一、Java8 的三个编程概念
-
流处理
- 从输入流中一个一个读取数据项，然后以同样的方式将数据项写入输出流。
-
用行为参数化把代码传递给方法
- 即函数作为第一公民，可以作为值来传递
- 并行与共享可变数据
二、流简介
Stream API和 Collection API的行为差不多，但Collection API主要为了访问和存储数据，而Stream API主要用于描述对数据的计算。
经典的Java程序只能利用单核进行计算，流提供了多核处理数据的能力。但前提是传递给Stream API的方法不会互动（即有可变的共享对象）时，才能多核工作。
三、Lambda
Lambda表达式由 参数列表 、箭头 和 主体 组成：
微信截图_20200204105243.png
四、函数式接口
函数式接口指只定义一个抽象方法的接口
注：哪怕有再多默认方法，只要接口中只定义了一个抽象方法，它仍然是函数式接口。
Lambda允许你直接以内联的形式为函数式接口的抽象方法提供实现，并把其作为函数式接口的实例。
FunctionalInterface注解
@FunctionalInterface用于表示该接口为函数式接口。如果它不是函数式接口的话，编译器将返回一个提示原因的错误。
注：@FunctionalInterface不是必需的，但最好为函数式接口都标注@FunctionalInterface.
函数描述符
函数式接口的抽象方法的基本签名 本质上就是 Lambda表达式的签名。Java8将这种抽象方法叫作函数描述符。
Runnable接口的run方法即不接受任何参数也不返回，其函数描述符为：() -> void。 该函数描述符代表了函数列表为空且返回void的函数。
Scala、Kotlin等语言在其类型系统中提供 显式的类型注释 来描述函数的类型（即函数类型）
| 函数接口 | 函数描述符 | 基本类型特化 |
|---|---|---|
Predicate<T> |
T -> boolean |
IntPredicate LongPredicate, DoublePredicate
|
Consumer<T> |
T -> void |
IntConsumer, LongConsumer, DoubleConsumer
|
Function<T,R> |
T -> R |
IntFunction, IntToDoubleFunction, IntToLongFunction, LongFunction, LongToDoubleFunction, LongToIntFunction, DoubleFunction, ToIntFunction, ToDoubleFunction, ToLongFunction
|
Supplier<T> |
() -> T |
BooleanSupplier, IntSupplier, LongSupplier, DoubleSupplier
|
五、方法引用
方法引用可以把现有方法像
Lambda一样传递。
方法引用主要分三类：
- 指向静态方法的方法引用。（例如
Integer的parseInt方法，写作Integer::parseInt） - 指向任意类型实例方法的方法引用.（例如
String的length,写作String::length）- 适用于对象作为
Lambda表达式的一个参数。
- 适用于对象作为
- 指向现存对象或表达式实例方法的方法引用
- 适用于调用现存外部对象的方法。
- 适用于内部的私有方法。
注：构造函数、数组构造函数以及父类调用的方法引用形式比较特殊：
利用 类名 和 关键字 new 来生成构造方法的方法引用。
-
对于默认构造函数，可以使用
Supplier签名。Supplier<Apple> c1 = Apple::new; //等价于： Supplier<Apple> c1 = () -> new Apple(); -
对于存在参数的构造方法，可根据参数情况寻找适合的函数式接口的签名。
Function<Integer,Apple> c2 = Apple::new; //等价于： Function<Integer,Apple> c2 = (weight) -> new Apple(weight);
六、流
从支持数据处理操作的源生成的元素序列 —— 流
流允许以声明性方式处理数据集合。还可以透明地并行处理，无须写任何多线程代码。
注：
- 流只遍历一次。遍历完后，流被消费了，需要重新从原始数据源那里再次获取一个新的流进行遍历。
- 只有触发终端操作，中间操作才会被执行。
- 中间操作一般都可以合并起来，在终端操作中一次性全部处理。
筛选
-
filter方法：接受一个谓词（一个返回boolean的函数）作为参数，并返回一个包括所有符合谓词的元素的流。//输出结果:[1, 3, 0] List<Integer> numbers = Arrays.asList(1,3,8,6,0,7,5,6); numbers.stream() //筛选只小于4的元素 .filter(i -> i < 4) .collect(Collectors.toList()); -
distinct方法：依据流所生成元素的hashCode和equals方法，返回一个元素各异的流。（即返回一个没有重复元素的流）//输出结果为：[2,4] List<Integer> numbers = Arrays.asList(1,2,1,3,3,2,4); numbers.stream() .filter(i -> i % 2 == 0) //一共存在3个元素符合filter筛选，而这其中存在重复的2。distinct()只会返回2和4 .distinct() .collect(Collectors.toList());
流的切片
-
takeWhile方法：在第一个 不符合 要求的元素时停止处理。
//输出结果为：[1, 2, 3, 3]
//在初始列表中的数据已排序的情况下：
List<Integer> numbers = Arrays.asList(1,2,3,3,4,4,5,6);
numbers.stream()
//当发现第一个 i < 4 为 false 的元素时，则停止处理
.takeWhile(i -> i < 4)
.collect(Collectors.toList());
-
dropWhile方法：在第一个 符合 要求的元素时停止处理，并返回所有剩余的元素。
//输出结果：[4, 4, 5, 6]
//在初始列表中的数据已排序(由高到低)的情况下：
List<Integer> numbers = Arrays.asList(1,2,3,3,4,4,5,6);
numbers.stream()
//当发现第一个i < 4 为 true 的元素时，则停止处理,并返回所有剩余的元素。
.dropWhile(i -> i < 4)
.collect(Collectors.toList());
-
limit方法：返回一个不超过给定长度的流。- 如果流是有序的（如：源是
List），则按顺序返回前n个元素。 - 如果流是无序的（如：源是
set），则不会以任意顺序排序。 - 对于无限流，可以使用
limit将其变成有限流。
- 如果流是有序的（如：源是
//输出结果:[1, 3]
List<Integer> numbers = Arrays.asList(1,3,8,6,0,7,5,6);
numbers.stream()
//筛选只小于4的元素
.filter(i -> i < 4)
//只返回前两个值
.limit(2)
.collect(Collectors.toList());
-
shkip方法：返回一个扔掉前n个元素的流。- 如果流中元素不足
n个，则返回一个空流。
- 如果流中元素不足
//输出结果:[3, 0]
List<Integer> numbers = Arrays.asList(1,3,8,6,0,7,5,6);
numbers.stream()
//筛选只小于4的元素
.filter(i -> i < 4)
//跳过第一个值
.skip(2)
.collect(Collectors.toList());
映射
-
map方法：将流中的每一个元素映射成一个新的元素。
//输出结果:[6, 2, 4, 1]
List<String> languages = Arrays.asList("Kotlin","Go","Java","C");
languages.stream()
//将 字符串 转为 int
.map(String::length)
.collect(Collectors.toList());
-
flatMap方法：把 一个流 中的 每一个值 转换成 另一个流，然后把 所有流 连接起来成一个流。- 简单说就是：把流中的 元素（如：列表，数组）化为新的流，或把流中的 元素 结合 **外部的列表 (数组) ** 化为新的流，再把新的流的元素整合到一个流中。
//输出结果：[K, o, t, l, i, n, G, J, a, v, C]
List<String> languages = Arrays.asList("Kotlin","Go","Java","C");
languages.stream()
.map(str -> str.split(""))
//Arrays::stream 将 str.split("") 返回的字符数组转换为流,再由 flatMap 统一将这些流合并成一个流.最终：Stream<String[]> 转换为 Stream<String>，
//flatMap 本质也是对流的元素进行转换（map也是对流的元素进行转换）。将流的元素转换为新的流，再将其整合进一个流中。
.flatMap(Arrays::stream) // 等价于：flatMap(strArray -> Arrays.stream(strArray))
.distinct()
.collect(Collectors.toList());
练习：
1、返回所有对数
给定列表[ 1,2,3 ]和 列表[ 3, 4 ],返回[ (1,3) , (1,4) , (2,3) , (2,4) , (3,3) , (3,4) ]
//输出结果：[ (1,3) , (1,4) , (2,3) , (2,4) , (3,3) , (3,4) ]
List<Integer> numbers1 = Arrays.asList(1,2,3);
List<Integer> numbers2 = Arrays.asList(3,4);
List<int[]> pairs =
numbers1.stream()
//将其扁平化为一个流
.flatMap(i ->
numbers2.stream()
//将其转换为一个数组，并返回这个流
.map(j -> new int[]{i,j})
).collect(Collectors.toList());
查找与匹配
-
anyMatch方法：检查流中是否至少有一个元素匹配给定的谓词。
//输出结果:true
List<Integer> numbers = Arrays.asList(1,2,3,5,6,8);
numbers.stream().anyMatch(i -> i > 3);
-
allMatch检查谓词是否匹配所有元素。 -
allMatch方法：检查流中全部元素都匹配给定的谓词。
//输出结果:true
List<Integer> numbers = Arrays.asList(1,2,3,5,6,8);
numbers.stream().allMatch(i -> i < 10);
-
noneMatch方法：检查流中全部元素都不匹配给定的谓词。( 与allMatch相对 )
//输出结果:true
List<Integer> numbers = Arrays.asList(1,2,3,5,6,8);
numbers.stream().noneMatch(i -> i > 10);
-
findAny方法：返回当前流中的任意元素。
List<Apple> inventory = Arrays.asList(
new Apple(80,"green"),
new Apple(155, "green"),
new Apple(120, "red"));
Optional<Apple> apple = inventory.stream()
.filter(a -> a.getColor().equals("green"))
.findAny();
-
findFirst方法：返回当前流中的第一个元素。
List<Apple> inventory = Arrays.asList(
new Apple(80,"green"),
new Apple(155, "green"),
new Apple(120, "red"));
Optional<Apple> apple = inventory.stream()
.filter(a -> a.getColor().equals("green"))
.findFirst();
注：
1、anyMatch、allMatch 和 noneMatch 都属于终端操作。
2、anyMatch、allMatch 、 noneMatch 、 findFirst 和 findAny 不用处理整，只要找到一个元素，就可以得到结果了。
3、findAny 和 findFirst 同时存在的原因是 并行 。findAny在并行流中限制较少。
归约
将流中所有元素反复结合起来，从而得到一个值的查询，可以被归类为归约操作。(用函数式编程语言的术语来说，这称为折叠)
reduce方法：接收的Lambda将列表中的所有元素进行处理并归约成一个新值。
有初始值：
接收一个初始值 和 一个BinaryOperator<T>将两个元素结合起来产生一个新值。
T reduce(T identity, BinaryOperator<T> accumulator);
无初始值：
一个BinaryOperator<T>将两个元素结合起来产生一个新值。
Optional<T> reduce(BinaryOperator<T> accumulator);
- 求和
//输出值：36
List<Integer> numbers = Arrays.asList(1,3,8,6,0,7,5,6);
//使用带初始值的reduce方法
int sum = numbers.stream()
.reduce(0,Integer::sum);//等价于 reduce(0,(a,b) -> a + b)
//或使用无初始值的reduce方法
Optional<Integer> sumOptional = numbers.stream().reduce(Integer::sum);
- 最大值
Optional<Integer> maxOptional = numbers.stream().reduce(Integer::max);
- 最小值
Optional<Integer> minOptional = numbers.stream().reduce(Integer::min);
数值流
原先的归约求和代码中，Integet::sum暗含装箱和拆箱的成本。Stream API提供了原始类型流特化，专门支持处理数值流的方法。Java8引入原始类型特化接口解决数值流拆箱与装箱的问题：IntStream、DoubleStream 和 LongStream，分别将流中的元素特化为 int、 long 和 double。
- 映射到数值流
mapToInt、mapToDouble 和 mapToLong用于将流转换为特化流：
//输出值：36
List<Integer> numbers = Arrays.asList(1,3,8,6,0,7,5,6);
int sum = numbers.stream()
.mapToInt(Integer::intValue)
.sum();
- 转换回对象流
当需要把原始流转换成一般流时(如：把 int 装箱回 Integer )，可以使用 boxed。
List<Integer> numbers = Arrays.asList(1,3,8,6,0,7,5,6);
//使用 IntStrean 特化流
IntStream intStream = numbers.stream()
.mapToInt(Integer::intValue);
Stream<Integer> stream = intStream.boxed();
- 默认值
OptionalInt
Optional也相应的提供原始类型特化版本：OptionalInt、OptionalLong 和 OptionalDouble。
List<Integer> numbers = Arrays.asList(1,3,8,6,0,7,5,6);
//使用 OptionalInt 特化Optional
OptionalInt maxNumber = numbers.stream()
.mapToInt(Integer::intValue)
.max();
数值范围
IntStream和 LongStream提供产生生成数值范围的静态方法：range和rangeClosed。
range方法生成半闭区间（左闭右开），rangeClosed方法生成闭区间。
IntStream.range(1,100)
.filter(n -> n % 2 == 0)
.count();
构建流
- 由值创建流
静态方法 Stream.of 接受任意数量的参数，显式创建一个流。
//显式创建字符串流
Stream<String> strStream =Stream.of("Java","Kotlin","Go");
静态方法Stream.empty创建一个空流。
Stream<String> strStream =Stream.empty();
- 由数组创建流
静态方法Arrays.stream将数组创建为一个流。
int[] numbers = {2,3,5,6,7};
int sum = Arrays.stream(numbers).sum();
- 由文件生成流
java.nio.file.Files中很多静态方法会返回一个流，以便利用Stream API处理文件等I/O操作。
如：Files.lines返回一个由指定文件中的各行构成的字符串流：
long uniqueWords = 0;
//流会自动关闭，不需要额外try-finally操作
try(Stream<String> lines =
Files.lines(Paths.get("data.text"), Charset.defaultCharset())){
//统计有多少不重复的单词。
uniqueWords = lines.flatMap(line -> Arrays.stream(line.split(" ")))
.distinct()
.count();
}catch (IOException e){}
- 由函数生成流：创建无限流
Stream API提供了两个静态方法来从函数生成流：Stream.iterate() 和 String.generate()
不同于从集合创建的流，这两个静态方法创建的流没有固定大小，称为无限流。
迭代：
iterate方法接收一个接受一个初始值作为流的第一个元素。再接收一个Lambda依次应用在每一个产生的新值上。
Stream.iterate(0,n -> n + 2)
.limit(10)
.forEach(System.out::println);
Java 9对iterate方法进行增加，接受多一个谓词作为判断迭代调用何时终止。(谓词作为第二参数传入)
IntStream.iterate(0,n -> n < 100,n -> n + 2)
.forEach(System.out::println);
当然，也可以使用takeWhile对流执行短路操作（takeWhile函数Java9开始支持）：
IntStream.iterate(0,n -> n + 2)
.takeWhile(n -> n < 100)
.forEach(System.out::println);
生成：
generate接受一个Supplier<T>类型的Lambda提供新值。
Stream.generate(Math::random)
.limit(5)
.forEach(System.out::println);
七、用流收集数据
流支持两种类型的操作：中间操作 和 末端操作。
- 中间操作可以相互链接起来，将一个流转换为另一个流。中间操作不会消耗流，目的是建立一个流水线。
- 末端操作会消耗流，以产生一个最终结果。
归约和汇总
-
Collectors工厂类提供了很多归约的静态工厂方法。-
Collectors.counting()用于统计总和。
//求总和 long count = menu.stream().collect(Collections.counting());-
Collectors.maxBy和Collectors.minBy用来计算流中的最大值和最小值。
//求最大值 Optional<Dish> mostCalorieDish = menu.stream().collect( Comparator.maxBy( Comparator.comparingInt(Dish::getCalories) ) ); -
-
同时
Collectors类专门为汇总提供了一些工厂方法。-
Collectors.summingInt、Collectors.summingLong和Collectors.summingDouble分别用于对int、long和double进行求和。
int sumValue = menu.stream().collect(summingInt(Dish::getCalories));-
Collectors.averagingInt、Collectors.averagingLong和Collectors.averagingDouble分别用于对int、long和double进行求平均值。
double avgValue = menu.stream().stream().collect(averagingInt(Dish::getCalories)); -
-
Collectors.joining工厂方法会对流中每一个对象应用toString方法得到所有字符串连接成一个字符串。
String nameStr = menu.stream().map(Dish::getName).collect(joining());
分组
Collections 的 groupingBy() 方法会把流中的元素分成不同的组。
微信截图_20200224172850.png
操作分组的元素
- 过滤
如果在 groupingBy() 之前，使用 filter() 对流进行过滤操作，可能会造成键的丢失。
例如：
存在以下Map: { FISH = [ prawns, salmon], OTHER = [french fries, rice ], MEAT = [pork , beef, chicken] }
但如果在使用filter() 后，再 groupingBy() 可能对某些键在结果映射中完全消失：
{ OTHER = [french fries, rice ], MEAT = [pork , beef, chicken] }
为此，Collectors 类提供了 filtering() 静态工厂方法，它接受一个谓词对每一个分组中的元素执行过滤操作。最后不符合谓词条件的键将得到空的列表：
{ FISH = [], OTHER = [french fries, rice ], MEAT = [pork , beef, chicken] }
Map<Dish.Type,List<Dish>> caloricDishesByType = menu.stream()
.collect( groupingBy(Dish::getType),
filtering(dish -> dish.getCalories() > 500,toList()))
注：
使用重载的 groupingBy() 方法 和 filtering()方法 ：先分组再过滤；
先使用 filter()，再使用 groupingBy() 方法：先过滤再分组。
- 映射
Collectors 提供 mapping 静态工厂方法，接受一个映射函数和另外一个 Collectors 函数作为参数。映射函数将分组中的元素进行转换，作为参数的 Collectors 函数会收集对每个元素执行该映射函数的结果。
Map<Dish.Type,List<String>> dishNamesByType = menu.stream().collect(
groupingBy(
Dish::getType,
mapping(
//将元素转换为其名字
Dish::getName,
//用于收集该组进行完映射的元素
Collectors.toList()
)
)
)
Collectors 工具类也提供了 flatMapping,跟 flatMap 类似的功能。
多级分组
同时Collectors 工具类也提供了可以嵌套分组的groupingBy(),用于进行多级分组
注：
可以理解为在进行完第一次分组后，再对每一组元素进行再次分组。
groupingBy(f)( f 是分类函数 ) 实际上是groupingBy(f，toList())的简便写法。
Map<Dish.Type,Map<CaloricLevel,List<Dish>>> dishesByTypeCaloricLevel =
menu.stream().collect(
groupingBy(
Dish::getType,
groupingBy(dish -> {
if(dish.getCalories() <= 400)
return CaloricLevel.DIET;
else if(dish.getCalories() <= 700)
return CaloricLevel.NORMAL;
else
return CaloricLevel.FAT;
})
)
);
微信截图_20200226150753.png
按子组收集数据
groupingBy()的第二个收集器可以是任何类型。例如可以使用 counting() 收集器作为它的第二个参数，统计分组的数量：
Map<Dish.TYPE,Long> typesCount = menu.stream().collect(
groupingBy(Dish::getType,counting())
);
得到以下的map: { MEAT = 3 , FISH = 2 , OTHER = 4 }
Map<Dish.Type,Dish> mostCaloricByType =
menu.stream().collect(
groupingBy(Dish::getTpye,
collectingAndThen(
//maxBy返回的是Optional类型对象
maxBy(comparingInt(Dish::getCalories)),
//当找到最大值后，会执行get操作。
Optional::get
)
)
);
如果 menu 中没有某一类型的Dish,该类型不会对应一个 Optional.empty() 值，而且根本不会在Map的键中。所以转换函数Optional::get的操作是安全的。
分区
Collectors 工具类提供 partitionedMenu() 静态工厂函数来实现分区，分区是分组的特殊情况。由谓词作为分类函数，这意味着得到的分组 Map 的键类型是 Boolean ,最多分为 true 和 false 两组。
//将得到以下结果：
Map<Boolean,List<Dish>> partitionedMenu =
menu.stream().collect(
//分区函数
partitioningBy(
//分期的标准
Dish::isVegetarian
)
)
同时partitionedMenu()也和groupingBy()类似，可以进行二级分区。
收集器接口
public interface Collector<T, A, R> {
//创建一个空的累加器
Supplier<A> supplier();
//将元素添加到结果容器
BiConsumer<A, T> accumulator();
//合并两个结果(定义了对流的各个子部分进行并行处理时，各个子部分归约所得的累加器如何合并)
BinaryOperator<A> combiner();
//对结果容器应用最终转换
Function<A, R> finisher();
//定义收集器的行为
Set<Characteristics> characteristics();
}
泛型的定义如下：
T 表示流中要手机的项目的泛型。
A 表示累加器的类型。（累加器是收集过程中用于累积部分结果的对象）
R 表示收集操作得到的对象的类型。
以ToListCollector为例
public class ToListCollector<T> implements Collector<T, List<T>, List<T>> {
public ToListCollector() {}
//创建ArrayList对象作为累加器
public Supplier<List<T>> supplier() {
return ArrayList::new;
}
//利用add函数将流中的元素添加到列表中
public BiConsumer<List<T>, T> accumulator() {
return List::add;
}
//两个累加器（即两个ArrayList对象）进行相加
public BinaryOperator<List<T>> combiner() {
return (list, list2) -> {
list.addAll(list2);
return list;
};
}
//累加器进行最终的转换
public Function<List<T>, List<T>> finisher() {
//Function.identity()表示给什么返回什么，也就是不进行转换
//恒等
return Function.identity();
}
//定义收集器的行为
public Set<Characteristics> characteristics() {
return Collections.unmodifiableSet(EnumSet.of(Characteristics.IDENTITY_FINISH, Characteristics.CONCURRENT));
}
}
Characteristics的三个枚举：
- UNORDERED —— 归约结果不受流中项目的遍历和累积顺序的影响。
- CONCURRENT—— accumulator 函数可以从多个线程同时调用，且该收集器可以并行归约流。（仅仅只是数据源无序时才会并行处理）
- IDENTITY_FINISH—— 表明完成器方法返回的函数是一个恒等函数，可以跳过。累加器对象会直接用作归约过程的最终结果。这也意味着，将累加器A不加检查的转换为结果R是安全的。
进行自定义收集，而不去实现 Collector
对于 IDENTITY_FINISH 的收集操作，Stream重载的 collect 方法接受三个函数——supplier、accumulator 和 combiner。该 collect 方法创建的收集器的 Characteristics 永远是Characteristics.IDENTITY_FINISH 和 Characteristics.CONCURRENT
List<Dish> dishes = menu.stream().collect(
//创建累加容器
ArrayList::new,
//将流元素添加到累加容器中
List::add,
//合并累加容器
List::addAll
);
八、并行数据处理与性能
- 对顺序流调用
parallel()方法并不意味着流本身有任何实际的变化，它仅仅在内部设置了一个boolean标志，表示你想让调用parallel()之后的所有操作都并行执行。对并行流调用sequential方法就可以把它变成顺序流。 - 并行流默认的线程数量等于你处理器的核数。
使用并行流时，考虑以下因素：
- 留意自动装箱和拆箱。（应尽量将其转为原始类型流）
- 对于较小数据量，无需使用并行流。
- 考虑流背后的数据结构是否容易分解。
- 部分操作本身在并行流上的性能比顺序流差。如：
limit和findFirst - 考虑合并 步骤的代价是大是小。
- 考虑操作流水线的总操作成本。当单个元素通过流水线的成本较高时，使用并行流比较好。
流的数据源和可分解性：
| 源 | 可分解性 |
|---|---|
ArrayList |
差 |
LinkedList |
差 |
IntStream.range |
极佳 |
Stream.iterate |
差 |
HashSet |
好 |
TreeSet |
好 |
九、Collection API的增强功能
Arrays.asList() 创建一个固定大小的列表，列表的元素可以更新，但不可以增加或删除。
Java 9 引入以下工厂方法：
-
List.of——创建一个只读列表，不可set、add等操作。 -
Set.of—— 创建一个只读的Set集合。 -
Map.of—— 接受的列表中，以键值交替的方式创建map的元素。、- 当创建Map的键值对过多时，可以使用
map.ofEntries()和Map.entry()创建map.
import static java.util.Map.entry; Map<String,Integer> ageOfFriends = Map.ofEntries( entry("Raphael",30), entry("Olivia",25), entry("Thibaut",26) ); - 当创建Map的键值对过多时，可以使用
重载与变参
在Java API中，List.of包含多个重载版本：
static <E> List<E> of(E e1);
static <E> List<E> of(E e1, E e2);
而不提供变参版本是因为需要额外的分配一个数组，这个数组被封装于列表中。使用变参版本的方法，就要负担分配数组、初始化以及最后进行垃圾回收的开销。（如果元素数量超过10个，实际调用的还是变参方法。）、
使用 List 、 Set 和 Map
-
removeIf()—— 移除集合中匹配指定谓词的元素。（该方法由Collection接口提供默认方法，List和Set都可用）//Collection.java //Predicate(谓词)的函数描述符是：(T) -> boolean default boolean removeIf(Predicate<? super E> filter)-
当使用for-each遍历列表，进行移除操作时，会导致
ConcurrentModificationException.因为遍历使用的迭代器对象和集合对象的状态同步。我们只能显示调用迭代器对象（Iterator对象）的remove方法。因此Java8提供removeIf方法，安全简便的删除符合谓词的元素。
-
replaceAll()—— 使用一个函数替换List或Map中的元素。（该方法由List接口提供默认方法）//List.java //UnaryOperator的函数描述符是：(T) -> T default void replaceAll(UnaryOperator<E> operator)-
该函数只是在列表内部进行同类型的转换，并没有创建新的列表。也就是说初始为
List<String>，函数执行完还是List<String>. //Map.java // BiFunction的函数描述符是：(K,V) -> V default void replaceAll(BiFunction<? super K, ? super V, ? extends V> function)
-
sort()—— 对列表自身进行排序。（该方法由List接口提供默认方法）//List.java //Comparator的函数描述符是：(T,T) -> boolean default void sort(Comparator<? super E> c)
-
forEach()—— List 和 Set，甚至是Map在Java8中都支持forEach方法。而遍历提供的便捷，特别是Map的遍历。//Iterable.java //Consumer(消费者)的函数描述符是：(T) -> void default void forEach(Consumer<? super T> action) //Map.java //BiConsumer(二元消费者)的函数描述符是：(T,U) -> void default void forEach(BiConsumer<? super K, ? super V> action)
-
Entry.comparingByValue()和Entry.comparingByKey()—— 对Map的值或键进行排序。 -
Map.compute—— 使用指定的键计算新的值，并将其存储到Map中，并返回新值。。(指定一个key,再提供一个BiFunction，依据key和旧值，计算新值。如果新值为null,则不会加入到Map中并将旧值移除。)//BiFunction的函数描述符是：(K,V) -> V default V compute(K key,BiFunction<? super K, ? super V, ? extends V> remappingFunction)
-
Map.computeIfAbsent—— 如果指定的键没有对应的值（没有该键或者该键对应的值是空）,使用该键计算新的值，并添加到Map中（如果新值为null,则不会加入到Map中并将旧值移除。），并返回新值。//Function的函数描述符是：(K) -> V default V computeIfAbsent(K key,Function<? super K, ? extends V> mappingFunction)-
该方法对于值需要初始化时有用。比如向
Map<K,List<V>>添加一个元素( 初始化对应的ArrayList，并返回该值)：map.computeIfAbsent("daqi", name -> new ArrayList<>()) .add("Java8")
-
Map.computeIfPresent—— 如果指定的键在Map中存在，依据该键和旧值计算该键的新值，并将其添加到Map中。（如果新值为null,则不会加入到Map中，并将旧值移除。）//BiFunction的函数描述符是：(K,V) -> V default V computeIfPresent(K key,BiFunction<? super K, ? super V, ? extends V> remappingFunction)
-
Map.remove—— 重载版本的remove可以删除Map中某个键对应某个特定值的映射对。（即Key和Value都匹对上，才从Map中移除）default boolean remove(Object key, Object value)
-
Map.replace—— 重载版本的replace可以仅在原有键对应某个特定的值时才进行替换。（即Key和Value都匹对上，才从Map中替换）default V replace(K key, V value)
-
Map.merge—— 如果指定的键在Map中存在，依据该键和旧值计算该键的新值，并将其添加到Map中； 如果指定的键在Map中不存在，依据指定的value作为Key的值，并将其添加到Map中。//BiFunction的函数描述符：(V,V) -> V default V merge(K key, V value,BiFunction<? super V, ? super V, ? extends V> remappingFunction)-
该函数可用于
Map的合并，或用于将Collector转换成Map.Map<String,Integer> language1 = new HashMap<>(); language1.put("Java",8); language1.put("Kotlin",1); Map<String,Integer> language2 = new HashMap<>(); language2.put("Java",11); language2.put("Go",1); //合并Map language1.forEach((key,value) -> { //Map的value可null,merge函数不允许value为null if (value != null) language2.merge(key,value,Integer::sum); }); static class Score{ private int score; private int studentId; private String studentName; public Score(int studentId, String studentName,int score) { this.score = score; this.studentId = studentId; this.studentName = studentName; } //get和set方法 } //Collector转换为Map（用途：统计） List<Score> languageList = new ArrayList<>(); languageList.add(new Score(1,"Java",80)); languageList.add(new Score(2,"Kotlin",90)); languageList.add(new Score(2,"Java",85)); languageList.add(new Score(1,"Kotlin",70)); Map<String,Integer> language3 = new HashMap<>(); //Collectors.toMap(Function<? super T, ? extends K>,Function<? super T, ? extends U>,BinaryOperator<U>)内部也是通过Map.merge()实现的。 languageList.stream().collect(Collectors.toMap(Score::getStudentId,Score::getScore,Integer::sum));
十、 重构
改善代码可读性
-
用
lambda表达式取代匿名类。-
匿名类和
lambda表达式中的this和super的含义不同。在匿名类中，this代表的是类自身；在lambda表达式中，this代表的是包含类。 -
匿名类可屏蔽包含类的变量，而lambda表达式不能（导致编译报错）。
int a = 10; //lambda表达式 Runnable r1 = () -> { //idea爆红，提示：该变量已在作用域中被定义。 int a = 1; }; //匿名类 Runnable r2 = new Runnable() { @Override public void run() { //编译正常 int a = 2; } }; -
匿名内部类的类型是在初始化时确定的，lambda的类型取决于它的上下文。当出现两个或以上方法参数的函数描述符与
lambda的函数描述符匹配时，需要显示的类型转换来解决。interface daqiRunnable{ public void action(); } //无论Runnable，还是daqiRunnable，其函数描述符为() -> void public static void doSomething(Runnable r){} public static void doSomething(daqiRunnable r){} public static void main(String[] args) { //显示类型转换 doSomething((daqiRunnable) () -> {}); }
-
-
用方法引用 重构
lambda表达式，提高代码的可读性。-
将较复杂的Lambda逻辑封装在方法中，使用方法引用替代该Lambda。
-
尽量使用静态辅助方法。比如：
comparing和maxBylist.sort((a1,a2) -> a1.getWeight().compareTo(a2.getWeight())); //替换成： list.sort(Comparator.comparing(Apple::getWeight)); -
很多通用的归约操作，都可以借助
Collectors的辅助方法 + 方法引用替代。list.stream() .map(Dish::getCalories) .reduce(0,(c1,c2) -> c1 + c2); //替换成Collectors的辅助方法 list.stream() .collect(summingInt(Dish::getCalories));
-
-
用
Stream API重构命令式的数据处理
网友评论