Java8———Stream接口

今天我把Stream接口给大家介绍一下：算是对上一篇博客的补充。-。-

串行Stream排序

在整个Collection接口里面有一个取得Stream接口对象的方法：default Stream<E> stream();

stream的操作：

1.Stream相当于是所有数据的流式数据分析工具，既然是数据的分析，那么就需要对数据执行

2.一些简单的操作，例如：可能需要一些过滤，即：满足一些条件之后的数据可以进行分析

3.我们使用filter进行过滤：filter方法的参数是一个Predicate<T>对象，即一个从T到boolean的函数

4.即：public Stream<T> filter(Predicate<? super T> predicate);

话不多说，直接上代码：

/* @author maye_C
 *
 */
public class StreamDemo1 {

	public static void main(String[] args) {
		
		List<String> list = new ArrayList<String>();
		list.add("a1");
		list.add("a2");
		list.add("a3");
		list.add("b1");
		list.add("b2");
		list.add("b3");
		streamSortTest(list);
		
	}
	private static void streamSortTest(List<String> list) {
		
		//默认排序
		list.stream().filter(s->s.startsWith("a")).forEach(System.out::println);
		System.out.println("---------------华丽的分割线-----------------");
		
		//自定义排序
		list.stream().sorted((s, t1)->t1.compareTo(s)).filter(s->s.startsWith("a")).forEach(System.out::print);
		
	}
	
}

/**
 * Stream映射
 * 映射(map)：结合Function接口，该操作能将流对象中的每一个元素映射为另一个元素，实现元素类型的转换
 * @author maye_C
 *
 */
public class StreamDemo2 {

	public static void main(String[] args) {
		
		List<String> list = new ArrayList<String>();
		
		 list.add("a1");
		 list.add("a2");
		 list.add("a3");
		 list.add("b1");
		 list.add("b2");
		 list.add("b3");
		 
		 streamMapTest(list);
	}

	private static void streamMapTest(List<String> list) {
		
		list.stream().map(String::toUpperCase).sorted((s, t1)->t1.compareTo(s)).forEach(System.out::println);
		System.out.println("---------------华丽的分割线-----------------");
		
		//自定义映射规则
		Function<String, String> func = s->{
			return s + ".docx";
		};
		list.stream().map(func).forEach(System.out::println);
	}
}

Lambda为java8带来了闭包，支持对集合对象的stream进行函数式操作， stream api被集成进了collection api ，允许对集合对象进行批量操作。

Stream表示数据流，它没有数据结构，本身也不存储元素，其操作也不会改变源Stream，而是生成新Stream.作为一种操作数据的接口，它提供了过滤、排序、映射、规约等多种操作方法，

这些方法按照返回类型被分为两类：凡是返回Stream类型的方法，称之为中间方法（中间操作），其余的都是完结方法（完结操作）。完结方法返回一个某种类型的值，而中间方法则返回新的Stream。

中间方法的调用通常是链式的，该过程会形成一个管道，当完结方法被调用时会导致立即从管道中消费值，这里我们要记住：Stream的操作尽可能以“延迟”的方式运行，也就是我们常说的“懒操作”，

这样有助于减少资源占用，提高性能。对于所有的中间操作（除sorted外）都是运行在延迟模式下。

Stream不但提供了强大的数据操作能力，更重要的是Stream既支持串行也支持并行，并行使得Stream在多核处理器上有着更好的性能。

**
 * Stream过滤器
 * 
 *  Stream的使用过程有着固定的模式：
 1.						1.创建Stream
 2.						2.通过中间操作，对原始Stream进行“变化”并生成新的Stream
 3.						3.使用完结操作，生成最终结果
 * @author maye_C
 *
 */
public class StreamDemo3 {

	public static void main(String[] args) {
		List<String> list = new ArrayList<String>();
		
		 list.add("a1");
		 list.add("a2");
		 list.add("a3");
		 list.add("b1");
		 list.add("b2");
		 list.add("b3");
		streamFilterTest(list);
	}

	private static void streamFilterTest(List<String> list) {
		
		//将开头是a的全部过滤出来
		list.stream().filter(s->s.startsWith("b")).forEach(System.out::println);
		
		System.out.println("--------------------华丽的分割线---------------------");
		
		//等价于以上操作
		Predicate<String> predicate = (s) -> s.startsWith("a");
		list.stream().filter(predicate).forEach(System.out::println);
		
		System.out.println("--------------------华丽的分割线---------------------");
		
		//连续过滤
		Predicate<String> predicate1 = (s) ->s.endsWith("3");// 把结尾是1的元素过滤出来
		
		list.stream().filter(predicate1).forEach(System.out::println);
		
		
		
		
	}
	
}

/**
 * 
 * @author maye_C
 *
 */
public class StreamDemo4 {
	
	public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        list.add("a1");
        list.add("a2");
        list.add("a3");
        list.add("b1");
        list.add("b2");
        list.add("b3");
        
        streamMatchTest(list);
	}

	private static void streamMatchTest(List<String> list) {
		// TODO Auto-generated method stub
		
		//流对象中只要有一个元素匹配就返回true
		
		boolean anyStartWithA = list.stream().anyMatch(s->s.startsWith("a"));
		
		System.out.println("集合中a开头的元素：" + anyStartWithA);//true
		
		System.out.println("-------------------华丽的分割线----------------");
		
		//流对象中匹配所有元素才放回true
		boolean allStartWith = list.stream().allMatch(s->s.startsWith("a"));
		
		System.out.println("集合中每个元素都都是以a开头：" + allStartWith);//false
		
		System.out.println("-------------------华丽的分割线----------------");
		
		
		//流对象中没有匹配时返回true
		boolean noneStartWith = list.stream().noneMatch(s->s.startsWith("c"));
		
		System.out.println("集合中没有以c开头的元素:" + noneStartWith);//true
	}
	
	
}

Stream收集

收集(collect):在对经过变换后，将变换的stream元素收集，比如将这些元素存在集合中，可以使用stream提供的collect方法

* @author maye_C
 *
 */
public class StreamDemo5 {

	public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        list.add("a1");list.add("a2");list.add("a3");
        list.add("b1");list.add("b2");list.add("b3");
        streamCollectTest(list);
    }

	private static void streamCollectTest(List<String> list) {
		
		//返回一个新的集合
		List<String> newList = list.stream().filter(s->s.startsWith("b")).collect(Collectors.toList());
		
		System.out.println(newList);
	}
	
}

/**
 * Stream接口之规约
 * @author maye_C
 *
 */
public class StreamDemo6 {

    public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        list.add("a1");list.add("a2");list.add("a3");
        list.add("b1");list.add("b2");list.add("b3");
        
        streamReduceTest(list);
    }

	private static void streamReduceTest(List<String> list) {
		
		Optional<String> optional = list.stream().sorted().reduce((s, s2)->{
			 
			System.out.println(s + ":" + s2);
			return s + ":" + s2;
			
		});
		
	}
}

/**
 * Stream计数
 * @author maye_C
 *
 */
public class StreamDemo7 {
	
	public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        list.add("a1");list.add("a2");list.add("a3");list.add("b1");list.add("b2");list.add("b3");
        streamCountTest(list);
    }

	private static void streamCountTest(List<String> list) {
		
		//返回值是一个long类型  long count();
		long count = list.stream().filter(s->s.startsWith("a")).count();
		
		System.out.println("以'b'开头的元素的数量：" + count);
		
		
		
	}
}

并行Stream:基于Fork-join并行分解框架实现，将大数据集合切分为多个小数据结合交给不同的线程去处理，这样在多核处理情况下，性能会得到很大的提高。

这和MapReduce的设计理念一致：大任务化小，小任务再分配到不同的机器执行。只不过这里的小任务是交给不同的处理器。

结果是性能提高50%，单核下还是串行流性能比较好，并行流的使用场景是多核+大数据

/**
 * Stream并行
 * @author maye_C
 *
 */
public class StreamDemo8 {
	
	public static void main(String[] args) {
		
		//创建一个集合
		List<String> list = new ArrayList<String>();
		
		for(int i = 0;i<1000000;i++) {
			//获取随机数对象
			UUID uuid = UUID.randomUUID();
			
			list.add(uuid.toString());
			
		}
		parallelStreamSortedTest(list);
//		streamSortedTest(list);
		
	}

	//串行Stream
	private static void streamSortedTest(List<String> list) {
		// TODO Auto-generated method stub
		long startTime = System.nanoTime();//返回最准确的，可用系统计时器的当前值，以毫秒为单位
		
		long count = list.stream().sorted().count();
		
		long endTime = System.nanoTime();
		
		long millis = TimeUnit.NANOSECONDS.toMillis(endTime - startTime);
		

		//格式化输出
		System.out.printf("并行花费时间： %d ms", millis);
	}
	//并行Stream
	private static void parallelStreamSortedTest(List<String> list) {
		// TODO Auto-generated method stub
		
		long startTime = System.nanoTime();//返回最准确的，可用系统计时器的当前值，以毫秒为单位
		
		long count = list.parallelStream().sorted().count();
		
		long endTime = System.nanoTime();
		
		long millis = TimeUnit.NANOSECONDS.toMillis(endTime - startTime);
		
		//格式化输出
		System.out.printf("并行花费时间： %d ms", millis);
	}
}

/**
 * 懒操作
 * @author maye_C
 *
 */
public class StreamDemo9 {

	public static void main(String[] args) {
        streamCreateTest();
    }
	private static void streamCreateTest() {
		
		Stream<Long> stream = Stream.generate(new NatureSeq());
		
		System.out.println("元素的个数：" + stream.map((param)->{
			return param;
			
		}).limit(100).count());
		
				
	}

    //递增序列
    static class NatureSeq implements Supplier<Long> {
        long value = 0;

        @Override
        public Long get() {
            value++;
            System.out.println(value);
            return value;
        }
    }
}

在这里Java8lambda表达式的相关知识介绍就先告一段落了。

原文链接：https://blog.csdn.net/maye_C/article/details/79952087

你可能也喜欢