Stream流,是对集合对象操作的增强
基本使用
比如有一个Person类的集合:List<Person> personList,可以通过stream()对集合中的元素进行操作,
下面的操作流程可以归纳为 过滤-映射-收集。
List<Integer> personIdList = personList.stream() //选出年龄大于20的Person对象 .filter(person -> person.getAge() > 20) //将Person对象映射成为它的属性id .map(Person::getId) //收集为List集合 .collect(Collectors.toList());
上述代码获取到了,年龄大于20岁的人id集合。
在 过滤-映射-收集 这个流程中:
过滤和映射属于中间操作,当操作结束时才会触发计算,可以高效地迭代大集合
收集属于结束操作,触发计算。
中间操作和结束操作
流操作可以分为 中间操作(惰性求值) 和 结束操作
中间操作指,操作过程中只记录操作而不做执行,直到执行结束操作,才会触发实际的操作,即惰性求值。
中间操作又分为:
无状态操作,元素处理不受之前元素影响,比如map()、filter()、skip()、peek()等
有状态操作,需要拿到所有元素才能进行,比如sorted()、limit()、distinct()等
结束操作是指,拿到所有元素后才能进行的操作。
结束操作又分为:
短路操作,遇到符合条件的元素后就可以终止,比如anyMatch()、findFirst()、findAny()等
非短路操作,需要处理所有元素,比如forEach()、collect()、max()、count()等。
例子
1.将List<Person>映射成一个Map,key为Person的id属性,value为Person实体类
Map<Integer, Person> PersonMap= personList.stream() .collect(Collectors.toMap(Person::getId, person -> person));
2.得到一个Map<Integer,List<Person>>集合,key为Person的age属性,value是按年龄分组后的Person对象集合:
Map<Integer, List<Person>> personsMap = personList.stream() .collect(Collectors.groupingBy(Person::getAge));
3.统计所有人年龄的总和:
int personAgeSum = personList.stream() //根据age属性转换成IntStream .mapToInt(Person::getAge) .sum();
4.选出List集合中创建时间最晚的数据(createtime属性为Date类型)
UserInfo userInfoMax = userInfos.stream() .max(Comparator.comparing(UserInfo::getCreateTime)) .get(); 这里的max方法实际返回的是Optional<UserInfo>对象该对象可以通过orElse()方法设置对象UserInfo为null时的值:
UserInfo userInfoMax = userInfos.stream().max(Comparator.comparing(UserInfo::getCreateTime)) .orElse(为null时的值); //这里如果max返回的对象为null(一般情况不会是),会取orElse()中的值
5.将所有小写字母拼接起来
String concat = Stream.of("a", "B", "c", "D", "e", "F") .filter(x -> x.compareTo("Z") > 0) .reduce("", String::concat);
reduce方法的第一个参数是起始值,第二个参数是流中的元素,迭代流中的数据
也可以只传一个参数,即不指定起始值,这样会返回一个Optional对象
String concat = Stream.of("a", "B", "c", "D", "e", "F") .filter(x -> x.compareTo("Z") > 0) .reduce(String::concat) .orElse("");
性能及基本原理简述
Stream 顾名思义,相当于批量处理数据的流水线。
在处理一般的数据量下,使用循环方式处理集合和通过stream方式处理集合的性能相差不大,但在数据里更大逻辑更复杂的情况下stream要更优。
而parallelStream并行流,利用多核处理器的优势,并行处理数据(这意味着所处理的数据,不应该和顺序相关,否则会因为并行得到错误的结果),能够显著的提高执行速度。
Stream处理过程简述:
首先将Collection转化为Stream,流上的每个结点都只会返回包含上一结点引用的中间结点,使结点们组成了一个双向链表结构,而不会立即进行任何数据处理。
每个中间操作都实现了Sink接口,实现了 makeSink()
方法用来返回自己的 Sink 实例,
只有当终止操作出现时,才开始将 Sink 实例化执行数据处理,
无状态操作的 Sink 接收到数据,会立即通知下游,有状态操作的 Sink 则会等要处理的数据处理完了才开始通知下游,
终止节点将数据收集起来后就完成了这次操作。
参考文章:
https://www.cnblogs.com/CarpenterLee/archive/2017/03/28/6637118.html
https://zhuanlan.zhihu.com/p/52579165
https://zhuanlan.zhihu.com/p/47478339
原文地址:https://www.cnblogs.com/gss128/p/11032504.html