Java 8 Stream实践

时间：2019-08-11 00:32:32 阅读：72 评论：0 收藏：0 [点我收藏+]

标签：http auth 举例 strategy new tag ons 操作 char

【**前面的话**】Java中的Stream于1.8版本析出，平时项目中也有用到，今天就系统的来实践一下。下面借用重庆力帆队伍中我个人比较喜欢的球员来操作一波，队员的年龄为了便于展示某些api做了调整，请不要太认真哦。 *** # 壹. Stream理解在java中我们称Stream为『**流**』，我们经常会用流去对集合进行一些流水线的操作。stream就像工厂一样，只需要把集合、命令还有一些参数灌输到流水线中去，就可以加工成得出想要的结果。这样的流水线能大大简洁代码，减少操作。给我个人的感觉类似JavaScript中的链式函数。 # 贰. Stream流程 ```java 原集合 —> 流 —> 各种操作(过滤、分组、统计) —> 终端操作 ``` Stream流的操作流程一般都是这样的，先将集合转为流，然后经过各种操作，比如过滤、筛选、分组、计算。最后的终端操作，就是转化成我们想要的数据，这个数据的形式一般还是集合，有时也会按照需求输出count计数。下文会一一举例。 # 叁. API实践首先，定义一个用户对象，包含姓名、年龄、id三个成员变量： ```java package com.eelve.training.entity; import lombok.*; import javax.persistence.*; /** * @ClassName User * @Description TDO * @Author zhao.zhilue * @Date 2019/6/28 15:21 * @Version 1.0 **/ @Data @Entity @Table(name = "user") @ToString @NoArgsConstructor @AllArgsConstructor @EqualsAndHashCode(exclude={"id","name"}) public class User implements Comparable{ @Id @GeneratedValue(strategy = GenerationType.IDENTITY) @Column(name = "id") private Integer id; /** * Link name. */ @Column(name = "name", columnDefinition = "varchar(255) not null") private String name; @Column(name = "age") private Integer age; public User(String name, Integer age) { this.name = name; this.age = age; } @Override public int compareTo(User o) { return age.compareTo(o.getAge()); } } ``` 然后在数据库中插入测试数据，见下图： ![streamDataSource](https://img2018.cnblogs.com/blog/1035487/201908/1035487-20190810231303243-27571727.png) ## 3.1过滤 ### 1）filter 过滤(T-> boolean) 假如我们要实现过滤出40岁以下的队员，我们可以这样来实现： ```java @Test public void testUserStreamFilter(){ List userList = userMapper.getALL(); List resultList = userList.stream().filter(user -> user.getAge() <= 40).collect(Collectors.toList()); for (User user : resultList){ System.out.println(user.toString()); } } ``` filter里面，->箭头后面跟着的是一个**boolean**值，可以写任何的过滤条件，就相当于sql中where后面的东西，换句话说，能用sql实现的功能这里都可以实现执行结果为： ```java User(id=1, name=费尔南多, age=25) User(id=2, name=费尔南迪尼奥, age=26) User(id=3, name=卡尔德克, age=27) User(id=4, name=阿德里安, age=28) User(id=5, name=隋维杰, age=26) ``` ### 2）distinct 去重其用法和sql中的使用类似，假如我们要实现过去除用重复年龄的队员，我们可以这样来实现： ```java @Test public void testUserDistinct(){ List userList = userMapper.getALL(); List resultList = userList.stream().distinct().collect(Collectors.toList()); for (User user : resultList){ System.out.println(user.toString()); } } ``` 执行结果为： ```java User(id=1, name=费尔南多, age=25) User(id=2, name=费尔南迪尼奥, age=26) User(id=3, name=卡尔德克, age=27) User(id=4, name=阿德里安, age=28) User(id=6, name=克鲁伊夫, age=43) ``` ### 3）sorted排序如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法对元素进行排序，如： ```java @Override public int compareTo(User o) { return age.compareTo(o.getAge()); } ``` ```java @Test public void testUserStreamSorted(){ List userList = userMapper.getALL(); List resultList = userList.stream().sorted().collect(Collectors.toList()); for (User user : resultList){ System.out.println(user.toString()); } } ``` 反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。 ```java @Test public void testUserStreamSortedWithComparator(){ List userList = userMapper.getALL(); List resultList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList()); for (User user : resultList){ System.out.println(user.toString()); } } ``` 执行结果为： ```java User(id=1, name=费尔南多, age=25) User(id=2, name=费尔南迪尼奥, age=26) User(id=5, name=隋维杰, age=26) User(id=3, name=卡尔德克, age=27) User(id=4, name=阿德里安, age=28) User(id=6, name=克鲁伊夫, age=43) ``` ### 4）limit（）返回前n个元素如果想知道队伍中年龄最小的就可以使用下面来实现： ```java @Test public void testUserStreamLimit(){ List userList = userMapper.getALL(); List resultList = userList.stream().limit(2).collect(Collectors.toList()); for (User user : resultList){ System.out.println(user.toString()); } } ``` 执行结果为： ```java User(id=1, name=费尔南多, age=25) User(id=2, name=费尔南迪尼奥, age=26) ``` ### 5）skip 它的用法和limit正好相反，是去除前面几个元素。假如我们要去除前面两个元素就可以使用下面的方法来实现： ```java @Test public void testUserStreamSkip(){ List userList = userMapper.getALL(); List resultList = userList.stream().skip(2).collect(Collectors.toList()); for (User user : resultList){ System.out.println(user.toString()); } } ``` 执行结果为： ```java User(id=3, name=卡尔德克, age=27) User(id=4, name=阿德里安, age=28) User(id=5, name=隋维杰, age=26) User(id=6, name=克鲁伊夫, age=43) ``` ### 6）组合使用以上的过滤函数物品们可以组合来使用来实现我们具体的需求，示例代码如下： ```java @Test public void testUserStreamSortLimit(){ List userList = userMapper.getALL(); List resultList = userList.stream().sorted().limit(5).collect(Collectors.toList()); for (User user : resultList){ System.out.println(user.toString()); } } ``` 这样我们就可以得到先排序后限制的结果： ```java User(id=1, name=费尔南多, age=25) User(id=2, name=费尔南迪尼奥, age=26) User(id=5, name=隋维杰, age=26) User(id=3, name=卡尔德克, age=27) User(id=4, name=阿德里安, age=28) ``` ## 3.2 映射 ### 1）map(T->R) map是将T类型的数据转为R类型的数据，比如我们想要设置一个新的list，存储用户所有的城市信息。 ```java @Test public void testUserStreamMap(){ List userList = userMapper.getALL(); List resultList = userList.stream().map(User::getAge).distinct().collect(Collectors.toList()); System.out.println(resultList.toString()); } ``` 这样我们可以得到所有年龄的样本，执行结果为： ```java [25, 26, 27, 28, 43] ``` ### 2）flatMap(T -> Stream) 将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流。 ```java @Test public void testStreamMap(){ List habitsList = new ArrayList<>(); habitsList.add("唱歌,听歌"); habitsList.add("羽毛球,足球,登山"); habitsList = habitsList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(Collectors.toList()); System.out.println(habitsList); } ``` 执行结果为： ```java [唱歌, 听歌, 羽毛球, 足球, 登山] ``` 这里原集合中的数据由逗号分割，使用split进行拆分后，得到的是Stream，字符串数组组成的流，要使用flatMap的**Arrays::stream**，将Stream转为Stream,然后把流相连接，组成了完整的唱歌, 听歌, 羽毛球, 足球, 登山。 ## 3.3 查找 ### 1）allMatch（T->boolean）检测是否全部满足参数行为，假如我们要检测是不是所有队员都是U21的球员： ```java @Test public void testUserStreamAllMatch(){ List userList = userMapper.getALL(); boolean isNotU21 = userList.stream().allMatch(user -> user.getAge() >= 21); System.out.println("是否都不是U21球员：" + isNotU21); } ``` 执行结果为： ```java 是否都不是U21球员：true ``` ### 2）anyMatch（T->boolean）检测是否有任意元素满足给定的条件，比如，想知道是否有26岁的球员： ```java @Test public void testUserStreamAnyMatch(){ List userList = userMapper.getALL(); boolean isAgeU26 = userList.stream().anyMatch(user -> user.getAge() == 26); System.out.println("是否有26岁的球员：" + isAgeU26); } ``` 执行结果为： ```java 是否有26岁的球员：true ``` ### 3）noneMatch(T -> boolean) 流中是否有元素匹配给定的 T -> boolean 条件。比如我们要检测是否含有U18的队员： ```java @Test public void testUserStreamNoneMatch(){ List userList = userMapper.getALL(); boolean isNotU18 = userList.stream().noneMatch(user -> user.getAge() <= 18); System.out.println("是否都不是U18球员：" + isNotU18); } ``` 执行结果为： ```java 是否都不是U18球员：true ``` 说明没有U18的队员。 ### 4）findFirst( ):找到第一个元素 ```java @Test public void testUserFindFirst(){ List userList = userMapper.getALL(); Optional firstUser = userList.stream().sorted().findFirst(); System.out.println(firstUser.toString()); } ``` 执行结果为： ```java Optional[User(id=1, name=费尔南多, age=25)] ``` ### 5）findAny():找到任意一个元素 ```java @Test public void testUserFindAny(){ List userList = userMapper.getALL(); Optional anytUser = userList.parallelStream().sorted().findAny(); System.out.println(anytUser.toString()); } ``` 执行结果为： ```java Optional[User(id=2, name=费尔南迪尼奥, age=26)] ``` ## 3.4 归纳计算 ### 1）求队员的总人数 ```java @Test public void testUserCount(){ List userList = userMapper.getALL(); long totalAge = userList.stream().collect(Collectors.counting()); System.out.println("队员人数为：" + totalAge); } ``` 执行结果为： ```java 队员人数为：6 ``` ### 2）得到某一属性的最大最小值 ```java @Test public void testUserMaxAndMin(){ List userList = userMapper.getALL(); Optional userMaxAge = userList.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge))); System.out.println("年龄最大的队员为：" + userMaxAge.toString()); Optional userMinAge = userList.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge))); System.out.println("年龄最小的队员为：" + userMinAge.toString()); } ``` 执行结果为： ```java 年龄最大的队员为：Optional[User(id=6, name=克鲁伊夫, age=43)] 年龄最小的队员为：Optional[User(id=1, name=费尔南多, age=25)] ``` ### 3）求年龄总和是多少 ```java @Test public void testUserSummingInt(){ List userList = userMapper.getALL(); int totalAge = userList.stream().collect(Collectors.summingInt(User::getAge)); System.out.println("年龄总和为：" + totalAge); } ``` 执行结果为： ```java 年龄总和为：175 ``` 我们经常会用BigDecimal来记录金钱，假设想得到BigDecimal的总和： // 获得列表对象金额，使用reduce聚合函数,实现累加器 BigDecimal sum = myList.stream() .map(User::getMoney) .reduce(BigDecimal.ZERO,BigDecimal::add); ### 4）求年龄平均值 ```java @Test public void testUserAveragingInt(){ List userList = userMapper.getALL(); Double totalAge = userList.stream().collect(Collectors.averagingInt(User::getAge)); System.out.println("平均年龄为：" + totalAge); } ``` 执行结果为： ```java 平均年龄为：29.166666666666668 ``` ### 5）一次性得到元素的个数、总和、最大值、最小值 ```java @Test public void testUserSummarizingInt(){ List userList = userMapper.getALL(); IntSummaryStatistics statistics = userList.stream().collect(Collectors.summarizingInt(User::getAge)); System.out.println("年龄的统计结果为：" + statistics ); } ``` 执行结果为： ```java 年龄的统计结果为：IntSummaryStatistics{count=6, sum=175, min=25, average=29.166667, max=43} ``` ### 6）字符串拼接要将队员的姓名连成一个字符串并用逗号分割。 ```java @Test public void testUserJoining(){ List userList = userMapper.getALL(); String name = userList.stream().map(User::getName).collect(Collectors.joining(",")); System.out.println("所有的队员名字：" + name ); } ``` 执行结果为： ```java 所有的队员名字：费尔南多,费尔南迪尼奥,卡尔德克,阿德里安,隋维杰,克鲁伊夫 ``` ## 3.5 分组在数据库操作中，我们经常通过GROUP BY关键字对查询到的数据进行分组，java8的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。 ### 1）可以根据队员的年龄进行分组 ```java @Test public void testUserGroupingBy(){ List userList = userMapper.getALL(); Map> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge)); for (Map.Entry> entry :ageMap.entrySet()){ System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue()); } } ``` 执行结果为： ```java key= 25 and value= [User(id=1, name=费尔南多, age=25)] key= 26 and value= [User(id=2, name=费尔南迪尼奥, age=26), User(id=5, name=隋维杰, age=26)] key= 43 and value= [User(id=6, name=克鲁伊夫, age=43)] key= 27 and value= [User(id=3, name=卡尔德克, age=27)] key= 28 and value= [User(id=4, name=阿德里安, age=28)] ``` 结果是一个map，key为不重复的年龄，value为属于该年龄的队员列表。已经实现了分组。另外我们还可以继续分组得到两次分组的结果。 ### 2）如果仅仅想统计各年龄的队员个数是多少，并不需要对应的list 按年龄分组并统计人数： ```java @Test public void testUserGroupingByCount(){ List userList = userMapper.getALL(); Map ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge,Collectors.counting())); for (Map.Entry entry :ageMap.entrySet()){ System.out.println("队员中" + entry.getKey() + "岁的队员人数为：" + entry.getValue()); } } ``` 执行结果为： ```java 队员中25岁的队员人数为：1 队员中26岁的队员人数为：2 队员中43岁的队员人数为：1 队员中27岁的队员人数为：1 队员中28岁的队员人数为：1 ``` ### 3）partitioningBy 分区分区与分组的区别在于，分区是按照 true 和 false 来分的，因此partitioningBy 接受的参数的 lambda 也是 T -> boolean ```java @Test public void testUserPartitioningBy (){ List userList = userMapper.getALL(); Map> partitioningByMap = userList.stream().collect(partitioningBy(user -> user.getAge() >= 30)); for (Map.Entry> entry :partitioningByMap.entrySet()){ System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue()); } } ``` 执行结果为： ```java key= false and value= [User(id=1, name=费尔南多, age=25), User(id=2, name=费尔南迪尼奥, age=26), User(id=3, name=卡尔德克, age=27), User(id=4, name=阿德里安, age=28), User(id=5, name=隋维杰, age=26)] key= true and value= [User(id=6, name=克鲁伊夫, age=43)] ``` *** 【**写在后面的话**】留下stream的类实现的方法和依赖图，前面的实践也只是挑选了几个比较常用的Api。 ![stream](https://img2018.cnblogs.com/blog/1035487/201908/1035487-20190810231316712-707371379.png)

Java 8 Stream实践

标签：http auth 举例 strategy new tag ons 操作 char

原文地址：https://www.cnblogs.com/eelve/p/11333442.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行