20 个实例玩转 Java 8 Stream，写的太好了！

淡淡的烟草味﹌ 2022-08-28 03:47 116阅读 0赞

点击上方“Java基基”，选择“设为星标”

做积极的人，而不是积极废人！

每天 **14:00** 更新文章，每天掉亿点点头发...

源码精品专栏

*  [原创 | Java 2021 超神之路，很肝~][_ Java 2021]  
    
 *  [中文详细注释的开源项目][Link 1]  
    
 *  [RPC 框架 Dubbo 源码解析][RPC _ Dubbo]
 *  [网络应用框架 Netty 源码解析][Netty]
 *  [消息中间件 RocketMQ 源码解析][RocketMQ]  
    
 *  [数据库中间件 Sharding-JDBC 和 MyCAT 源码解析][Sharding-JDBC _ MyCAT]
 *  [作业调度中间件 Elastic-Job 源码解析][Elastic-Job]
 *  [分布式事务中间件 TCC-Transaction 源码解析][TCC-Transaction]
 *  [Eureka 和 Hystrix 源码解析][Eureka _ Hystrix]
 *  [Java 并发源码][Java]

[来源：blog.csdn.net/mu\_wind/  
article/details/109516995][blog.csdn.net_mu_wind_ article_details_109516995]

*  [1 Stream概述][1 Stream]
 *  [2 Stream的创建][2 Stream]
 *  [3 Stream的使用][3 Stream]
 *  [4 Stream源码解读][4 Stream]

[![1fa90a5db6bc12e7c5961cf374b580ab.png][]][1fa90a5db6bc12e7c5961cf374b580ab.png 1]

--------------------

**点波关注不迷路，一键三连好运连连！**

[![652e9b6304b8dcfcb60816787bcd18c3.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

先贴上几个案例，水平高超的同学可以挑战一下：

1.  从员工集合中筛选出salary大于8000的员工，并放置到新的集合里。
2.  统计员工的最高薪资、平均薪资、薪资之和。
3.  将员工按薪资从高到低排序，同样薪资者年龄小者在前。
4.  将员工按性别分类，将员工按性别和地区分类，将员工按薪资是否高于8000分为两部分。

用传统的迭代处理也不是很难，但代码就显得冗余了，跟Stream相比高下立判。

## [1 Stream概述][1 Stream] ##

Java 8 是一个非常成功的版本，这个版本新增的`Stream`，配合同版本出现的 `Lambda` ，给我们操作集合（Collection）提供了极大的便利。

那么什么是`Stream`？

> `Stream`将要处理的元素集合看作一种流，在流的过程中，借助`Stream API`对流中的元素进行操作，比如：筛选、排序、聚合等。

`Stream`可以由数组或集合创建，对流的操作分为两种：

1.  中间操作，每次返回一个新的流，可以有多个。
2.  终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。

另外，`Stream`有几个特性：

1.  stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。
2.  stream不会改变数据源，通常情况下会产生一个新的集合或一个值。
3.  stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。

> 推荐下自己做的 Spring Boot 的实战项目：
> 
> https://github.com/YunaiV/ruoyi-vue-pro

## [2 Stream的创建][2 Stream] ##

`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<String> list = Arrays.asList("a", "b", "c");
    // 创建一个顺序流
    Stream<String> stream = list.stream();
    // 创建一个并行流
    Stream<String> parallelStream = list.parallelStream();
    12345

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

int[] array={1,3,5,6,8};
    IntStream stream = Arrays.stream(array);
    12

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

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);
    
    Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
    stream2.forEach(System.out::println); // 0 2 4 6 8 10
    
    Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
    stream3.forEach(System.out::println);
    1234567

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。例如筛选集合中的奇数，两者的处理不同之处：[![eeb930ad1b067509d451724d608a00d4.png][]][blog.csdn.net_mu_wind_ article_details_109516995]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<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();
    1

> 推荐下自己做的 Spring Cloud 的实战项目：
> 
> https://github.com/YunaiV/onemall

## [3 Stream的使用][3 Stream] ##

在使用stream之前，先理解一个概念：`Optional` 。

> `Optional`类是一个可以为`null`的容器对象。如果值存在则`isPresent()`方法会返回`true`，调用`get()`方法会返回该对象。 更详细说明请见：菜鸟教程Java 8 Optional类

**接下来，大批代码向你袭来！我将用20个案例将Stream的使用整得明明白白，只要跟着敲一遍代码，就能很好地掌握。**[![01f4ba58112a3dcfceaf0bb343dd41eb.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

### [案例使用的员工类][Link 2] ###

这是后面案例中使用的员工类：

List<Person> personList = new ArrayList<Person>();
    personList.add(new Person("Tom", 8900, "male", "New York"));
    personList.add(new Person("Jack", 7000, "male", "Washington"));
    personList.add(new Person("Lily", 7800, "female", "Washington"));
    personList.add(new Person("Anni", 8200, "female", "New York"));
    personList.add(new Person("Owen", 9500, "male", "New York"));
    personList.add(new Person("Alisa", 7900, "female", "New York"));
    
    class Person {
     private String name;  // 姓名
     private int salary; // 薪资
     private int age; // 年龄
     private String sex; //性别
     private String area;  // 地区
    
     // 构造方法
     public Person(String name, int salary, int age,String sex,String area) {
      this.name = name;
      this.salary = salary;
      this.age = age;
      this.sex = sex;
      this.area = area;
     }
     // 省略了get和set，请自行添加
    
    }
    1234567891011121314151617181920212223242526

### [3.1 遍历/匹配（foreach/find/match）][3.1 _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、匹配非常简单。[![e3f2da9e8dff2915489aa3dc6848f72c.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

// import已省略，请自行添加，后面代码亦是
    
    public class StreamTest {
     public static void main(String[] args) {
            List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
    
            // 遍历输出符合条件的元素
            list.stream().filter(x -> x > 6).forEach(System.out::println);
            // 匹配第一个
            Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
            // 匹配任意（适用于并行流）
            Optional<Integer> 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("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);
        }
    }
    12345678910111213141516171819

### [3.2 筛选（filter）][3.2 _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。[![1c485c2c203d5a091f80f533aa9fa648.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

**案例一：筛选出`Integer`集合中大于7的元素，并打印出来**

public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
      Stream<Integer> stream = list.stream();
      stream.filter(x -> x > 7).forEach(System.out::println);
     }
    }
    1234567

预期结果：

> 8 9

**案例二： 筛选员工中工资高于8000的人，并形成新的集合。** 形成新集合依赖`collect`（收集），后文有详细介绍。

运行结果：

> 高于8000的员工姓名：\[Tom, Anni, Owen\]

### [3.3 聚合（max/min/count)][3.3 _max_min_count] ###

`max`、`min`、`count`这些字眼你一定不陌生，没错，在mysql中我们常用它们进行数据统计。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。[![fa0bcd79c776f302f80a4dce44d5aeb9.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

**案例一：获取`String`集合中最长的元素。**

public class StreamTest {
     public static void main(String[] args) {
      List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
    
      Optional<String> max = list.stream().max(Comparator.comparing(String::length));
      System.out.println("最长的字符串：" + max.get());
     }
    }
    12345678

输出结果：

> 最长的字符串：weoujgsd

**案例二：获取`Integer`集合中的最大值。**

public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);
    
      // 自然排序
      Optional<Integer> max = list.stream().max(Integer::compareTo);
      // 自定义排序
      Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
       @Override
       public int compare(Integer o1, Integer o2) {
        return o1.compareTo(o2);
       }
      });
      System.out.println("自然排序的最大值：" + max.get());
      System.out.println("自定义排序的最大值：" + max2.get());
     }
    }
    1234567891011121314151617

输出结果：

> 自然排序的最大值：11 自定义排序的最大值：11

**案例三：获取员工工资最高的人。**

输出结果：

> 员工工资最大值：9500

**案例四：计算`Integer`集合中大于6的元素的个数。**

import java.util.Arrays;
    import java.util.List;
    
    public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
    
      long count = list.stream().filter(x -> x > 6).count();
      System.out.println("list中大于6的元素个数：" + count);
     }
    }
    1234567891011

输出结果：

> list中大于6的元素个数：4

### [3.4 映射(map/flatMap)][3.4 _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。

[![21bc0fa425c1722572882227614c2d16.png][]][blog.csdn.net_mu_wind_ article_details_109516995][![bb4503a49342d8831d48bb9a80f82775.png][]][blog.csdn.net_mu_wind_ article_details_109516995]**案例一：英文字符串数组的元素全部改为大写。整数数组每个元素+3。**

public class StreamTest {
     public static void main(String[] args) {
      String[] strArr = { "abcd", "bcdd", "defde", "fTr" };
      List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());
    
      List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
      List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());
    
      System.out.println("每个元素大写：" + strList);
      System.out.println("每个元素+3：" + intListNew);
     }
    }
    123456789101112

输出结果：

> 每个元素大写：\[ABCD, BCDD, DEFDE, FTR\] 每个元素+3：\[4, 6, 8, 10, 12, 14\]

**案例二：将员工的薪资全部增加1000。**

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
      personList.add(new Person("Anni", 8200, 24, "female", "New York"));
      personList.add(new Person("Owen", 9500, 25, "male", "New York"));
      personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
      // 不改变原来员工集合的方式
      List<Person> 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());
    
      // 改变原来员工集合的方式
      List<Person> 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());
     }
    }
    12345678910111213141516171819202122232425262728

输出结果：

> 一次改动前：Tom–>8900 一次改动后：Tom–>18900 二次改动前：Tom–>18900 二次改动后：Tom–>18900

**案例三：将两个字符数组合并成一个新的字符数组。**

public class StreamTest {
     public static void main(String[] args) {
      List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");
      List<String> listNew = list.stream().flatMap(s -> {
       // 将每个元素转换成一个stream
       String[] split = s.split(",");
       Stream<String> s2 = Arrays.stream(split);
       return s2;
      }).collect(Collectors.toList());
    
      System.out.println("处理前的集合：" + list);
      System.out.println("处理后的集合：" + listNew);
     }
    }
    1234567891011121314

输出结果：

> 处理前的集合：\[m-k-l-a, 1-3-5\] 处理后的集合：\[m, k, l, a, 1, 3, 5\]

### [3.5 归约(reduce)][3.5 _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。[![9bfec24832100c27652ac1f9c87bc289.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

**案例一：求`Integer`集合的元素之和、乘积和最大值。**

public class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
      // 求和方式1
      Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
      // 求和方式2
      Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
      // 求和方式3
      Integer sum3 = list.stream().reduce(0, Integer::sum);
    
      // 求乘积
      Optional<Integer> product = list.stream().reduce((x, y) -> x * y);
    
      // 求最大值方式1
      Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
      // 求最大值写法2
      Integer max2 = list.stream().reduce(1, Integer::max);
    
      System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
      System.out.println("list求积：" + product.get());
      System.out.println("list求和：" + max.get() + "," + max2);
     }
    }
    1234567891011121314151617181920212223

输出结果：

> list求和：29,29,29 list求积：2112 list求和：11,11

**案例二：求所有员工的工资之和和最高工资。**

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
      personList.add(new Person("Anni", 8200, 24, "female", "New York"));
      personList.add(new Person("Owen", 9500, 25, "male", "New York"));
      personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
    
      // 求工资之和方式1：
      Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
      // 求工资之和方式2：
      Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
        (sum1, sum2) -> sum1 + sum2);
      // 求工资之和方式3：
      Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
    
      // 求最高工资方式1：
      Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
        Integer::max);
      // 求最高工资方式2：
      Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
        (max1, max2) -> max1 > max2 ? max1 : max2);
    
      System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
      System.out.println("最高工资：" + maxSalary + "," + maxSalary2);
     }
    }
    1234567891011121314151617181920212223242526272829

输出结果：

> 工资之和：49300,49300,49300 最高工资：9500,9500

### [3.6 收集(collect)][3.6 _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。

#### [3.6.1 归集(toList/toSet/toMap)][3.6.1 _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 class StreamTest {
     public static void main(String[] args) {
      List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
      List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
      Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());
    
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
      personList.add(new Person("Anni", 8200, 24, "female", "New York"));
    
      Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
        .collect(Collectors.toMap(Person::getName, p -> p));
      System.out.println("toList:" + listNew);
      System.out.println("toSet:" + set);
      System.out.println("toMap:" + map);
     }
    }
    12345678910111213141516171819

运行结果：

> toList：\[6, 4, 6, 6, 20\] toSet：\[4, 20, 6\] toMap：\{Tom=mutest.Person@5fd0d5ae, Anni=mutest.Person@2d98a335\}

#### [3.6.2 统计(count/averaging)][3.6.2 _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`

**案例：统计员工人数、平均工资、工资总额、最高工资。**

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, 23, "male", "New York"));
      personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
    
      // 求总数
      Long count = personList.stream().collect(Collectors.counting());
      // 求平均工资
      Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
      // 求最高工资
      Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
      // 求工资之和
      Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
      // 一次性统计所有信息
      DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
    
      System.out.println("员工总数：" + 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);
     }
    }
    123456789101112131415161718192021222324

运行结果：

> 员工总数：3 员工平均工资：7900.0 员工工资总和：23700 员工工资所有统计：DoubleSummaryStatistics\{count=3, sum=23700.000000,min=7000.000000, average=7900.000000, max=8900.000000\}

#### [3.6.3 分组(partitioningBy/groupingBy)][3.5 _reduce] ####

*  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。

[![4bb030004b1b15627b8e5f77cafc6308.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

**案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组**

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
      personList.add(new Person("Tom", 8900, "male", "New York"));
      personList.add(new Person("Jack", 7000, "male", "Washington"));
      personList.add(new Person("Lily", 7800, "female", "Washington"));
      personList.add(new Person("Anni", 8200, "female", "New York"));
      personList.add(new Person("Owen", 9500, "male", "New York"));
      personList.add(new Person("Alisa", 7900, "female", "New York"));
    
      // 将员工按薪资是否高于8000分组
            Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
            // 将员工按性别分组
            Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
            // 将员工先按性别分组，再按地区分组
            Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
            System.out.println("员工按薪资是否大于8000分组情况：" + part);
            System.out.println("员工按性别分组情况：" + group);
            System.out.println("员工按性别、地区：" + group2);
     }
    }
    123456789101112131415161718192021

输出结果：

员工按薪资是否大于8000分组情况：{false=[mutest.Person@2d98a335, mutest.Person@16b98e56, mutest.Person@7ef20235], true=[mutest.Person@27d6c5e0, mutest.Person@4f3f5b24, mutest.Person@15aeb7ab]}
    员工按性别分组情况：{female=[mutest.Person@16b98e56, mutest.Person@4f3f5b24, mutest.Person@7ef20235], male=[mutest.Person@27d6c5e0, mutest.Person@2d98a335, mutest.Person@15aeb7ab]}
    员工按性别、地区：{female={New York=[mutest.Person@4f3f5b24, mutest.Person@7ef20235], Washington=[mutest.Person@16b98e56]}, male={New York=[mutest.Person@27d6c5e0, mutest.Person@15aeb7ab], Washington=[mutest.Person@2d98a335]}}
    123

#### [3.6.4 接合(joining)][3.6.4 _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。

运行结果：

> 所有员工的姓名：Tom,Jack,Lily 拼接后的字符串：A-B-C

#### [3.6.5 归约(reducing)][3.5 _reduce] ####

`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。

运行结果：

> 员工扣税薪资总和：8700 员工薪资总和：23700

### [3.7 排序(sorted)][3.7 _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

**案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序**

public class StreamTest {
     public static void main(String[] args) {
      List<Person> personList = new ArrayList<Person>();
    
      personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
      personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
      personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
      personList.add(new Person("Lily", 8800, 26, "male", "New York"));
      personList.add(new Person("Alisa", 9000, 26, "female", "New York"));
    
      // 按工资升序排序（自然排序）
      List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
        .collect(Collectors.toList());
      // 按工资倒序排序
      List<String> 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<String> 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<String> newList4 = personList.stream().sorted((p1, p2) -> {
       if (p1.getSalary() == 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);
     }
    }
    1234567891011121314151617181920212223242526272829303132333435

运行结果：

> 按工资自然排序：\[Lily, Tom, Sherry, Jack, Alisa\] 按工资降序排序：\[Sherry, Jack, Alisa,Tom, Lily\] 先按工资再按年龄自然排序：\[Sherry, Jack, Alisa, Tom, Lily\] 先按工资再按年龄自定义降序排序：\[Alisa, Jack, Sherry, Tom, Lily\]

### [3.8 提取/组合][3.8] ###

流也可以进行合并、去重、限制、跳过等操作。[![5f4aa875bf0cab94f6f9ecf521be8b2e.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

[![25dcbf9469f8800aba5fa827549da825.png][]][blog.csdn.net_mu_wind_ article_details_109516995] [![95268aaf30f3ab8a64640c80db47b83c.png][]][blog.csdn.net_mu_wind_ article_details_109516995]

public class StreamTest {
     public static void main(String[] args) {
      String[] arr1 = { "a", "b", "c", "d" };
      String[] arr2 = { "d", "e", "f", "g" };
    
      Stream<String> stream1 = Stream.of(arr1);
      Stream<String> stream2 = Stream.of(arr2);
      // concat:合并两个流 distinct：去重
      List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
      // limit：限制从流中获得前n个数据
      List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
      // skip：跳过前n个数据
      List<Integer> 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);
     }
    }
    12345678910111213141516171819

运行结果：

> 流合并：\[a, b, c, d, e, f, g\] limit：\[1, 3, 5, 7, 9, 11, 13, 15, 17, 19\] skip：\[3, 5, 7, 9, 11\]

## [4 Stream源码解读][4 Stream] ##

这部分等有时间慢慢分解吧。

好，以上就是全部内容，能坚持看到这里，你一定很有收获，那么动一动拿offer的小手，点个赞再走吧。

--------------------

欢迎加入我的知识星球，一起探讨架构，交流源码。加入方式，**长按下方二维码噢**：

![0c8d63689adbcf9727562c948810f8a6.png][]

已在知识星球更新源码解析如下：

[![34c4a3cc33b6fa05c3d37e3e110691b9.png][]][_ Java 2021]

[![da7534b9368362e3c7e19a7797e14960.png][]][_ Java 2021]

[![6f8f76ff633b4b7f66877b6b34c93125.png][]][_ Java 2021]

[![abe8e15debddd5ca959019541af47510.png][]][_ Java 2021]

最近更新《芋道 SpringBoot 2.X 入门》系列，已经 101 余篇，覆盖了 MyBatis、Redis、MongoDB、ES、分库分表、读写分离、SpringMVC、Webflux、权限、WebSocket、Dubbo、RabbitMQ、RocketMQ、Kafka、性能测试等等内容。

提供近 3W 行代码的 SpringBoot 示例，以及超 6W 行代码的电商微服务项目。

获取方式：点“**在看**”，关注公众号并回复 **666** 领取，更多内容陆续奉上。

文章有帮助的话，在看，转发吧。
    谢谢支持哟 (*^__^*）

[_ Java 2021]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247487551&idx=1&sn=18f64ba49f3f0f9d8be9d1fdef8857d9&chksm=fa496f8ecd3ee698f4954c00efb80fe955ec9198fff3ef4011e331aa37f55a6a17bc8c0335a8&scene=21#wechat_redirect
[Link 1]: https://blog.csdn.net/qq_40831778/article/details/102375778
[RPC _ Dubbo]: https://blog.csdn.net/uoyou138/article/details/107024989
[Netty]: https://blog.csdn.net/shishishilove/article/details/108051416
[RocketMQ]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486256&idx=1&sn=81daccd3fcd2953456c917630636fb26&chksm=fa497481cd3efd97d9239f5eab060e49dea9876a6046eadba0effb878d2fb51f3ba5733e4c0b&scene=21#wechat_redirect
[Sharding-JDBC _ MyCAT]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486257&idx=1&sn=4d3c9c675f8833157641a2e0b48e498c&chksm=fa497480cd3efd96fe17975b0b8b141e87fd0a62673e6a30b501460de80b3eb997056f09de08&scene=21#wechat_redirect
[Elastic-Job]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486258&idx=1&sn=ae5665ae9c3002b53f87cab44948a096&chksm=fa497483cd3efd950514da5a37160e7fd07f0a96f39265cf7ba3721985e5aadbdcbe7aafc34a&scene=21#wechat_redirect
[TCC-Transaction]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486259&idx=1&sn=b023cf3dbf97e5da59db2f4ee632f5a6&chksm=fa497482cd3efd9402d71469f71863f71a6998b27e12ca2e00446b8178d79dcef0721d8e570a&scene=21#wechat_redirect
[Eureka _ Hystrix]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486260&idx=1&sn=8f14c0c191d6f8df6eb34202f4ad9708&chksm=fa497485cd3efd93937143a648bc1b530bc7d1f6f8ad4bf2ec112ffe34dee80b474605c22db0&scene=21#wechat_redirect
[Java]: http://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247486261&idx=1&sn=bd69f26aadfc826f6313ffbb95e44ee5&chksm=fa497484cd3efd92352d6fb3d05ccbaebca2fafed6f18edbe5be70c99ba088db5c8a7a8080c1&scene=21#wechat_redirect
[blog.csdn.net_mu_wind_ article_details_109516995]: https://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247487551&idx=1&sn=18f64ba49f3f0f9d8be9d1fdef8857d9&scene=21#wechat_redirect
[1 Stream]: https://blog.csdn.net/ADbyCool/article/details/107887254
[2 Stream]: https://blog.csdn.net/zwq_zwq_zwq/article/details/82085786
[3 Stream]: https://blog.csdn.net/tygxy574232205/article/details/81865973
[4 Stream]: https://blog.csdn.net/weixin_39781526/article/details/85207550
[1fa90a5db6bc12e7c5961cf374b580ab.png]: /images/20220828/880a5afb5c784ecbb7a6812bf18345eb.png
[1fa90a5db6bc12e7c5961cf374b580ab.png 1]: https://mp.weixin.qq.com/s?__biz=MzUzMTA2NTU2Ng==&mid=2247487551&idx=1&sn=18f64ba49f3f0f9d8be9d1fdef8857d9&chksm=fa496f8ecd3ee698f4954c00efb80fe955ec9198fff3ef4011e331aa37f55a6a17bc8c0335a8&scene=21&token=899450012&lang=zh_CN#wechat_redirect
[652e9b6304b8dcfcb60816787bcd18c3.png]: /images/20220828/bf524b8b3d554d34946cb32821bc2fcd.png
[eeb930ad1b067509d451724d608a00d4.png]: /images/20220828/4b38b1f615c248e6bb3067ea07174546.png
[01f4ba58112a3dcfceaf0bb343dd41eb.png]: /images/20220828/d9ecf05e3d904ae6849bc7128e49150a.png
[Link 2]: https://blog.csdn.net/lcn_Lynn/article/details/74896251
[3.1 _foreach_find_match]: https://blog.csdn.net/huangwuming714/article/details/84814253
[e3f2da9e8dff2915489aa3dc6848f72c.png]: /images/20220828/8299f5763fe04b10a89e26107dd43a26.png
[3.2 _filter]: https://blog.csdn.net/jameszou707/article/details/102669813
[1c485c2c203d5a091f80f533aa9fa648.png]: /images/20220828/fc44f177d30e4f7baf0aaffe6ed0e69e.png
[3.3 _max_min_count]: https://blog.csdn.net/qq_41453285/article/details/88318318
[fa0bcd79c776f302f80a4dce44d5aeb9.png]: /images/20220828/210b1352082f420a90efcb9f92c1417f.png
[3.4 _map_flatMap]: https://blog.csdn.net/devcloud/article/details/95601415
[21bc0fa425c1722572882227614c2d16.png]: https://img-blog.csdnimg.cn/img_convert/21bc0fa425c1722572882227614c2d16.png
[bb4503a49342d8831d48bb9a80f82775.png]: /images/20220828/8272bffd5cd2454cbd1691c9f7f3e608.png
[3.5 _reduce]: https://blog.csdn.net/qq_43525747/article/details/120225854
[9bfec24832100c27652ac1f9c87bc289.png]: /images/20220828/dd3311d276664065ad035b69174b543e.png
[3.6 _collect]: https://blog.csdn.net/qq_37023928/article/details/102889335
[3.6.1 _toList_toSet_toMap]: https://blog.csdn.net/yuanmeng001/article/details/88913804
[3.6.2 _count_averaging]: https://blog.csdn.net/java_zyq/article/details/109766058
[4bb030004b1b15627b8e5f77cafc6308.png]: /images/20220828/0c1b15137cfd4222b1fee8874d9f60d8.png
[3.6.4 _joining]: https://blog.csdn.net/cmm0401/article/details/109655115
[3.7 _sorted]: https://blog.csdn.net/bufengzj/article/details/92642647
[3.8]: https://blog.csdn.net/keny88888/article/details/103915143
[5f4aa875bf0cab94f6f9ecf521be8b2e.png]: /images/20220828/bbeb72d2c10f40f9a2f05c929c1f8052.png
[25dcbf9469f8800aba5fa827549da825.png]: https://img-blog.csdnimg.cn/img_convert/25dcbf9469f8800aba5fa827549da825.png
[95268aaf30f3ab8a64640c80db47b83c.png]: /images/20220828/d5d547bec9ee4de39e05154d41e550d5.png
[0c8d63689adbcf9727562c948810f8a6.png]: /images/20220828/0c13c10587d64cc7b49289d2eff649bc.png
[34c4a3cc33b6fa05c3d37e3e110691b9.png]: /images/20220828/2e49daf9071440d9bdfdd311ea40cd11.png
[da7534b9368362e3c7e19a7797e14960.png]: /images/20220828/df6592d21c014089b68695d87982cdb1.png
[6f8f76ff633b4b7f66877b6b34c93125.png]: /images/20220828/aea4a6826f404511b969b39be4dd78eb.png
[abe8e15debddd5ca959019541af47510.png]: /images/20220828/4fd5aea777934299828198c51bc70005.png