java8新特性-Stream入门学习

上一篇介绍了Lambda的学习,如果对Lambda表达式还不清晰的同学可以戳一下这个链接：java8新特性-lambda表达式入门学习。java8除了提供了Lambda表达式，操作集合的Stream API也是非常新特性中最值得学习和掌握的，它大大简化了，我们操作数据集合的代码量的书写。简单来说Stream是一个抽象概念，可以通过查找，过滤，映射等操作，这一点与Scala中集合操作很类似。

Stream是什么？

通俗的说就是操作数据集合的一种手段，你可以使用它，以获取所需要的集合数据源类型，如下图所示：
通常Stream流操作整个流程是创建流对象->对流操作->获得目标数据源操作

创建Stream

• 通过Collection接口提供的Stream

1. 返回一个顺序流

default Stream<E> stream() {
   return StreamSupport.stream(spliterator(), false);
 }

2. 返回一个并行流

default Stream<E> parallelStream() {
  return StreamSupport.stream(spliterator(), true);
}

那我们简单演示一下这两个流的使用。

• Emplyee的基本实体类

package com.codegeek.lambda;
import lombok.*;

@Setter
@Getter
@NoArgsConstructor
@ToString
public class Employee {
    /**
     * 员工姓名
     */
    private String name;
    /**
     * 员工年龄
     */
    private int age;
    /**
     * 基本薪水
     */
    private double basicSalary;

    /**
     * 订单成交总额
     */
    private double dealTotalPrice;

    public Employee(String name, int age, double basicSalary,double dealTotalPrice) {
        this.name = name;
        this.age = age;
        this.basicSalary = basicSalary;
        this.dealTotalPrice = dealTotalPrice;
    }

    /**
     * 员工总薪资=基本薪资+提成薪资
     *
     * @return Double
     */
    public Double getTotalSalary() {
        return this.basicSalary + this.dealTotalPrice * 0.04;
    }
}

测试方法如下：

 @Test
 public void test() {
	Employee qingLong = new Employee("青龙", 25, 5500, 7500);
	Employee baiHu = new Employee("白虎", 27, 5000, 9000);
	Employee zhuQue = new Employee("朱雀", 22, 3800, 4500);
	Employee xuanWu = new Employee("玄武", 24, 3300, 3300);
	List<Employee> employees = Arrays.asList(qingLong, baiHu, zhuQue, xuanWu);
	// 得到一个顺序流,并获取工资大与4000的员工的姓名
	Stream<Employee> stream = employees.stream();
    stream.filter(e-> e.getTotalSalary()>4000).map(Employee::getName).forEach(System.out::println); 
    // 得到一个并行流，获取年龄大于25的员工姓名
    Stream<Employee> employeeStream = employees.parallelStream();
    employeeStream.filter(employee -> employee.getAge()> 25).map(Employee::getName).forEach(System.out::println ); 
}

• 通过Arrays创建Stream流
  注意数组里面是什么类型的数组，就会产生同类型的流。

1. 产生IntStream

public static IntStream stream(int[] array) {
   return stream(array, 0, array.length);
}

2. 产生LongStream

public static LongStream stream(long[] array) {
 return stream(array, 0, array.length);
}

3. 产生DoubleStream

 public static DoubleStream stream(double[] array) {
   return stream(array, 0, array.length);
}

下面简单演示以下IntStream的使用案列

// 初始化一个数组对象
 int[] arr = {11, 55, 44, 20, 45, 16};
// 通过Arrays创建流对象是IntStream
 Arrays.stream(arr).sorted().forEach(System.out::println);

Stream常见的操作

上面简单介绍了下，流的创建，当流创建好后，我们又该如何使用呢，常见流的操作如下？

• 过滤和切片

使用演示：

@Test
public void testFilter() {
  int[] age = {11, 22, 44, 22, 24, 24, 66, 77, 77, 25, 34};
   // 使用filter过滤获得大于33的数组元素
  Arrays.stream(age).filter(i -> i > 33).forEach(System.out::println);
  // 去重
  Arrays.stream(age).distinct().forEach(System.out::println);
  // 截取3个元素
  Arrays.stream(age).limit(3).forEach(System.out::println);
  // 跳过前3个元素
  Arrays.stream(age).skip(3).forEach(System.out::println);  
}

• 映射

使用演示：

   String[] arr = {"java", "scala", "php", "python", "c++"};
   // 将流中的每一个元素转换成大写
   Arrays.stream(arr).map(String::toUpperCase).forEach(System.out::println);
   //将流中的数据转Double类型
    long[] array = {1, 4, 6, 7, 12};
   // 返回Double类型的Stream
   Arrays.stream(array).mapToDouble(e-> e* 100).forEach(System.out::println);
   // 返回Long类型的Stream
   Arrays.stream(array).mapToLong(e -> e + 23).forEach(System.out::println);
   // flatMap演示
  List<List<String>> database = new ArrayList<>();
  List<String> noSql = Arrays.asList("redis", "hbase", "membercache");
  List<String> sql = Arrays.asList("mysql", "oracle", "db2");
  database.add(noSql);
  database.add(sql);
  List<String> h = database.stream().flatMap(s -> s.stream().filter(si -> si.contains("h"))).collect(Collectors.toList());
  h.stream().forEach(System.out::println);

• 排序
  排序相对简单，以之前定义的employee类如下：

Employee qingLong = new Employee("青龙", 25, 5500, 7500);
Employee baiHu = new Employee("白虎", 27, 5000, 9000);
Employee zhuQue = new Employee("朱雀", 22, 3800, 4500);
Employee xuanWu = new Employee("玄武", 24, 3300, 3300);
List<Employee> employees = Arrays.asList(qingLong, baiHu, zhuQue, xuanWu);
// 按照薪水的大小进行排序
 employees.stream().sorted(Comparator.comparing(Employee::getTotalSalary)).forEach(System.out::println);

• 查找与匹配

方法演示：以初始化的员工类

// 判断所有的员工年龄是否大于18
boolean b = employees.stream().allMatch(e -> e.getAge() > 18);
System.out.println("allMatch="+b);// 结果为true
// 判断所有员工中有没有年龄大于35的
boolean b1 = employees.stream().anyMatch(e -> e.getAge() > 35);
System.out.println("anyMath=" + b1); // 结果为false
// 判断所有员工中没有年龄大于35的
boolean b1 = employees.stream().noneMatch(e -> e.getAge() > 35);
System.out.println("anyMath=" + b1); // 结果为true
// 返回第一个员工的信息
Optional<Employee> first = employees.stream().findFirst();
System.out.println(first.get());
// 统计年龄大于20的员工个数
ong count = employees.stream().filter(e -> e.getAge() > 20).count();
System.out.println("count="+count);
// 统计集合中员工薪资最高的员工信息
Optional<Employee> max = employees.stream().max(Comparator.comparing(Employee::getTotalSalary));
System.out.println("max=" + max);

• 归约

演示：

Optional<Double> reduce = employees.stream().map(Employee::getTotalSalary).reduce(Double::sum);
double v = reduce.get();
System.out.println("reduce="+v);
int[] array = {1, 4, 6, 7, 12};
System.out.println("====");
// 这里第一次将0作为x的值然后数组中1作为y，然后计算后的结果是1，第二次将1作为x的值，然后数组中的4作为y值进行相加，后面以此类推，直到将所有的值都进行相加
int reduce = Arrays.stream(array).reduce(0, (x, y) -> x + y);
System.out.println("reduce=" + reduce);

• 收集

下面将对Stream做一个总体的回顾和使用。

    @Test
    public void test() {
        // 避免空指针异常
        Optional<Employee> optional = employees.stream().sorted((e1, e2) -> e1.getTotalSalary().compareTo(e2.getTotalSalary())).findFirst();
        // 若空指针异常就怎么处理
        optional.orElse(new Employee());
        System.out.println(optional);

        // 返回任意一个(并行开启多个线程查找)
        Optional<Employee> any = employees.parallelStream().filter((e) -> e.getAge() > 25).findAny();
        System.out.println(any);

        // Max(Comparator按年龄比较)
        Optional<Employee> max = employees.stream().max(Comparator.comparing((e) -> e.getAge()));
        System.out.println(max);
        Optional<Double> max1 = employees.stream().map(Employee::getTotalSalary().max(Double::compare);
        System.out.println(max1.get());

        // 流中元素接收，计算得到一个
        List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
        Integer reduce = list.stream().reduce(0, (x, u) -> x + u);//0+1+2.....+10
        System.out.println(reduce);

        Optional<Integer> reduce1 = employees.stream().map(Employee::getAge).reduce(Integer::sum);
        System.out.println(reduce1.get() + "----------");

        // 收集元素到list
        employees.stream().map(Employee::getName).distinct().collect(Collectors.toList()).forEach(System.out::println);
        System.out.println();
        // 收集元素到LinkList
        employees.stream().map(Employee::getName).distinct().collect(Collectors.toCollection(HashSet::new)).forEach(System.out::println);

        // 获取流中最大值
        Optional<Integer> max2 = employees.stream().map(Employee::getAge).max(Integer::compare);
        System.out.println(max2.get());

        // 收集获取总数(集合总数)
        Long collect = employees.stream().collect(Collectors.counting());
        System.out.println(collect);

        // 工资的平均值
        Double collect1 = employees.stream().collect(Collectors.averagingDouble(Employee::getTotalSalary));
        System.out.println(collect1);

        // 获取工资的总数，综合，最小值，平均值，最大值
        DoubleSummaryStatistics collect2 = employees.stream().collect(Collectors.summarizingDouble(Employee::getTotalSalary));
        System.out.println(collect2);

        // 获取年龄最大的员工
        Optional<Employee> collect3 = employees.stream().collect(Collectors.maxBy((e1, e2) -> Integer.compare(e1.getAge(), e2.getAge())));
        System.out.println(collect3.get());

        // 获取年龄最小的员工
        Optional<Double> collect4 = employees.stream().map(Employee::getTotalSalary).collect(Collectors.minBy(Double::compare));
        System.out.println(collect4.get());

        // 按薪资分组
        Map<Double, List<Employee>> collect5 = employees.stream().collect(Collectors.groupingBy(Employee::getTotalSalary));
        System.out.println(collect5);

        // 薪资分区(匹配true)
        Map<Boolean, List<Employee>> collect6 = employees.stream().collect(Collectors.partitioningBy((e) -> e.getTotalSalary() > 5000d));
        System.out.println(collect6);
    }

到这里Stream介绍基本完成了，下一篇让我学习以下jdk8的Optional类的学习。