流式 API 从 Java8 开始引入,支持链式书写。
流只能消费一次,不能被两次消费(两次最终操作)
流在管道中流通,在节点被处理。
流【无存储】,流不是一种数据结构,流存储的只是一种数据视图。
Stream是独特的,既不同于io,也不同于List。
Stream 不是 InputStream/OutputStream,它俩首先不在同一个包,其次概念上也不一样,Stream代表的是任意Java对象的序列。
java.util.stream
java.io
Stream 不是 List,List中存储的元素是事先存在于内存中的Java对象,而Stream输出的元素可能并没有预先存储在内存中,而是通过实时计算出来的惰性对象。其次,Stream在理论上能容纳无限对象,List不能。
简单流式计算:
cat.map(n -> n.multiply(n)).limit(100).forEach(System.out::println);
流式计算特点:
惰性计算,真正的计算通常只发生在最后的结果获取时。流式计算存在第一步、中间一步、最后一步的说法,只有当到达最后一步执行函数的时候,整个惰性函数才会执行。
一个Stream可以轻易转换为另一个Stream。
存在泛型接口,需要指明使用对象。
流式计算应该和 Lambda 表达式一起使用,符合Java8的思想(两者同时升级出现)。
cat.filter(n -> n % 2 == 0) // 不计算.map(n -> n * n) // 不计算.limit(100) // 不计算.sum(); // 计算
常用操作举例
中间操作 | 最终操作 |
---|---|
map | forEach |
filter | collect |
limit | count |
sorted | |
distinct |
【无限序列】说明:
对于无限序列,如果直接调用 forEach() 或者 count() 求最终值,会直接进入死循环,因为无限序列永远不可能被计算完。所以我们需要先将起转变为有序序列,例如limit(100)。
【并行计算】
使用十分简单。
正常情况下,Stream为单线程,现在我们想要多线程。
parallel(),自动转化多线程。
stream.parallel().sorted() .toArray(String[]::new);
4种方法,
其中第1、2种方式创建出来的流顺序是固定的,3、4不固定。
of():最简单的方法
Stream stream = Stream.of("a","b","c");
stream.forEach(System.out::println);
Collection:进阶
// 方式一,Collection直接调用stream方法
List list = List.of("a","b","c");
Stream stream = list.stream();// 方式二,利用Arrays(本质和方式一差不多)
Stream s = Arrays.stream(new String[] { "A"});
Supplier(“暗示”,存储算法):采用Stream.generate(),传入Supplier对象。基于Supplier创建的Stream会不断调用Supplier.get()
方法来生成下一个元素,这种Stream中保留的不是元素,而是算法。范例:
Stream my = Stream.generate(new MySup());
my.limit(10).forEach(System.out::println);// 不断生成自然数的Supplier(范围在Integer之内)
class MySup implements Supplier {int n = 0;public Integer get() {n++;return n;}
}
其他API接口
【三种】基本类型流
在Java中,因为Java泛型不支持基本类型,所以我们无法使用像Stream
所以为了提高效率,Java标准库提供了三种使用基本类型的Stream,它们的使用和标准的Stream没有太大区别,直接使用:
// 1.
IntStream is = Arrays.stream(new int[] { 1, 2, 3 });// 2. 将Stream转换为LongStream:
LongStream s=List.of("1").stream().mapToLong(Long::parseLong);
==map()==方法简介
Stream s1 = Stream.of(1,2,3);Stream s2 = s1.map(n->n*n);
s2.forEach(System.out::println);
Stream map(Function super T, ? extends R> mapper);
@FunctionalInterface
public interface Function {// 将T类型转换为R:R apply(T t);
}
List.of(" Apple ", " pear ").stream() // 转换为Stream.map(String::trim) // 去空格.map(String::toLowerCase) // 变小写.forEach(System.out::println); // 打印
==forEach()==遍历
stream.forEach(System.out::println);
filter():过滤,true则通过。
IntStream.of(1, 2, 3, 4, 5, 6, 7, 8, 9)// 注意lambda的编写形式.filter(n -> n % 2 != 0).forEach(System.out::println);
==reduce()==方法简介
reduce()是聚合方法,map和filter是转换方法。
reduce()方法传入的对象是BinaryOperator接口实现,它定义了一个apply()方法,负责把上次累加的结果和本次的元素进行运算,并返回累加的结果。
使用较为复杂,暂时跳过。
@FunctionalInterface
public interface BinaryOperator {// Bi操作:两个输入,一个输出T apply(T t, T u);
}
==collect()==方法简介:将Stream转化为集合。
// 1. 过滤空白字符并转为 ArrayList
stream.filter(s -> s != null && !s.isBlank()).collect(Collectors.toList());// 2. 转为 Set
stream.collect(Collectors.toSet());// 3. 转为 Map,先 key 后 value
Stream stream = Stream.of("APPL:Apple");Map map = stream.collect(Collectors.toMap(s -> s.substring(0, s.indexOf(':')),s -> s.substring(s.indexOf(':') + 1)));
==toArray()==方法简介:将Stream转化为数组。
String[] array = list.stream().toArray(String[]::new);
collect分组输出
List list = List.of("Apple", "Banana", "Blackberry", "Coconut", "Avocado", "Cherry", "Apricots");Map> g = list.stream().collect(Collectors.groupingBy(s -> s.substring(0, 1), Collectors.toList()));System.out.println(groups);
//输出:{A=[Apple, Avocado, Apricots], B=[Banana, Blackberry], C=[Coconut, Cherry]}
sorted排序(两种方式)
【注意sordted只是转换操作,只会返回新的Stream而不会修改原来的Stream】
// 无“自赋值”
stream = stream.sorted();
stream = stream.sorted(String::compareToIgnoreCase);
distinct去重
// 无“自赋值”
stream = stream.distinct();
limit截取:从头开始截取。
// 无“自赋值”
stream = stream.limit(20);
skip: 扔掉前面几个元素。
stream = stream.skip(5)
concat合并流:
Stream s1 = ... ;
Stream s2 = ... ;Stream s3 = Stream.concat(s1,s2);
flatMap平面化:将“三维数据”转化为“二维数据”。
Stream< List > s = Stream.of(Arrays.asList(1, 2, 3),Arrays.asList(4, 5, 6),Arrays.asList(7, 8, 9));Stream i = s.flatMap(list -> list.stream());
数学计算
匹配
复合实例
Stream ds= Stream.of(
new Student("zhang",99.6),
new Student("qian",78.12),
new Student("sun",59.9),
new Student("sun",60.0));ds.filter(stu -> stu.getScore()<60.0).forEach(System.out::println);