Java8新增了Stream，IntStream，LongStream，DoubleStream等流式API，这些API代表多个支持串行和并行聚集操作的元素。Stream是一个通用的流接口，而IntStream,LongStream,DoubleStream则代表元素类型为int,long,double的流。
Stream提供了大量的方法进行聚集操作，这些方法可以是“中间的（intermediate）”，也可以是“末端的（terminal）”。
Stream介绍:
先说下Stream的优势：它是java对集合操作的优化，相较于迭代器，使用Stream的速度非常快，并且它支持并行方式处理集合中的数据，默认情况能充分利用cpu的资源。同时支持函数式编程，代码非常简洁。
Stream是一种用来计算数据的流，它本身并没有存储数据。你可以认为它是对数据源的一个映射或者视图。
它的工作流程是：获取数据源->进行一次或多次逻辑转换操作->进行归约操作形成新的流（最后可以将流转换成集合）。
Stream的特性
- 中间操作惰性执行：一个流后面可以跟随0到多个中间操作，主要目的是打开流，并没有真正的去计算，而是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，并没有消耗资源。还有多个中间操作的话，这里的时间复杂度并不是n个for循环，转换操作都是 lazy 的，多个转换操作只会在 Terminal 操作的时候融合起来，一次循环完成。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Terminal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。
- 流的末端操作只能有一次： 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。之后如果想要操作就必须新打开流。
1.流的生成
例子一：
Stream<String> stream1 = (Stream<String>) Stream.<String>builder().add("a").add("b").build();
stream1.forEach(s -> System.out.println("str:" + s));
例子二：
Stream<String> stream2 = Stream.of(new String[]{"c", "d"});
stream2.forEach(s -> System.out.println("str:" + s));
例子三：
String[] strArray = new String[]{"a", "b", "c"};
Stream<String> stream3 = Arrays.stream(strArray);
stream3.forEach(s -> System.out.println("str:" + s));
例子四：
String[] strArray = new String[]{"a", "b", "c"};
List<String> list = Arrays.asList(strArray);
Stream<String> stream4 = list.stream();
stream4.forEach(s -> System.out.println("str:" + s));
2.流的操作
流的操作类型分2种：中间操作与末端操作
2.1中间操作(intermediate )：
中间操作就是对容器的处理过程，包括：排序（sorted...），筛选（filter,limit,distinct...），映射(map，flatMap...)等
- filter(Predicate predicate)：过滤Stream中所有不符合predicate的元素。
示例代码：
List<String> aslist = Arrays.asList("1", "2", "5", "2", "3", "3");
/**
* filter
*/
aslist.stream().filter(s -> (Integer.parseInt(s) > 2)).forEach(s -> System.out.println("str:" + s));
//Stream filter method
Stream<T> filter(Predicate<? super T> predicate);
运行结果：
str:5
str:3
str:3
- mapToXxx(ToXxxFunction mapper)：使用ToXxxFunction对流中的元素执行一对一的转换，该方法返回的新流中包含了ToXxxFunction转换生成的所有元素。(映射操作，就像一个管道，可以将流中的元素通过一个函数进行映射，返回一个新的元素。)
示例代码：
List<String> aslist = Arrays.asList("1", "2", "5", "232", "3", "13");
/**
* mapToInt
*/
aslist.stream().mapToInt(s -> Integer.parseInt(s)).forEach(i -> System.out.println("int:" + i));
/**
* map
*/
aslist.stream().map(s -> s.length()).forEach(s -> System.out.println("len:" + s));
//Stream map method
<R> Stream<R> map(Function<? super T, ? extends R> mapper);
//Stream mapToInt method
IntStream mapToInt(ToIntFunction<? super T> mapper);
运行结果：
int:1
int:2
int:5
int:232
int:3
int:13
len:1
len:1
len:1
len:3
len:1
len:2
- peek(Consumer action)：依次对每个元素执行一些操作，该方法返回的流与原来流包含相同的元素。该方法主要用于调试
示例代码：
/**
* peek
*/
aslist.stream().peek(new Consumer<String>() {
@Override
public void accept(String s) {
//操作
}
}).forEach(s -> System.out.println("peek:" + s));
//Stream peek method
Stream<T> peek(Consumer<? super T> action);
- distinct：该方法用户排序流中所有重复的元素（判断元素重复的标准是使用equals()比较返回true）。这是一个有状态的方法。
示例代码：
List<String> aslist = Arrays.asList("1", "2", "5", "3", "3", "2");
/**
* distinct[equals()返回true]
*/
aslist.stream().distinct().forEach(s -> System.out.println("str:" + s));
//Stream distinct method
Stream<T> distinct();
运行结果：
str:1
str:2
str:5
str:3
- sorted：该方法用于保证流中的元素在后续的访问中处于有序状态。这是一个有状态的方法。
示例代码：
/**
* sorted default
*/
aslist.stream().sorted().forEach(s -> System.out.println("sort1:" + s));
/**
* sorted comparator
*/
aslist.stream().sorted(((o1, o2) -> Integer.parseInt(o2) - Integer.parseInt(o1))).forEach(s -> System.out.println("sort2:" + s));
//Stream sorted method
Stream<T> sorted();
//Stream sorted method
Stream<T> sorted(Comparator<? super T> comparator);
运行结果：
sort1:1
sort1:2
sort1:2
sort1:3
sort1:3
sort1:5
sort2:5
sort2:3
sort2:3
sort2:2
sort2:2
sort2:1
- limit(long maxSize)：该方法用于保证对该流的后续访问中最大允许访问的元素个数，这是一个有状态的，短路方法。
示例代码：
List<String> aslist = Arrays.asList("1", "6", "5", "3", "3", "2");
/**
* limit
*/
aslist.stream().limit(2).forEach(s -> System.out.println("limit:" + s));
//Stream limit method
Stream<T> limit(long maxSize);
运行结果：
limit:1
limit:6
2.2末端操作
末端方法就是对流的最终操作。当对某个Stream执行末端方法后，该流将会被“消耗”且不可再用。包括sum(),count(),average()等聚合函数。
- forEach(Consumer action)：遍历流中所有元素，对每个元素执行action。
示例代码：
List<String> aslist = Arrays.asList("1", "6", "5", "3", "3", "2");
/**
* forEach
*/
aslist.stream().forEach(s -> System.out.println("forEach:" + s));
//Stream forEach method
void forEach(Consumer<? super T> action);
运行结果：
forEach:1
forEach:6
forEach:5
forEach:3
forEach:3
forEach:2
- toArray()：将流中所有元素转换为一个数据。
示例代码：
List<String> aslist = Arrays.asList("1", "6", "5", "3", "3", "2");
/**
* toArray
*/
Object[] objArray = aslist.stream().toArray();
Arrays.asList(objArray).forEach(s -> System.out.println("toArray:" + s));
//Stream toArray method
Object[] toArray();
运行结果：
toArray:1
toArray:6
toArray:5
toArray:3
toArray:3
toArray:2
- min() && max() && count() :返回流中的最小，最大值，元素的数量。
示例代码：
List<String> aslist = Arrays.asList("1", "6", "5", "3", "3", "2");
/**
* max && min && count
*/
System.out.println("max:" + aslist.stream().max(((o1, o2) -> Integer.parseInt(o1) - Integer.parseInt(o2))).get());
System.out.println("mix:" + aslist.stream().min(((o1, o2) -> Integer.parseInt(o1) - Integer.parseInt(o2))).get());
System.out.println("count:" + aslist.stream().count());
//Stream max method
Optional<T> max(Comparator<? super T> comparator);
//Stream min method
Optional<T> min(Comparator<? super T> comparator);
//Stream count method
long count();
运行结果：
max:6
mix:1
count:6
- anyMatch(Predicate predicate),allMatch(Predicate predicate),noneMatch(Predicate predicate)：至少包含一个，是否每个元素都符合，所有元素都不符合 Predicate条件。
示例代码：
List<String> aslist = Arrays.asList("1", "6", "5", "3", "3", "2");
/**
* anyMatch
*/
System.out.println("anyMatch:" + aslist.stream().anyMatch(s -> s.equals("5")));
/**
* allMatch
*/
System.out.println("allMatch:" + aslist.stream().allMatch(s -> s.equals("1")));
/**
* noneMatch
*/
System.out.println("noneMatch:" + aslist.stream().noneMatch(s -> s.equals("a")));
//Stream anyMatch method
boolean anyMatch(Predicate<? super T> predicate);
//Stream allMatchmethod
boolean allMatch(Predicate<? super T> predicate);
//Stream noneMatchmethod
boolean noneMatch(Predicate<? super T> predicate);
运行结果：
anyMatch:true
allMatch:false
noneMatch:true
- findFirst(),findAny()：返回流中的第一个，任意一个元素。
示例代码：
List<String> aslist = Arrays.asList("1", "6", "5", "3", "3", "2");
/**
* findFirst && findAny
*/
System.out.println("findFirst:" + aslist.stream().findFirst().get());
System.out.println("findAny:" + aslist.stream().findAny().get());
//Stream findFirst method
Optional<T> findFirst();
//Stream findAny method
Optional<T> findAny();
- reduce：reduce就是减少的意思，它会将集合中的所有值根据规则计算，最后只返回一个结果。它有三个变种，输入参数分别是一个参数、二个参数以及三个参数；
- 一个参数的Reduce
Optional<T> reduce(BinaryOperator<T> accumulator)
//比如，我们找出数组中长度最大的一个数：
public void test() {
String address = "中山北路南京大学仙林校区";
List<String> aList = new ArrayList<>();
aList.add("南京");
aList.add("大学");
aList.add("仙林校区");
aList.add("仙林大学城");
aList.add("中山北路");
Optional<String> a =aList.stream()
.reduce((s1, s2) -> s1.length()>=s2.length() ? s1 : s2);
System.out.println(a.get());//仙林大学城
}
- 两个参数的Reduce
T reduce(T identity, BinaryOperator<T> accumulator)
public void test() {
String address = "中山北路南京大学仙林校区";
List<String> aList = new ArrayList<>();
aList.add("南京");
aList.add("大学");
aList.add("仙林校区");
aList.add("仙林大学城");
aList.add("中山北路");
String t="value：";
String a =aList.stream()
.reduce(t, new BinaryOperator<String>() {
@Override
public String apply(String s, String s2) {
return s.concat(s2);
}
});
System.out.println(a);//value：南京大学仙林校区仙林大学城中山北路
}
- 三个参数的情况主要是在并行（parallelStream）情况下使用：可以参考（https://blog.csdn.net/icarusliu/article/details/79504602）
- collect：collect是一个非常常用的末端操作，它本身的参数很复杂，有3个。
<R> R collect(Supplier<R> supplier, BiConsumer<R,? super T> accumulator, BiConsumer<R,R> combiner)；
还好，考虑到我们日常使用，java8提供了一个收集器（Collectors），它是专门为collect方法量身打造的接口：我们常常使用collect将流转换成List,Map或Set:
- 转换成list:
Stream<String> stream = Stream.of("I", "love", "you", "too");
List<String> list = stream.collect(Collectors.toList());
- 转换成Map:
String address = "中山北路南京大学仙林校区";
List<String> aList = new ArrayList<>();
aList.add("南京");
aList.add("大学");
aList.add("仙林校区");
aList.add("仙林大学城");
aList.add("中山北路");
String t="value:";
Map<String, Integer> maps = aList.stream().collect(Collectors.toMap(Function.identity(), String::length));
System.out.println(maps);//{中山北路=4, 大学=2, 仙林大学城=5, 仙林校区=4, 南京=2}
- 分组操作：分组操作的时候也会将容器转换为Map,这里也说明一下：Collectors.groupingBy(classifier) groupingBy与sql的group by类似，就是一个分组函数。
String address = "中山北路南京大学仙林校区";
List<String> aList = new ArrayList<>();
aList.add("南京");
aList.add("大学");
aList.add("仙林校区");
aList.add("仙林大学城");
aList.add("中山北路");
String t="value:";
Map<Integer, List<String>> maps = aList.stream().collect(Collectors.groupingBy(String::length));
System.out.println(maps);//{2=[南京, 大学], 4=[仙林校区, 中山北路], 5=[仙林大学城]}
3.IntStream
IntStream是特殊的Stream，但有一些操作符是IntStream独有的。
以下代码需要单独运行：java.lang.IllegalStateException: stream has already been operated upon or closed
int[] ints = new int[]{1, 3, 5, 7, 9, 2, 4, 6, 8};
IntStream intStream = IntStream.of(ints);
System.out.println("max:" + intStream.max().getAsInt());
System.out.println("min:" + intStream.min().getAsInt());
System.out.println("avg:" + intStream.average().getAsDouble());
System.out.println("sum:" + intStream.sum());
System.out.println("count:" + intStream.count());