背景
java 8已经发行好几年了,前段时间java 12也已经问世,但平时的工作中,很多项目的环境还停留在java1.7中。而且java8的很多新特性都是革命性的,比如各种集合的优化、lambda表达式等,所以我们还是要去了解java8的魅力。
今天我们来学习java8的Stream,并不需要理论基础,直接可以上手去用。
我接触stream的原因,是我要搞一个用户收入消费的数据分析。起初的统计筛选分组都是打算用sql语言直接从mysql里得到结果来展现的。但在操作中我们发现这样频繁地访问数据库,性能会受到很大的影响,分析速度会很慢。所以我们希望能通过访问一次数据库就拿到所有数据,然后放到内存中去进行数据分析统计过滤。
接着,我看了stream的API,发现这就是我想要的。
一、Stream理解
在java中我们称Stream为『流』,我们经常会用流去对集合进行一些流水线的操作。stream就像工厂一样,只需要把集合、命令还有一些参数灌输到流水线中去,就可以加工成得出想要的结果。这样的流水线能大大简洁代码,减少操作。
二、Stream流程
原集合 —> 流 —> 各种操作(过滤、分组、统计) —> 终端操作
Stream流的操作流程一般都是这样的,先将集合转为流,然后经过各种操作,比如过滤、筛选、分组、计算。最后的终端操作,就是转化成我们想要的数据,这个数据的形式一般还是集合,有时也会按照需求输出count计数。下文会一一举例。
三、API功能举例
首先,定义一个用户对象,包含姓名、年龄、性别和籍贯四个成员变量:
import lombok.AllArgsConstructor;
import lombok.Builder;
import lombok.Data;
import lombok.NoArgsConstructor;
import lombok.extern.log4j.Log4j;
@Data
@NoArgsConstructor
@AllArgsConstructor
@Log4j
@Builder
public class User {
//姓名
private String name;
//年龄
private Integer age;
//性别
private Integer sex;
//所在省市
private String address;
}
这里用lombok简化了实体类的代码。
然后创建需要的集合数据,也就是源数据:
//1.构建我们的list
List<User> list= Arrays.asList(
new User("钢铁侠",40,0,"华盛顿"),
new User("蜘蛛侠",20,0,"华盛顿"),
new User("赵丽颖",30,1,"湖北武汉市"),
new User("詹姆斯",35,0,"洛杉矶"),
new User("李世民",60,0,"山西省太原市"),
new User("蔡徐坤",20,1,"陕西西安市"),
new User("葫芦娃的爷爷",70,0,"山西省太原市")
);
3.1 过滤
1)创建流 stream() / parallelStream()
- stream() : 串行流
- parallelStream(): 并行流
2)filter 过滤(T-> boolean)
比如要过滤年龄在40岁以上的用户,就可以这样写:
List<User> filterList = list.stream().filter(user -> user.getAge() >= 40)
.collect(toList());
filter里面,->箭头后面跟着的是一个boolean值,可以写任何的过滤条件,就相当于sql中where后面的东西,换句话说,能用sql实现的功能这里都可以实现
打印结果:
3)distinct 去重
和sql中的distinct关键字很相似。为了看到效果,此处在原集合中加入一个重复的人,就选择钢铁侠吧,复联4钢铁侠不幸遇害,大家还是比较伤心的。
List<User> list= Arrays.asList(
new User("钢铁侠",40,0,"华盛顿"),
new User("钢铁侠",40,0,"华盛顿"),
new User("蜘蛛侠",20,0,"华盛顿"),
new User("赵丽颖",30,1,"湖北武汉市"),
new User("詹姆斯",35,0,"洛杉矶"),
new User("李世民",60,0,"山西省太原市"),
new User("蔡徐坤”,18,1,"陕西西安市"),
new User("葫芦娃的爷爷",70,0,"山西省太原市")
);
//distinct 去重
List<User> distinctList = filterList.stream().distinct()
.collect(toList());
打印结果:
4)sorted排序
如果流中的元素的类实现了 Comparable 接口,即有自己的排序规则,那么可以直接调用 sorted() 方法对元素进行排序,如:
Comparator.comparingInt
反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。
//sorted()
List<User> sortedList = distinctList.stream().sorted(Comparator.comparingInt(User::getAge))
.collect(toList());
打印结果:
结果按照年龄从小到大进行排序。
5)limit() 返回前n个元素
如果想知道这里面年龄最小的是谁,可作如下操作:
//limit 返回前n个元素
List<User> limitList = sortedList.stream().limit(1)
.collect(toList());
6)skip()
与limit恰恰相反,skip的意思是跳过,也就是去除前n个元素。
打印结果:
果然,前两个人都被去除了,只剩下最老的葫芦娃爷爷。
3.2 映射
1)map(T->R)
map是将T类型的数据转为R类型的数据,比如我们想要设置一个新的list,存储用户所有的城市信息。
//map(T->R)
List<String> cityList = list.stream().map(User::getAddress).distinct().collect(toList());
打印结果:
2)flatMap(T -> Stream<R>)
将流中的每一个元素 T 映射为一个流,再把每一个流连接成为一个流。
//flatMap(T -> Stream<R>)
List<String> flatList = new ArrayList<>();
flatList.add("唱,跳");
flatList.add("rape,篮球,music");
flatList = flatList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(toList());
打印结果:
这里原集合中的数据由逗号分割,使用split进行拆分后,得到的是Stream<String[]>,字符串数组组成的流,要使用flatMap的
Arrays::stream
将Stream<String[]>转为Stream<String>,然后把流相连接,组成了完整的唱、跳、rap、篮球和music。
3.3 查找
1)allMatch(T->boolean)
检测是否全部满足参数行为,假如这些用户是网吧上网的用户名单,那就需要检查是不是每个人都年满18周岁了。
boolean isAdult = list.stream().allMatch(user -> user.getAge() >= 18);
打印结果:
true
2)anyMatch(T->boolean)
检测是否有任意元素满足给定的条件,比如,想知道同学名单里是否有女生。
//anyMatch(T -> boolean) 是否有任意一个元素满足给定的条件
boolean isGirl = list.stream().anyMatch(user -> user.getSex() == 1);
打印结果:
true
说明集合中有女生存在。
3)noneMatch(T -> boolean)
流中是否有元素匹配给定的 T -> boolean 条件。
比如检测有没有来自巴黎的用户。
boolean isLSJ = list.stream().noneMatch(user -> user.getAddress().contains("巴黎"));
打印结果:
true
打印true说明没有巴黎的用户。
4)findFirst( ):找到第一个元素
Optional<User> fristUser = list.stream().findFirst();
打印结果:
User(name=钢铁侠, age=40, sex=0, address=华盛顿)
5)findAny():找到任意一个元素
Optional<User> anyUser = list.stream().findAny();
打印结果:
User(name=钢铁侠, age=40, sex=0, address=华盛顿)
这里我们发现findAny返回的也总是第一个元素,那么为什么还要进行区分呢?因为在并行流 parallelStream() 中找到的确实是任意一个元素。
Optional<User> anyParallelUser = list.parallelStream().findAny();
打印结果 :
Optional[User(name=李世民, age=60, sex=0, address=山西省太原市)]
3.4 归纳计算
1)求用户的总人数
long count = list.stream().collect(Collectors.counting());
我们可以简写为:
long count = list.stream().count();
运行结果:
8
2)得到某一属性的最大最小值
// 求最大年龄
Optional<User> max = list.stream().collect(Collectors.maxBy(
Comparator.comparing(User::getAge)));
// 求最小年龄
Optional<User> min = list.stream().collect(Collectors.minBy(
Comparator.comparing(User::getAge)));
运行结果:
3)求年龄总和是多少
// 求年龄总和
int totalAge = list.stream().collect(Collectors.summingInt(User::getAge));
运行结果:
313
我们经常会用BigDecimal来记录金钱,假设想得到BigDecimal的总和:
// 获得列表对象金额, 使用reduce聚合函数,实现累加器
BigDecimal sum = myList.stream() .map(User::getMoney)
.reduce(BigDecimal.ZERO,BigDecimal::add);
4)求年龄平均值
//求年龄平均值
double avgAge = list.stream().collect(
Collectors.averagingInt(User::getAge));
运行结果:
39.125
5)一次性得到元素的个数、总和、最大值、最小值
IntSummaryStatistics statistics = list.stream().collect(
Collectors.summarizingInt(User::getAge));
运行结果:
6)字符串拼接
要将用户的姓名连成一个字符串并用逗号分割。
String names = list.stream().map(User::getName)
.collect(Collectors.joining(", "));
运行结果:
钢铁侠, 钢铁侠, 蜘蛛侠, 赵丽颖, 詹姆斯, 李世民, 蔡徐坤, 葫芦娃的爷爷
3.5 分组
在数据库操作中,我们经常通过GROUP BY关键字对查询到的数据进行分组,java8的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。
1)可以根据用户所在城市进行分组
Map<String, List<User>> cityMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress));
结果是一个map,key为不重复的城市名,value为属于该城市的用户列表。已经实现了分组。
2)二级分组,先根据城市分组再根据性别分组
Map<String, Map<Integer, List<User>>> group = list.stream().collect(
Collectors.groupingBy(User::getAddress, // 一级分组,按所在地区
Collectors.groupingBy(User::getSex))); // 二级分组,按性别
运行结果:
3)如果仅仅想统计各城市的用户个数是多少,并不需要对应的list
按城市分组并统计人数:
Map<String, Long> cityCountMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));
运行结果:
4)当然,也可以先进行过滤再分组并统计人数
Map<String,Long> map = list.stream().filter(user -> user.getAge() <= 30)
.collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));
运行结果:
5)partitioningBy 分区
分区与分组的区别在于,分区是按照 true 和 false 来分的,因此partitioningBy 接受的参数的 lambda 也是 T -> boolean
//根据年龄是否小于等于30来分区
Map<Boolean, List<User>> part = list.stream()
.collect(partitioningBy(user -> user.getAge() <= 30));
运行结果:
总结
到目前为止,stream的功能我们已经用了很多了,感觉有点眼花缭乱却无所不能,stream能做的事情远远不止这些。
我们可以多学习使用stream,把原来复杂的sql查询,一遍又一遍地for循环的复杂代码重构,让代码更简洁易懂,可读性强。
拓展阅读:Redis专题(1):构建知识图谱
Redis专题(2):Redis数据结构底层探秘
作者:杨亨
来源:宜信技术学院
原文地址:https://blog.51cto.com/14159827/2413084