Java8 Stream 提高编码效率，早点下班

Posted 2021-09-13 红兔哥

编程中操作集合数据是非常频繁的，使用Java8 中的Stream对集合处理，结合Lambda函数式编程能极大的简化代码，合理的使用Stream能提高代码可读性，另一方面从Java8面世以来Stream API经过了无数项目的实践考验，其稳定性和性能自不必说，网上有很多相关的性能测试案例可以查阅参考，如果有人对你说：Lambda 可读性不好，维护成本高等一些问题，你大可放心，请一定看下最后的注意点

1. Stream 创建

Stream的创建方式比较多，接下来介绍几种常用的方式，以下Lists使用的google guava的API，直接上代码：

// 方式1：Stream.of以及其他的静态方法，测试常使用
Stream<String> stream1 = Stream.of("A", "B");
// 方式2：Collection方式，常见如（List、Set）
Stream<String> stream2 = Lists.newArrayList("A", "B").stream();
Stream<String> stream3 = Sets.newHashSet("A", "B").stream();
// 方式3：数组方式
Stream<String> stream4 = Arrays.stream(new String[]{"A", "B"});
// 方式4：通过API接口创建，文件API等
Stream<String> stream5 = Files.lines(Paths.get("/file.text"));
// 方式5：创建基本数据类型对应的Stream，如：IntStream、LongStream、DoubleStream
IntStream stream6 = Arrays.stream(new int[] { 1, 2, 3 });
// 方式6：通过Stream.builder创建
Stream<Object> stream7 = Stream.builder().add("A").build();

以上创建方式方式2、方式3比较常用，其中方式3也可以使用parallelStream创建并行流，其他的方式可以通过parallel方法转换为并行流，在数据量较大时提高数据处理效率，如下：

// 直接使用parallelStream创建
Stream<String> stream1 = Lists.newArrayList("A", "B").parallelStream();
// 使用parallel转化普通流为并行流
Stream<String> stream2 = Arrays.stream(new String[]{"A", "B"}).parallel();

2. Stream 中间操作

Stream.map
将原数据处理后生成新的数据，其中mapToInt、mapToLong、mapToDouble方法可直接转换为IntStream、LongStream、DoubleStream（用的比较少，大家可自行查找）

// 原数据添加后缀-N
List<String> result1 = Lists.newArrayList("A")
        .stream().map(item -> item + "-N").collect(Collectors.toList());
// 原字符串转化为数组
List<String[]> result2 = Lists.newArrayList("A")
        .stream().map(item -> new String[]{item}).collect(Collectors.toList());

Stream.flatMap
合并多个Stream为一个Stream，经常用在合并多个List数据

List<String> result = Lists.newArrayList(
        Lists.newArrayList("A"),
        Lists.newArrayList("B")
).stream().flatMap(Collection::stream).collect(Collectors.toList());

Stream.filter
元素过滤，可替代循环中的if判断条件，参数为逻辑表达式

List<String> result = Lists.newArrayList("A", "B")
        .stream().filter("A"::equals).collect(Collectors.toList());

Stream.distinct
元素去重复，一般用在简单数据类型，如果是对象可以利用TreeSet去重示例如下

// 简单数据类型去重
List<String> result1 = Lists.newArrayList("A", "A", "B")
        .stream().distinct().collect(Collectors.toList());
// 对象数据去重
List<Demo> result2 = Lists.newArrayList(new Demo()).stream().collect(
        Collectors.collectingAndThen(Collectors.toCollection(() ->
                new TreeSet<>(comparing(Demo::getName))), ArrayList::new)
);

@Data
class Demo {
    private String name;
    private String age;
}

Stream.peek
只进行数据处理，不改变原数据类型，和map的区别就是peek接受一个无返回值的操作，一般用于修改对象内部元素

List<Demo> result = Lists.newArrayList(new Demo())
        .stream().peek(item -> item.setName("A")).collect(Collectors.toList());

Stream.sorted
对数据进行排序，支持正序和倒序，并且支持对象类型数据排序

// 简单数据类型排序
List<String> result1 = Lists.newArrayList("A", "B")
        .stream().sorted().collect(Collectors.toList());
// 对象类型根据某个属性排序，默认正序，倒序使用reversed方法
List<Demo> result2 = Lists.newArrayList(new Demo())
        .stream().sorted(Comparator.comparing(Demo::getName).reversed()).collect(Collectors.toList());

Stream.limit
限制最终输出数据的数量，截取流中的元素，默认不进行截取

List<String> result1 = Lists.newArrayList("A", "B")
        .stream().limit(1).collect(Collectors.toList());

Stream.skip
跳过前多少个元素，和limit类似，limit是截取流达到限制数量立刻返回流

List<String> result = Lists.newArrayList("A", "B")
        .stream().skip(1).collect(Collectors.toList());

3. Stream 终止操作

collect
收集流数据，常用：Collectors.toList（收集为List）、Collectors.joining（收集拼接为String）

// 收集数据为List
List<String> result1 = Lists.newArrayList("A", "B").stream().collect(Collectors.toList());
// 收集数据为String，默认无分隔符，可以使用带参数的joining方法指定分隔符
String result2 = Lists.newArrayList("A", "B").stream().collect(Collectors.joining());

reduce
数据聚合为一个值，数据转化为单值后，计算得出一个最终值，这里已累加为例

BigDecimal result = Lists.newArrayList(BigDecimal.valueOf(1), BigDecimal.valueOf(2)).stream().reduce(BigDecimal.ZERO, BigDecimal::add);

allMatch、anyMatch、noneMatch

// 所有元素都大于1，返回true
boolean result1 = Lists.newArrayList(1, 2, 3, 4).stream().allMatch(item -> item > 1);
// 任意元素大于1，返回true
boolean result2 = Lists.newArrayList(1, 2, 3, 4).stream().anyMatch(item -> item > 1);
// 没有元素大于1，返回true
boolean result3 = Lists.newArrayList(1, 2, 3, 4).stream().noneMatch(item -> item > 1);

count
统计数据数量值

long result1 = Lists.newArrayList(1, 2, 3, 4).stream().count();

findAny、findFirst
如果存在数据，都返回一条，区别是在并行处理中，findAny匹配到数据就返回，findFirst需要等所有数据处理完成返回第一条，所以在并行处理中findAny效率更高

// 获取任意一个及时返回
Integer result1 = Lists.newArrayList(1, 2, 3, 4).stream().findAny().get();
// 所有元素执行完成返回第一条
Integer result12= Lists.newArrayList(1, 2, 3, 4).parallelStream().findFirst().get();

forEach、forEachOrdered
遍历所有元素，比如输出操作，有了forEach为什么还需要forEachOrdered呢，主要是在并行执行中，元素执行是没有顺序的，forEachOrdered能将结果按照顺序输出

// 输出所有元素
Lists.newArrayList(1, 2, 3, 4).stream().forEach(System.out::println);
// 顺序输出
Lists.newArrayList(1, 2, 3, 4).parallelStream().forEachOrdered(System.out::println);

max、min
获取流中元素最大和最小的值，以下举例最大值得获取，最小值同理

// 简单数据类型
Integer result = Lists.newArrayList(1, 2, 3, 4).stream().max(Integer::compare).get();
// 比较对象中的属性，获取最大的记录
Demo result = Lists.newArrayList(new Demo()).stream().max(comparing(Demo::getAge)).get();

4. Stream 注意点

在使用并行流进行处理时，一定需要收集最终数据，否则可能会丢失数据，比如使用collect或者reduce收集数据，也就是说使用了collect和reduce才能使用parallelStream，此时整个流处理是线程安全的