Java 8 Stream--开发手册

  1. 云栖社区>
  2. 博客>
  3. 正文

Java 8 Stream--开发手册

消失er 2018-07-29 11:19:00 浏览540
展开阅读全文

什么是Java8 Stream,为什么需要Stream?

Stream是Java8一大亮点,它与 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念。

首先Java 8 Stream不是数据结构,它没有内部存储。它是为高效的集合(数组、List、Set……)操作而存在的。

Java中的集合Collection,具体包含:数组、List、Set等数据结构,都是由JDK提供的,难道在Java8之前的集合操作,有什么不便/局限吗?

下面给出一个需求进行对比,体验一下Java8 Stream:从一个List中,获取集合中每个对象的ID,返回一个新的ID List。

在Java8之前,我们需要这样做:

List<Food> foods = new ArrayList<>();
        //                  id  price  num
        foods.add(new Food(1,  5.5,  3));
        foods.add(new Food(2,  4.5,  8));
        foods.add(new Food(3,  56.5,  13));
        foods.add(new Food(4,  9.5,  56));

        // pre java8
        List<Long> result = new ArrayList<>();
        for (Food f: foods) {
            result.add(f.getId());
        }

而Java8 Stream的方式:

 //java8 stream
List<Long> collect = foods.parallelStream().map(each -> each.getId()).collect(toList());

一行搞定,而且效率更高。

Java 8 中的 Stream 是对集合(Collection)对象功能的增强,它专注于对集合对象进行各种非常便利、高效的聚合操作(aggregate operation),或者大批量数据操作 (bulk data operation)。

Stream 不是集合元素,它不是数据结构并不保存数据,它是有关算法和计算的,它更像一个高级版本的 Iterator。原始版本的 Iterator,用户只能显式地一个一个遍历元素并对其执行某些操作;高级版本的 Stream,用户只要给出需要对其包含的元素执行什么操作,比如 “过滤掉长度大于 10 的字符串”、“获取每个字符串的首字母”等,Stream 会隐式地在内部进行遍历,做出相应的数据转换。

解析Stream通用语法

List<Integer> nums = new ArrayList<>();
    nums.add(1);
    nums.add(null);
    nums.add(3);
    nums.add(null);
    nums.add(5);

long count = nums.stream().filter(num -> num != null).count();

上面这段代码是获取一个List中,元素不为null的个数。


img_022901a930430e0a96aad6ffcaa7069e.png
image.png

图片就是对于Stream例子的一个解析,可以看到:

  • 红色框中的语句是一个Stream的生命开始的地方,负责创建一个Stream实例;

  • 绿色框中的语句是赋予Stream灵魂的地方,把一个Stream转换成另外一个Stream;

  • 红框的语句生成的是一个包含所有nums变量的Stream,

    经过绿框的filter方法以后,重新生成了一个新Stream,过滤掉原nums列表中所有为null的;

  • 蓝色框中的语句是丰收的地方,把Stream的里面包含的内容按照某种算法来汇聚成一个值,例子中是获取Stream中非空元素个数。

在此我们总结一下使用Stream的基本步骤:

  1. 创建Stream;
  2. 流的操作(转换Stream,数据转换操作),每次转换原有Stream对象不改变,返回一个新的Stream对象(可以有多次转换);
  3. 对Stream进行聚合(Reduce)操作,获取想要的结果;

创建Stream

Stream是在一个源的基础上创建出来的,例如java.util.Collection中的list或者set(map不能作为Stream的源)。有多种方式生成 Stream Source:

1、从集合中创建(最常见)

  • Collection.stream()
  • Collection.parallelStream()
  • Arrays.stream(T array) or Stream.of()
  • Collection的子类List、Set均可

2、静态工厂

  • java.util.stream.IntStream.range()
  • java.nio.file.Files.walk()

3、BufferedReader

  • java.io.BufferedReader.lines()

4、自定义创建:需要实现java.util.Spliterator接口

5、其它方式

  • Random.ints()
  • BitSet.stream()
  • Pattern.splitAsStream(java.lang.CharSequence)
  • JarFile.stream()

构造流的几种常见方法

// 1. Individual values
Stream stream = Stream.of("a", "b", "c");

// 2. Arrays
String [] strArray = new String[] {"a", "b", "c"};
stream = Stream.of(strArray);
stream = Arrays.stream(strArray);

// 3. Collections
List<String> list = Arrays.asList(strArray);
stream = list.stream();

流的操作(转换Stream)

流的操作,实际上就是通过转换Stream,完成对集合中数据转换的操作;如过滤出集合中特定元素等。

Stream中提供了很多方法,专门用于对集合中元素的各种操作;这些方法的参数都是lambda 表达式。

java.util.Stream表示了某一种元素的序列,在这些元素上可以进行各种操作。Stream操作可以是中间操作(Intermediate),也可以是终结操作(Terminal)。完结操作会返回一个某种类型的值,而中间操作会返回流对象本身,并且你可以通过多次调用同一个流操作方法来将操作结果串起来(就像StringBuffer的append方法一样)。

流的操作类型分为两种:终结操作(Terminal)和 非终结操作(Intermediate)。
  • Intermediate:非终结操作是核心,是真正处理数据转换的,比如 “过滤掉长度大于 10 的字符串”、“获取每个字符串的首字母”等。

一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流,做出某种程度的数据映射/过滤,然后返回一个新的流,交给下一个操作使用。这类操作都是惰性化的(lazy),就是说,仅仅调用到这类方法,并没有真正开始流的遍历。

  • Terminal:终结操作是对完成转换的数据进行汇合收集,是丰收的阶段。

一个流只能有一个 terminal 操作,当这个操作执行后,流就被使用“光”了,无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行,才会真正开始流的遍历,并且会生成一个结果,或者一个 side effect。

Stream 典型用法

map

它的作用就是把 input Stream 的每一个元素,映射成 output Stream 的另外一个元素。

转换大写

List<String> output = wordList.stream().map(String::toUpperCase).collect(Collectors.toList());

其中map() 是非终结操作, collect()是终结操作。这些方法的参数都是lambda 表达式。

计算平方数

List<Integer> nums = Arrays.asList(1, 2, 3, 4);

List<Integer> squareNums = nums.stream().

map(n -> n * n).

collect(Collectors.toList());

这段代码生成一个整数 list 的平方数 {1, 4, 9, 16}。

从上面例子可以看出,map 生成的是个 1:1 映射,每个输入元素,都按照规则转换成为另外一个元素。

map方法示意图


img_8aa733d5409009a59768ead8fa251717.png
image.png

还有一些场景,是一对多映射关系的,这时需要 flatMap。

flatMap一对多
Stream<List<Integer>> inputStream = Stream.of(
 Arrays.asList(1),
 Arrays.asList(2, 3),
 Arrays.asList(4, 5, 6)
 );

Stream<Integer> outputStream = inputStream.
flatMap((childList) -> childList.stream());

flatMap 把 input Stream 中的层级结构扁平化,就是将最底层元素抽出来放到一起,最终 output 的新 Stream 里面已经没有 List 了,都是直接的数字。

filter

filter 对原始 Stream 进行某项测试,通过测试的元素被留下来生成一个新 Stream。

留下偶数

Integer[] sixNums = {1, 2, 3, 4, 5, 6};

Integer[] evens =

Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new);

经过条件“被 2 整除”的 filter,剩下的数字为 {2, 4, 6}。

filter方法示意图:


img_114af99e5bd15fcafa7a03c36f2935d5.png
image.png
limit/skip

limit 返回 Stream 的前面 n 个元素;skip 则是扔掉前 n 个元素(它是由一个叫 subStream 的方法改名而来)。

对比limit 和 skip 对运行次数的影响

public void testLimitAndSkip() {

 List<Person> persons = new ArrayList();
 for (int i = 1; i <= 10000; i++) {
   Person person = new Person(i, "name" + i);
   persons.add(person);
 }

  List<String> personList2 = persons.stream().
  map(Person::getName).limit(10).skip(3).collect(Collectors.toList());
  System.out.println(personList2);
}

private class Person {
 public int no;
 private String name;

 public Person (int no, String name) {
 this.no = no;
 this.name = name;
 }

 public String getName() {
 System.out.println(name);
 return name;
 }
}

输出结果为:

name1
name2
name3
name4
name5
name6
name7
name8
name9
name10
[name4, name5, name6, name7, name8, name9, name10]
sorted

对 Stream 的排序通过 sorted 进行,它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后,再排序,这能帮助程序明显缩短执行时间。

排序前进行 limit 和 skip

List<Person> persons = new ArrayList();
 for (int i = 1; i <= 5; i++) {
   Person person = new Person(i, "name" + i);
   persons.add(person);
 }

List<Person> personList2 = persons.stream().limit(2).sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList());
System.out.println(personList2);

结果输出为:

name2
name1
[stream.StreamDW$Person@6ce253f1, stream.StreamDW$Person@53d8d10a]
forEach

forEach 方法接收一个 Lambda 表达式,然后在 Stream 的每一个元素上执行该表达式。

打印姓名(forEach 和 pre-java8 的对比)

// Java 8
roster.stream()
 .filter(p -> p.getGender() == Person.Sex.MALE)
 .forEach(p -> System.out.println(p.getName()));

// Pre-Java 8
for (Person p : roster) {
 if (p.getGender() == Person.Sex.MALE) {
 System.out.println(p.getName());
 }
}

对一个人员集合遍历,找出男性并打印姓名。可以看出来,forEach 是为 Lambda 而设计的,保持了最紧凑的风格。而且 Lambda 表达式本身是可以重用的,非常方便。当需要为多核系统优化时,可以 parallelStream().forEach(),只是此时原有元素的次序没法保证,并行的情况下将改变串行时操作的行为,此时 forEach 本身的实现不需要调整,而 Java8 以前的 for 循环 code 可能需要加入额外的多线程逻辑。

forEach 是 terminal 操作,因此它执行后,Stream 的元素就被“消费”掉了,你无法对一个 Stream 进行两次 terminal 运算。

相反,具有相似功能的 intermediate 操作 peek 可以达到上述目的。如下是出现在该 api javadoc 上的一个示例。

peek

peek 对每个元素执行操作并返回一个新的 Stream

Stream.of("one", "two", "three", "four")

 .filter(e -> e.length() > 3)

 .peek(e -> System.out.println("Filtered value: " + e))

 .map(String::toUpperCase)

 .peek(e -> System.out.println("Mapped value: " + e))

 .collect(Collectors.toList());
min/max/distinct

min 和 max 的功能也可以通过对 Stream 元素先排序,再 findFirst 来实现,但前者的性能会更好,为 O(n),而 sorted 的成本是 O(n log n)。同时它们作为特殊的 reduce 方法被独立出来也是因为求最大最小值是很常见的操作。

找出最长一行的长度

BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log"));

int longest = br.lines().
 mapToInt(String::length).
 max().
 getAsInt();
br.close();
System.out.println(longest);

下面的例子则使用 distinct 来找出不重复的单词。找出全文的单词,转小写,并排序

List<String> words = br.lines().
 flatMap(line -> Stream.of(line.split(" "))).
 filter(word -> word.length() > 0).
 map(String::toLowerCase).
 distinct().
 sorted().
 collect(Collectors.toList());
br.close();
System.out.println(words);
findFirst

这是一个 termimal 兼 short-circuiting 操作,它总是返回 Stream 的第一个元素,或者空。

这里比较重点的是它的返回值类型:Optional。这也是一个模仿 Scala 语言中的概念,作为一个容器,它可能含有某值,或者不包含。使用它的目的是尽可能避免 NullPointerException。

Optional 的两个用例

String strA = " abcd ", strB = null;
print(strA);
print("");
print(strB);
getLength(strA);
getLength("");
getLength(strB);

public static void print(String text) {

 // Java 8
 Optional.ofNullable(text).ifPresent(System.out::println);

 // Pre-Java 8
 if (text != null) {
   System.out.println(text);
 }
 }

public static int getLength(String text) {

 // Java 8
return Optional.ofNullable(text).map(String::length).orElse(-1);

 // Pre-Java 8
// return if (text != null) ? text.length() : -1;
 };

在更复杂的 if (xx != null) 的情况中,使用 Optional 代码的可读性更好,而且它提供的是编译时检查,能极大的降低 NPE 这种 Runtime Exception 对程序的影响,或者迫使程序员更早的在编码阶段处理空值问题,而不是留到运行时再发现和调试。

Stream 中的 findAny、max/min、reduce 等方法等返回 Optional 值。还有例如 IntStream.average() 返回 OptionalDouble 等等。

reduce

这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值(种子),然后依照运算规则(BinaryOperator),和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说,字符串拼接、数值的 sum、min、max、average 都是特殊的 reduce。例如 Stream 的 sum 就相当于

Integer sum = integers.reduce(0, (a, b) -> a+b); 或

Integer sum = integers.reduce(0, Integer::sum);

也有没有起始值的情况,这时会把 Stream 的前面两个元素组合起来,返回的是 Optional。

reduce 的用例

// 字符串连接,concat = "ABCD"
String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat);

// 求最小值,minValue = -3.0
double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);

// 求和,sumValue = 10, 有起始值
int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);

// 求和,sumValue = 10, 无起始值
sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();

// 过滤,字符串连接,concat = "ace"
concat = Stream.of("a", "B", "c", "D", "e", "F").
 filter(x -> x.compareTo("Z") > 0).
 reduce("", String::concat);

上面代码例如第一个示例的 reduce(),第一个参数(空白字符)即为起始值,第二个参数(String::concat)为 BinaryOperator。这类有起始值的 reduce() 都返回具体的对象。而对于第四个示例没有起始值的 reduce(),由于可能没有足够的元素,返回的是 Optional,请留意这个区别。

关于reduce理解起来比较抽象,下面通过笔者总结的一个用例具体演示。

需求1:求出每件Food 的总价(单品的总价=单价*数量)

List<Food> foods = new ArrayList<>();

//                 id price num
foods.add(new Food(1,  5.5,  3));
foods.add(new Food(2,  4.5,  8));
foods.add(new Food(3,  56.5,  13));
foods.add(new Food(4,  9.5,  56));

foods.stream().map(item->item.getPrice() * item.getNum()).forEach(System.out::print);

需求2:计算(所有Food)订单总价

double totalPrice = foods.stream().map(item->item.getPrice() * item.getNum()).reduce((sum,n)->sum+n).get();



除了上面2种主要的终结操作(Terminal)和 非终结操作(Intermediate),还有一种Short-circuiting操作,包含以下函数:
anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 limit

Match

Stream 有三个 match 方法,从语义上说:

  • allMatch:Stream 中全部元素符合传入的 predicate,返回 true
  • anyMatch:Stream 中只要有一个元素符合传入的 predicate,返回 true
  • noneMatch:Stream 中没有一个元素符合传入的 predicate,返回 true

它们都不是要遍历全部元素才能返回结果。例如 allMatch 只要一个元素不满足条件,就 skip 剩下的所有元素,返回 false。对清单 13 中的 Person 类稍做修改,加入一个 age 属性和 getAge 方法。

使用Match

List<Person> persons = new ArrayList();
persons.add(new Person(1, "name" + 1, 10));
persons.add(new Person(2, "name" + 2, 21));
persons.add(new Person(3, "name" + 3, 34));
persons.add(new Person(4, "name" + 4, 6));
persons.add(new Person(5, "name" + 5, 55));

boolean isAllAdult = persons.stream().
 allMatch(p -> p.getAge() > 18);
System.out.println("All are adult? " + isAllAdult);

boolean isThereAnyChild = persons.stream().
 anyMatch(p -> p.getAge() < 12);
System.out.println("Any child? " + isThereAnyChild);

输出结果:

All are adult? false
Any child? true

效率问题

有人会有疑问:在对于一个Stream进行多次转换操作,每次都对Stream的每个元素进行转换,而且是执行多次,这样时间复杂度就是一个for循环里把所有操作都做掉的N(转换的次数)倍啊。其实不是这样的,转换操作都是lazy的,多个转换操作只会在汇聚操作(见下节)的时候融合起来,一次循环完成。我们可以这样简单的理解,Stream里有个操作函数的集合,每次转换操作就是把转换函数放入这个集合中,在汇聚操作的时候循环Stream对应的集合,然后对每个元素执行所有的函数。

Stream API 借助于同样新出现的 Lambda 表达式,极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作,两种方式的使用也很简单,在创建Stream时,foods.stream()创建串行流,foods.parallelStream()创建并行流。

并发模式能够充分利用多核处理器的优势,使用 fork/join 并行方式来拆分任务和加速处理过程。
Stream并发模式,基于OS核心数,并行处理,有更高的执行效率。

网友评论

登录后评论
0/500
评论
消失er
+ 关注