Java8 Stream 总结

朴灿烈づ我的快乐病毒、 2023-10-10 13:29 20阅读 0赞

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_20_color_FFFFFF_t_70_g_se_x_16][]

Java8 Stream 思维导图

**目录**

1、Stream 创建

2、Stream 使用

2.1遍历/匹配（foreach/find/match）

2.2筛选（filter）

2.3聚合（max/min/count)

2.4 映射(map/flatMap)

2.5归约(reduce)

2.6收集(collect)

2.6.1归集(toList/toSet/toMap)

2.6.2统计(count/averaging)

2.6.3分组(partitioningBy/groupingBy)

2.6.4接合(joining)

2.6.5归约(reducing)

2.7排序(sorted)

2.8提取/组合

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

## 1、Stream 创建 ##

方式一：通过 java.util.Collection.stream() 方法用集合创建流

/**
    		 * 创建方式一：通过 java.util.Collection.stream() 方法用集合创建流
    		 */
    		List<String> list = Arrays.asList("a", "b", "c", "d");
    		
    		// 创建一个顺序流
    		Stream<String> stream = list.stream();
    		stream.forEach(System.out::println);
    		
    		// 创建一个并行流
    		Stream<String> parallelStream = list.parallelStream();
    		parallelStream.forEach(System.out::println);

方式二：通过java.util.Arrays.stream(T\[\] array)方法用数组创建流

int[] array = {1,2,3,4,5,6};
    		IntStream intStream = Arrays.stream(array);
    		intStream.forEach(System.out::println);

方式三：通过Stream的静态方法：of()、iterate()、generate()

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

**stream和parallelStream区分:**

> **1、stream是顺序流，由主线程按顺序对流执行操作。  
> 2、parallelStream是并行流，内部以多线程并行执行的方式对流进行操作，前提是流中的数据处理没有顺序要求。**

运行流程图说明：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_17_color_FFFFFF_t_70_g_se_x_16][]

**知识点拓展：**

> **通过parallel()把顺序流转换成并行流。**

## 2、Stream 使用 ##

**员工类实体定义**：

package com.zzg.entity;
    
    import java.io.Serializable;
    
    import lombok.AllArgsConstructor;
    import lombok.Builder;
    import lombok.Data;
    import lombok.NoArgsConstructor;
    
    @Data
    @AllArgsConstructor
    @NoArgsConstructor
    @Builder
    @SuppressWarnings("serial")
    public class Person implements Serializable {
    	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
    }

### 2.1遍历/匹配（foreach/find/match） ###

`Stream`支持类似集合的遍历和匹配元素。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16][]

/**
    		 * 温馨提示:Stream中的元素是以Optional类型存在
    		 */
    
    		// List<Integer> list = Arrays.asList(1,2,3,4,5);
    		List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
    
    		/**
    		 * 遍历输出符合条件的元素
    		 */
    		list.stream().filter(x -> x > 6).forEach(System.out::println);
    		/**
    		 * 输出符合条件的第一个元素
    		 */
    		Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
    		/**
    		 * 输出符合条件的任意元素(适用于并行流)
    		 */
    		Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
    		/**
    		 * 判断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.orElse(0));
    		System.out.println("匹配任意一个值：" + findAny.orElse(0));
    		System.out.println("是否存在大于6的值：" + anyMatch);

### 2.2筛选（filter） ###

筛选，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。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16 1][]

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
            /**
    		 * 案例一：筛选出Integer集合中 大于8的元素，并打印出来
    		 */
    		list.stream().filter(x -> x > 8).forEach(System.out::println);
    
    		/**
    		 * 案例二：筛选薪资大于8000的员工名称,构建新的集合 温馨提示：map 用于获取指定对象的属性值 collect 用于构建新的集合
    		 */
    		List<Person> dataList = init();
    		List<String> names = dataList.stream().filter(item -> item.getSalary() > 8000).map(item -> item.getName())
    				.collect(Collectors.toList());
    		names.stream().forEach(System.out::println);

public static List<Person> init() {
    		List<Person> personList = new ArrayList<Person>();
    		personList.add(new Person("Tom", 8900, 25, "male", "New York"));
    		personList.add(new Person("Jack", 7000, 21, "male", "Washington"));
    		personList.add(new Person("Lily", 7800, 29, "female", "Washington"));
    		personList.add(new Person("Anni", 8200, 31, "female", "New York"));
    		personList.add(new Person("Owen", 9500, 35, "male", "New York"));
    		personList.add(new Person("Alisa", 7900, 51, "female", "New York"));
    		return personList;
    	}

### 2.3聚合（max/min/count) ###

对集合、数组的数据进行统计操作。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_12_color_FFFFFF_t_70_g_se_x_16][]

/**
    		 * 案例三：获取员工集合中姓名字符串最长。
    		 */
    		String name = dataList.stream().map(item -> item.getName()).collect(Collectors.toList()).stream()
    				.max(Comparator.comparing(String::length)).orElse("");
    		System.out.println("用户名称:" + name);
    
    		/**
    		 * 案例四: 获取Integer 最大值
    		 */
    		List<Integer> sortList = Arrays.asList(7, 6, 9, 4, 11, 6);
    
    		// 自然排序
    		Optional<Integer> max = sortList.stream().max(Integer::compareTo);
    		// 自定义排序
    		Optional<Integer> max2 = sortList.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.orElse(0));
    		System.out.println("自定义排序的最大值：" + max2.orElse(0));
    
    		/**
    		 * 案例五: 获取员工集合中工资最高
    		 */
    		Optional<Person> salary = dataList.stream().max(Comparator.comparingInt(Person::getSalary));
    		/**
    		 * 基于lombok 创建模式构建Person 对象并赋值Salary 初始值
    		 */
    		System.out.println("员工工资最大值：" + salary.orElse(Person.builder().salary(0).build()).getSalary());
    
    		/**
    		 * 案例六:统计Integer集合中大于6的元素的个数
    		 */
    		List<Integer> integerList = Arrays.asList(7, 6, 4, 8, 2, 11, 9);
    		long integerCount = integerList.stream().filter(item -> item >= 6).count();
    		System.out.println("integer 集合大于6个数:" + integerCount);

### 2.4 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。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16 2][]

/**
    		 * 案例七:遍历字符串列表,通过','逗号分隔符构建新列表
    		 */
    		List<String> strList = Arrays.asList("A,B,C", "D,E,F");
    		List<String> newStrList = strList.stream().flatMap(item -> {
    			return Arrays.stream(item.split(","));
    		}).collect(Collectors.toList());
    		newStrList.stream().forEach(System.out::println);

### 2.5归约(reduce) ###

实现对集合求和、求乘积和求最值操作

![f3c970caf5d0465f839f2470902b78ba.png][]

/**
    		 * 案例八: 统计员工集合工资总数 温馨提示： 通过reduce 实现数值归纳总结,实现对集合求和、求乘积和求最值操作
    		 */
    		Integer totalSalary = dataList.stream().map(Person::getSalary).collect(Collectors.toList()).stream()
    				.reduce(Integer::sum).orElse(0);
    		System.out.println("员工集合工资总数:" + totalSalary);
    
    		/**
    		 * reduce 归纳统计使用匿名函数
    		 */
    		Integer totalSalaryTwo = dataList.stream().map(Person::getSalary).collect(Collectors.toList()).stream()
    				.reduce((x, y) -> x + y).orElse(0);
    		System.out.println("员工集合工资总数:" + totalSalaryTwo);
    
    		/**
    		 * reduce 归纳统计求最大值
    		 */
    		Integer totalSalaryThree = dataList.stream().map(Person::getSalary).collect(Collectors.toList()).stream()
    				.reduce(Integer::max).orElse(0);
    		System.out.println("员工工资最高:" + totalSalaryThree);

### 2.6收集(collect) ###

`collect`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。

#### 2.6.1归集(toList/toSet/toMap) ####

List<String> nameList = dataList.stream().map(Person::getName).collect(Collectors.toList());
    		nameList.stream().forEach(System.out::println);
    		Map<String, Person> mapNameObject = dataList.stream().collect(Collectors.toMap(Person::getName, item -> item));
    		/**
    		 * java8 遍历map
    		 */
    		mapNameObject.forEach((k, v) -> {
    			System.out.println("员工姓名:" + k);
    			System.out.println("toString():" + v.toString());
    		});
    
    		Set<Person> setObject = dataList.stream().collect(Collectors.toSet());
    		/**
    		 * java8 遍历set
    		 */
    		setObject.forEach(item -> {
    			System.out.println("toString():" + item.toString());
    		});

#### 2.6.2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

// 求总数
    		Long count = dataList.stream().collect(Collectors.counting());
    		// 求平均工资
    		Double average = dataList.stream().collect(Collectors.averagingDouble(Person::getSalary));
    		// 求最高工资
    		Optional<Integer> max3 = dataList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
    		// 求工资之和
    		Integer sum = dataList.stream().collect(Collectors.summingInt(Person::getSalary));
    		// 一次性统计所有信息
    		DoubleSummaryStatistics collect = dataList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
    
    		System.out.println("员工总数：" + count);
    		System.out.println("员工工资最高：" + max3);
    		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);

#### 2.6.3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。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

// 将员工按薪资是否高于8000分组
    		Map<Boolean, List<Person>> part = dataList.stream()
    				.collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
    		// 将员工按性别分组
    		Map<String, List<Person>> group = dataList.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 = dataList.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);

#### 2.6.4接合(joining) ####

`joining`将stream中的元素用特定的连接符连接成一个字符串。

String nameJoin = dataList.stream().map(Person::getName).collect(Collectors.joining(","));
    		System.out.println("拼接员工姓名：" + nameJoin);

#### 2.6.5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。

Integer sum1 = dataList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
    		System.out.println("员工扣税薪资总和：" + sum1);

### 2.7排序(sorted) ###

sorted，排序操作。支持两种排序：

*  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

// 按工资升序排序（自然排序）
    		List<String> newList = dataList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
    				.collect(Collectors.toList());
    		// 按工资倒序排序
    		List<String> newList2 = dataList.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 = dataList.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 = dataList.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);

### 2.8提取/组合 ###

流也可以进行合并、去重、限制、跳过等操作。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16 3][]

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> newList1 = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
    		// limit：限制从流中获得前n个数据
    		List<Integer> collect1 = 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：" + newList1);
    		System.out.println("limit：" + collect1);
    		System.out.println("skip：" + collect2);

[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/283f5c911b9d46ac93a1dc65be18cf58.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_17_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/921449e10cb24b99b1dd22dbac0bab2f.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_17,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/42c479a2194c4ba7b6468cb3f2ef6bfa.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_11,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/1d4b0d0dd9794c37a1e1c638ffd61c9e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_11,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_12_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/ee28a997927e4f57908e1dc6dbb4e83b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_12,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/3342c0ef2b4d4027a78b898fcabc4346.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_11,color_FFFFFF,t_70,g_se,x_16
[f3c970caf5d0465f839f2470902b78ba.png]: https://img-blog.csdnimg.cn/f3c970caf5d0465f839f2470902b78ba.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/0860effdb6be4e8688f17e9b0f79ac6d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT_size_11_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/9e2f30b3309e4ef3b96b33e512944f9e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5Zyo5aWL5paX55qE5aSn6YGT,size_11,color_FFFFFF,t_70,g_se,x_16