);
return new StatelessOp(this, StreamShape.REFERENCE,
StreamOpFlag.NOT_SORTED | StreamOpFlag.NOT_DISTINCT) {
@Override
Sink
opWrapSink(int flags, Sink sink) {
return new Sink.ChainedReference
(sink) {
@Override
public void accept(P_OUT u) {
downstream.accept(mapper.apply(u));
}
};
}
};
}
将当前流给定函数中的元素,包含到一个新的流中进行返回其会接收一个Function函数式接口,内部接收一个 内部对Function函数式接口中的apply方法进行实现,接收一个对象,返回另外一个对象,并把这个内容存入当前流中,最后返回。
flatMap
除了map()方法之外,Stream API还提供了flatMap()方法用于进行扁平化映射操作。它接受一个Function函数作为参数,该函数将被应用于流中的每个元素,并返回一个新的流。不同之处在于,flatMap
操作在处理嵌套集合、展开多维数据结构等场景中非常有用。
使用 flatMap
操作
public class FlatMapDemo {
public static void main(String[] args) {
List> nestedList = Arrays.asList(
Arrays.asList(1, 2, 3),
Arrays.asList(4, 5, 6),
Arrays.asList(7, 8, 9)
);
List flattenedList = nestedList.stream()
.flatMap(List::stream)
.collect(Collectors.toList());
System.out.println(flattenedList); // 输出 [1, 2, 3, 4, 5, 6, 7, 8, 9]
}
}
在上面的示例中,我们使用flatMap()方法将每个子列表转换为流,然后合并这些流为一个扁平的流。
public static void main(String[] args) {
List words = Arrays.asList("Hello", "Stream", "API");
List characters = words.stream()
.flatMap(str -> str.chars().mapToObj(c -> (char) c))
.collect(Collectors.toList());
System.out.println(characters); // 输出 [H, e, l, l, o, S, t, r, e, a, m, A, P, I]
}
在上述示例中,flatMap
操作将每个单词转换为字符流,然后将所有字符流合并为一个字符流。
匹配操作
在日常开发中,有时还需要判断集合中某些元素是否匹配对应条件,如果有的话,在进行后续的操作。在Stream API中也提供了相关方法供我们进行使用,如anyMatch、allMatch等。他们对应的就是 && 和 || 运算符。
anyMatch
anyMatch
操作是 Stream
API 中的一个终端操作,用于检查流中是否至少有一个元素满足给定的条件。当流中有任何一个元素满足条件时,anyMatch
操作会返回 true
,否则返回 false
。并且对于它的操作,一般叫做短路求值
短路求值就是对于集合的一些操作,在正常情况下,无需处理整个集合就能得到结果,比方说通过 && 或者 || 连接一个判断条件,对于流来说,某些操作不用操作整个流就能得到结果
使用 anyMatch
操作
public class AnyMatchDemo {
public static void main(String[] args) {
List numbers = Arrays.asList(3, 8, 4, 9, 2, 7);
boolean hasNumberGreaterThanFive = numbers.stream()
.anyMatch(number -> number > 5);
System.out.println(hasNumberGreaterThanFive); // 输出 true
}
}
在上述示例中,anyMatch
操作用于检查是否有元素大于 5,由于列表中存在 8、9 和 7,所以返回结果为 true
。
allMatch
allMatch
操作是 Stream
API 中的一个终端操作,用于检查流中的所有元素是否都满足给定的条件。当流中的所有元素都满足条件时,allMatch
操作会返回 true
,否则返回 false
。
使用 allMatch
操作
public static void main(String[] args) {
List words = Arrays.asList("apple", "banana", "orange", "grape");
boolean allWordsHaveLengthThreeOrMore = words.stream()
.allMatch(word -> word.length() >= 3);
System.out.println(allWordsHaveLengthThreeOrMore); // 输出 true
}
在上述示例中,allMatch
操作用于检查是否所有字符串的长度都大于等于 3,由于列表中的所有字符串都满足条件,所以返回结果为 true
。
查找操作
在日常开发中,有时候还需要从集合中查找符合条件的元素,Stream 也提供了相关的 API,如 findAny 和 findFirst 等方法。同时上述方法也可以跟其他流操作组合使用
findAny
findAny
操作是 Stream
API 中的一个终端操作,它用于在流中查找任意一个满足给定条件的元素。由于流可能是并行处理的,所以返回的是一个可能满足条件的元素,而不是第一个元素
public static void main(String[] args) {
List words = Arrays.asList("apple", "banana", "orange", "grape");
Optional anyWordStartingWithA = words.stream()
.filter(word -> word.startsWith("a"))
.findAny();
if (anyWordStartingWithA.isPresent()) {
System.out.println("Found: " + anyWordStartingWithA.get()); // 输出 Found: apple 或其他以 "a" 开头的单词
} else {
System.out.println("Not found");
}
}
在上述示例中,filter
操作用于过滤以字母 “a” 开头的单词,然后使用 findAny
操作来查找任意一个满足条件的单词。
findFirst
findFirst
操作是 Stream
API 中的一个终端操作,它用于在流中查找第一个满足给定条件的元素。由于流可能是并行处理的,所以返回的是第一个满足条件的元素。
使用 findFirst
操作
public static void main(String[] args) {
List words = Arrays.asList("apple", "banana", "orange", "grape");
Optional firstWordStartingWithA = words.stream()
.filter(word -> word.startsWith("a"))
.findFirst();
if (firstWordStartingWithA.isPresent()) {
System.out.println("Found: " + firstWordStartingWithA.get()); // 输出 Found: apple
} else {
System.out.println("Not found");
}
}
在上述示例中,filter
操作用于过滤以字母 “a” 开头的单词,然后使用 findFirst
操作来查找第一个满足条件的单词。
归约操作
归约操作是将一个流中的元素按照给定的操作进行合并,得到一个最终的结果。归约操作的基本思想是将流中的元素逐个进行合并,最终得到一个合并后的结果。
在 Stream
API 中,reduce
方法用于实现归约操作。它有两种重载形式:
Optional reduce(BinaryOperator accumulator)
T reduce(T identity, BinaryOperator accumulator)
其中,accumulator
是一个二元操作,用于定义合并规则。identity
是一个初始值,用于在归约开始前初始化结果。
使用归约操作
示例 1:对整数列表求和
假设我们有一个整数列表,现在我们想要计算列表中所有元素的和。
javaCopy code
List numbers = Arrays.asList(1, 2, 3, 4, 5);
int sum = numbers.stream()
.reduce(0, (a, b) -> a + b);
System.out.println("Sum: " + sum); // 输出 Sum: 15
在上述示例中,reduce
操作用于计算整数列表中所有元素的和。
示例 2:连接字符串列表
假设我们有一个字符串列表,现在我们想要将列表中的所有字符串连接成一个大字符串。
javaCopy code
List words = Arrays.asList("Hello", "Stream", "API");
String concatenated = words.stream()
.reduce("", (a, b) -> a + " " + b);
System.out.println("Concatenated: " + concatenated); // 输出 Concatenated: Hello Stream API
在上述示例中,reduce
操作用于将字符串列表中的所有字符串连接成一个大字符串。
示例 3:求最大值
假设我们有一个整数列表,现在我们想要找到列表中的最大值。
javaCopy code
List numbers = Arrays.asList(5, 9, 3, 7, 1);
Optional max = numbers.stream()
.reduce(Integer::max);
max.ifPresent(value -> System.out.println("Max: " + value)); // 输出 Max: 9
在上述示例中,reduce
操作用于找到整数列表中的最大值。
总结
Stream
是 Java 8 中引入的一个强大的功能,它提供了一种更简洁、更具有表现力的方式来处理集合数据。通过使用 Stream
,我们可以轻松地进行过滤、映射、排序、归约等操作,从而实现更加优雅和函数式的代码编写。
服务器托管,北京服务器托管,服务器租用 http://www.fwqtg.net
机房租用,北京机房租用,IDC机房托管, http://www.fwqtg.net