Java8新特性之Stream流（含具体案例）

一、概述

  Stream 流是 Java 8 新提供给开发者的一组操作集合的 API，将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选、排序、聚合等。元素流在管道中经过中间操作（intermediate operation）的处理，最后由终端操作 (terminal operation) 得到前面处理的结果。Stream 流可以极大的提高开发效率，也可以使用它写出更加简洁明了的代码。我自从接触过 Stream 流之后，可以说对它爱不释手。

二、Stream的创建

Stream可以通过集合数组创建。

1、通过 java.util.Collection.stream() 方法用集合创建流

List list = Arrays.asList("a", "b", "c");
// 创建一个顺序流
Stream stream = list.stream();
// 创建一个并行流
Stream parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用数组创建流

int[] array={1,3,5,7,9};
IntStream stream = Arrays.stream(array);

3、使用Stream的静态方法：of()、iterate()、generate()

Stream stream = Stream.of(1, 2, 3, 4, 5, 6);
 
Stream stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
stream2.forEach(System.out::println);
 
Stream stream3 = Stream.generate(Math::random).limit(3);
stream3.forEach(System.out::println);

输出结果：

0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652

stream和parallelStream的简单区分：

stream是顺序流，由主线程按顺序对流执行操作，而parallelStream是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。如果流中的数据量足够大，并行流可以加快处速度。除了直接创建并行流，还可以通过parallel()把顺序流转换成并行流：

Optional findFirst = list.stream().parallel().filter(x->x>6).findFirst();

 

三、Stream的使用（具体案例）

  案例中用到的员工类：

/**
 * @description: 员工
 * @author: admin
 */
@Data
public class Person {
 
    /*** 姓名*/
    private String name;
    /*** 薪资*/
    private Integer salary;
    /*** 年龄*/
    private Integer age;
    /*** 性别*/
    private String sex;
    /*** 地区*/
    private String area;
 
    public Person(String name, Integer salary, Integer age, String sex, String area) {
        this.name = name;
        this.salary = salary;
        this.age = age;
        this.sex = sex;
        this.area = area;
    }
 
}

1.遍历/匹配（foreach/find/match）

Stream也是支持类似集合的遍历和匹配元素的，只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常的简单。

    public static void main(String[] args) {
 
        List list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
 
        // 遍历输出符合条件的元素
        List collect = list.stream().filter(x -> x > 6).collect(Collectors.toList());
        // 匹配第一个
        Optional findFirst = list.stream().filter(x -> x > 6).findFirst();
        // 匹配任意（适用于并行流）
        Optional findAny = list.parallelStream().filter(x -> x > 6).findAny();
        // 是否包含符合特定条件的元素
        boolean anyMatch = list.stream().anyMatch(x -> x > 6);
        System.out.println("大于6的值：" + collect);
        System.out.println("匹配第一个值：" + findFirst.get());
        System.out.println("匹配任意一个值：" + findAny.get());
        System.out.println("是否存在大于6的值：" + anyMatch);
    }

结果：

2.筛选（filter） 

 筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。

    public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "四川"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
 
        // 筛选出工作高于3000的员工
        List list = personList.stream().filter(p -> p.getSalary() > 3000).map(Person::getName).collect(Collectors.toList());
        System.out.println("薪资高于3000元的员工：" + list);
    }

结果：

3.聚合（max/min/count) 

max、min、count这些大家都不陌生，在mysql中我们常用它们进行数据运算和统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。

    public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "四川"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
 
        // 获取工资最高的员工
        Optional max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
        System.out.println("员工工资最大值：" + max.get().getSalary());
 
        // 计算工资大于2000的有多少人
        long count = personList.stream().filter(p -> p.getSalary() > 2000).count();
        System.out.println("工资大于2000元的人数：" + count);
        
        // 计算所有员工工资总和
        int sum = personList.stream().mapToInt(Person::getSalary).sum();
        System.out.println("所有员工工资总和：" + sum);
    }

结果：

4.映射(map/flatMap) 

映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap：

• map：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
• flatMap：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。

   public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "四川"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
 
        // 将员工工作全部增加10000元
        // 1、方式一：不改变原来员工集合
        List personListNew = personList.stream().map(person -> {
            Person personNew = new Person(person.getName(), 0, 0, null, null);
            personNew.setSalary(person.getSalary() + 10000);
            return personNew;
        }).collect(Collectors.toList());
        System.out.println("一次改动前：" + personList.get(0).getName() + ">>>" + personList.get(0).getSalary());
        System.out.println("一次改动后：" + personListNew.get(0).getName() + ">>>" + personListNew.get(0).getSalary());
 
        // 2、方式二：改变原来员工集合的方式
        List personListNew2 = personList.stream().map(person -> {
            person.setSalary(person.getSalary() + 10000);
            return person;
        }).collect(Collectors.toList());
        System.out.println("二次改动前：" + personList.get(0).getName() + ">>>" + personListNew.get(0).getSalary());
        System.out.println("二次改动后：" + personListNew2.get(0).getName() + ">>>" + personListNew.get(0).getSalary());
 
        // 将两个字符数组合并成一个新的字符数组
        List list = Arrays.asList("Hello", "World");
        Stream map = list.stream().map(s -> s.split("")).flatMap(Arrays::stream);
        map.forEach(System.out::print);
        System.out.println();
 
        // 给定两个数字列表 获取所有的数对
        List numbers1 = Arrays.asList(1, 2, 3);
        List numbers2 = Arrays.asList(3, 4);
        // flatMap升维度
        List<int[]> pairs = numbers1.stream().flatMap(x -> numbers2.stream().map(y -> new int[] { x, y }))
                .collect(Collectors.toList());
        for (int[] pair : pairs) {
            System.out.print(Arrays.toString(pair));
        }
 
    }

结果：

5.归约(reduce)

归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "四川"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
 
        // 求所有员工的工资之和、最高工资
        // 求工资之和方法1：
        Optional sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        // 求工资之和方法2：
        Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
 
        // 求最高工资方法1：
        Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), Integer::max);
        // 求最高工资方法2：
        Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), (max1, max2) -> max1 > max2 ? max1 : max2);
        // 求最高工资方法3：
        Integer maxSalary3 = personList.stream().map(Person::getSalary).reduce(Integer::max).get();
        System.out.println("工资之和，方法1：" + sumSalary);
        System.out.println("工资之和，方法2：" + sumSalary2);
        System.out.println("最高工资，方法1：" + maxSalary);
        System.out.println("最高工资，方法2：" + maxSalary2);
        System.out.println("最高工资，方法3：" + maxSalary3);
    }

结果：

6.收集(collect) 

collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。

collect主要依赖java.util.stream.Collectors类内置的静态方法。

6.1归集(toList/toSet/toMap)

因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。

下面用一个案例演示toList、toSet和toMap：

public static void main(String[] args) {
 
        List list = Arrays.asList(1, 3, 4, 8, 6, 2, 20, 13);
        List list1 = list.stream().filter(a -> a % 2 == 0).collect(Collectors.toList());
        Set list2 = list.stream().filter(a -> a % 2 == 0).collect(Collectors.toSet());
        System.out.println("被2整除的list集合" + list1);
        System.out.println("被2整除的set集合" + list2);
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "四川"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
        // 工资大于3000元的员工
        Map map = personList.stream().filter(person -> person.getSalary() > 3000).collect(Collectors.toMap(Person::getName, person -> person.getSalary()));
        System.out.println("工资大于3000元的员工:" + map);
    }

结果：

 

6.2统计(count/averaging) 

Collectors提供了一系列用于数据统计的静态方法：

计数：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
统计以上所有：summarizingInt、summarizingLong、summarizingDouble

    public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "四川"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
 
        // 统计员工人数、平均工资、工资总额、最高工资
        // 员工总人数
        long count = personList.stream().count();
        // 平均工资
        Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
        // 最高工资
        Optional max = personList.stream().map(Person::getSalary).max(Integer::compare);
        // 工资之和
        int sum = personList.stream().mapToInt(Person::getSalary).sum();
        // 一次性统计所有信息
        DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
 
        System.out.println("员工总人数：" + count);
        System.out.println("员工平均工资：" + average);
        System.out.println("员工工资总和：" + sum);
        System.out.println("员工工资所有统计：" + collect);
    }

结果：

6.3分组(partitioningBy/groupingBy)

• 分区：将stream按条件分为两个Map，比如员工按薪资是否高于8000分为两部分。
• 分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。

    public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "合肥"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
 
        // 按薪资高于3000分组
        Map> salaryGroup = personList.stream().collect(Collectors.partitioningBy(p -> p.getSalary() > 3000));
        List group1 = salaryGroup.get(true);
        List group2 = salaryGroup.get(false);
        for (Person person : group1) {
            System.out.println("薪资高于3000元组：" + person);
        }
        for (Person person : group2) {
            System.out.println("薪资低于3000元组：" + person);
        }
 
        // 按性别分组
        Map> sexGroup = personList.stream().collect(Collectors.groupingBy(Person::getSex));
        List group3 = sexGroup.get("男");
        List group4 = sexGroup.get("女");
        for (Person person : group3) {
            System.out.println("男子组：" + person);
        }
        for (Person person : group4) {
            System.out.println("女子组：" + person);
        }
 
        // 将员工先按性别分组，再按地区分组
        Map>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        Map> manGroup = group.get("男");
        Map> womenGroup = group.get("女");
        List group5 = manGroup.get("合肥");
        List group6 = womenGroup.get("上海");
        System.out.println("地区在合肥的男子组：" + group5);
        System.out.println("地区在上海的女子组：" + group6);
    }

结果：

6.4接合(joining) 

joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

    public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("赵六", 4000, 22, "男", "合肥"));
        personList.add(new Person("孙七", 5000, 25, "女", "上海"));
 
        String persons = personList.stream().map(p -> p.getName() + "-" + p.getSex() + "-" + p.getSalary()).collect(Collectors.joining(","));
        System.out.println("所有员工信息：" + persons);
    }

结果：

6.5归约(reducing) 

Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。

    public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 6000, 20, "男", "北京"));
        personList.add(new Person("李四", 6500, 21, "男", "南京"));
        personList.add(new Person("王五", 7300, 20, "女", "合肥"));
        personList.add(new Person("赵六", 8000, 22, "男", "合肥"));
        personList.add(new Person("孙七", 9860, 25, "女", "上海"));
 
        // 每个员工减去起征点后的薪资之和（这里个税的算法并不正确，但没想到更好的例子）
        Integer sum = personList.stream().map(Person::getSalary).reduce(0, (i, j) -> (i + j - 5000));
        System.out.println("员工扣税薪资总和：" + sum);
 
        // stream的reduce
        Optional sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        System.out.println("员工薪资总和：" + sum2.get());
    }

结果：

7.排序(sorted)

sorted，中间操作。有两种排序：

• sorted()：自然排序，流中元素需实现Comparable接口
• sorted(Comparator com)：Comparator排序器自定义排序

    public static void main(String[] args) {
 
        List personList = new ArrayList<>();
        personList.add(new Person("张三", 16000, 20, "男", "北京"));
        personList.add(new Person("李四", 8500, 21, "男", "南京"));
        personList.add(new Person("王五", 7300, 20, "女", "合肥"));
        personList.add(new Person("赵六", 8000, 22, "男", "合肥"));
        personList.add(new Person("孙七", 15860, 25, "女", "上海"));
 
        // 按工资升序排序（自然排序）
        List newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName).collect(Collectors.toList());
        // 按工资倒序排序
        List newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()).map(Person::getName).collect(Collectors.toList());
        // 先按工资再按年龄升序排序
        List newList3 = personList.stream().sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName).collect(Collectors.toList());
        // 先按工资再按年龄自定义排序（降序）
        List newList4 = personList.stream().sorted((p1, p2) -> {
            if (p1.getSalary().equals(p2.getSalary())) {
                return p2.getAge() - p1.getAge();
            } else {
                return p2.getSalary() - p1.getSalary();
            }
        }).map(Person::getName).collect(Collectors.toList());
 
        System.out.println("按工资升序排序：" + newList);
        System.out.println("按工资降序排序：" + newList2);
        System.out.println("先按工资再按年龄升序排序：" + newList3);
        System.out.println("先按工资再按年龄自定义降序排序：" + newList4);
    }

结果：

8.提取/组合

流也可以进行合并、去重、限制、跳过等操作。

    public static void main(String[] args) {
 
        String[] arr1 = {"a", "b", "c", "d"};
        String[] arr2 = {"d", "e", "f", "g"};
 
        Stream stream1 = Stream.of(arr1);
        Stream stream2 = Stream.of(arr2);
        // concat:合并两个流 distinct：去重
        List newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
        // limit：限制从流中获得前n个数据
        List collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
        // skip：跳过前n个数据
        List collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
 
        System.out.println("流合并：" + newList);
        System.out.println("limit：" + collect);
        System.out.println("skip：" + collect2);
    }

结果：