Java 8 新特性之 Stream

新的 java.util.stream 包中的类提供了一个Stream API，以支持对元素流的函数式操作。 Stream API集成到Collections API中，可以对集合进行批量操作，比如筛选、排序、映射等。下面就来体验一下如何使用 Stream API 来简化一些代码。

就跟把大象装进冰箱需要几步一样，操作 Stream 也同样需要 3 步：
1. 第一步：创建 Stream，通常有三种方式来创建一个 Stream

• 使用 List 集合

Stream<Object> stream = new ArrayList<>().stream();

• 使用 Arrays 工具类

IntStream stream = Arrays.stream(new int[]{1, 2, 3});

• 使用 Stream.of() 方法

Stream<Object> stream = Stream.of();

2. 第二步：中间操作
先来一些基础数据

static List<Emploee> emps = new ArrayList<>();
static {
    emps.add(new Emploee(1, "张三", 15, 9999.99));
    emps.add(new Emploee(2, "李四", 25, 4444.99));
    emps.add(new Emploee(3, "王五", 85, 6666.99));
    emps.add(new Emploee(4, "赵六", 55, 2222.99));
    emps.add(new Emploee(5, "田七", 40, 5555.99));
}

(1). 筛选：

• filter(Predicate<? super T> predicate)：比如输出年龄大于30岁的

@Test
public void test1(){
    emps.stream()
        .filter(e -> e.getAge() > 30)
        .forEach(System.out::println);
}
// 输出
Emploee{id=3, name='王五', age=85, wage=6666.99}
Emploee{id=4, name='赵六', age=55, wage=2222.99}
Emploee{id=5, name='田七', age=40, wage=5555.99}

• limit(long maxSize)：筛选前 maxSize 条数据

@Test
public void test2(){
    emps.stream()
        .limit(3)
        .forEach(System.out::println);
}
// 输出
Emploee{id=1, name='张三', age=15, wage=9999.99}
Emploee{id=2, name='李四', age=25, wage=4444.99}
Emploee{id=3, name='王五', age=85, wage=6666.99}

• skip(long n)：跳过前 n 条数据

@Test
public void test2(){
    emps.stream()
        .skip(3)
        .forEach(System.out::println);
}
// 输出
Emploee{id=4, name='赵六', age=55, wage=2222.99}
Emploee{id=5, name='田七', age=40, wage=5555.99}

• distinct()：去重，保证数据的唯一性

@Test
public void test4(){
    emps.add(new Emploee(6, "张三", 25, 8888.88));
    emps.add(new Emploee(6, "张三", 25, 8888.88));
    emps.add(new Emploee(6, "张三", 25, 8888.88));
    emps.stream()
        .distinct()
        .forEach(System.out::println);
}
// 输出
Emploee{id=1, name='张三', age=15, wage=9999.99}
Emploee{id=2, name='李四', age=25, wage=4444.99}
Emploee{id=3, name='王五', age=85, wage=6666.99}
Emploee{id=4, name='赵六', age=55, wage=2222.99}
Emploee{id=5, name='田七', age=40, wage=5555.99}
Emploee{id=6, name='张三', age=25, wage=8888.88}
// 以上输出结果基于 Emploee 实现了 hashCode 和 equals 方法

(2). 映射

• map(Function<? super T, ? extends R> mapper)

@Test
public void test5(){
    emps.clear();
    emps.add(new Emploee(7, "tom", 15, 999.99));
    emps.add(new Emploee(8, "jerry", 25, 888.88));
    emps.stream()
        .map(e -> e.getName().toUpperCase())
        .forEach(System.out::println);
}
// 输出
TOM
JERRY
// 根据 map 的特征，即 K-V 对的格式，其实映射关系就是下面这样
tom->TOM
jerry->JERRY

(3). 排序

• sorted()：默认排序
  注意：可能会抛出异常，需要对应的类实现 Comparable 接口并重写 compareTo(Object o) 方法
• sorted(Comparator<? super T> comparator)：定制排序

3. 第三步：终止操作
(1). 匹配与查找(相对比较简单)

• allMatch 检查是否匹配所有元素
• anyMatch 检查是否至少匹配一个元素
• noneMatch 检查是否没有匹配的元素
• findFirst 返回流中第一个元素
• findAny 返回流中任意元素
• count 返回流中元素的总数
• max 返回流中最大值
• min 返回流中最小值
• forEach 内部迭代

(2). 归约

• T reduce(T identity, BinaryOperator<T> accumulator)：可以将流中元素反复结合起来，得到一个值，返回 T，比如累加操作。
• Optional<T> reduce(BinaryOperator<T> accumulator)：可以将流中元素反复结合起来，得到一个值，返回 Optional<T>

(3). 收集

• collect(Collector<? super T, A, R> collector)：接收一个 Collector 接口的实现，用于给 Stream 中的元素做一个汇总

@Test
public void test7(){
    emps.add(new Emploee(6, "张三", 25, 8888.88));
    Map<String, List<Emploee>> map = emps.stream()
        .collect(Collectors.groupingBy(e -> e.getName()));
    Set<Map.Entry<String, List<Emploee>>> entries = map.entrySet();
    entries.forEach(System.out::println);
}
// 输出
李四=[Emploee{id=2, name='李四', age=25, wage=4444.99}]
张三=[Emploee{id=1, name='张三', age=15, wage=9999.99}, Emploee{id=6, name='张三', age=25, wage=8888.88}]
王五=[Emploee{id=3, name='王五', age=85, wage=6666.99}]
赵六=[Emploee{id=4, name='赵六', age=55, wage=2222.99}]
田七=[Emploee{id=5, name='田七', age=40, wage=5555.99}]

上面介绍了操作 Stream 的基本步骤以及一些实际案例，有一些我还没有实际使用过，就目前来讲我用的最多的就是映射和收集，比如根据数据库查询出来的结果进行分组展示，就会省略一些数据库查询，节省接口请求时间，加快接口相应速度。