超强的Lambda Stream流操作

1. Stream 流介绍
   Stream 不同于其他集合框架，它也不是某种数据结构，也不会保存数据，但是它负责相关计算，使用起来更像一个高级的迭代器。在之前的迭代器中，我们只能先遍历然后在执行业务操作，而现在只需要指定执行什么操作， Stream 就会隐式的遍历然后做出想要的操作。另外 Stream 和迭代器一样的只能单向处理，如同奔腾长江之水一去而不复返。

由于 Stream 流提供了惰性计算和并行处理的能力，在使用并行计算方式时数据会被自动分解成多段然后并行处理，最后将结果汇总。所以 Stream 操作可以让程序运行变得更加高效。

2. Stream 流概念
   Stream 流的使用总是按照一定的步骤进行，可以抽象出下面的使用流程。

数据源（source） -> 数据处理/转换（intermedia） -> 结果处理（terminal ）

2.1. 数据源
数据源（source）也就是数据的来源，可以通过多种方式获得 Stream 数据源，下面列举几种常见的获取方式。

Collection.stream(); 从集合获取流。
Collection.parallelStream(); 从集合获取并行流。
Arrays.stream(T array) or Stream.of(); 从数组获取流。
BufferedReader.lines(); 从输入流中获取流。
IntStream.of() ; 从静态方法中获取流。
Stream.generate(); 自己生成流
2.2. 数据处理
数据处理/转换（intermedia）步骤可以有多个操作，这步也被称为intermedia（中间操作）。在这个步骤中不管怎样操作，它返回的都是一个新的流对象，原始数据不会发生任何改变，而且这个步骤是惰性计算处理的，也就是说只调用方法并不会开始处理，只有在真正的开始收集结果时，中间操作才会生效，而且如果遍历没有完成，想要的结果已经获取到了（比如获取第一个值），会停止遍历，然后返回结果。惰性计算可以显著提高运行效率。

数据处理演示。

@Test
public void streamDemo(){List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");// 1. 筛选出名字长度为4的// 2. 名字前面拼接 This is// 3. 遍历输出nameList.stream().filter(name -> name.length() == 4).map(name -> "This is "+name).forEach(name -> System.out.println(name));
}
// 输出结果
// This is Jack
// This is Poul

数据处理/转换操作自然不止是上面演示的过滤 filter 和 map映射两种，另外还有 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等。

2.3. 收集结果
结果处理（terminal ）是流处理的最后一步，执行完这一步之后流会被彻底用尽，流也不能继续操作了。也只有到了这个操作的时候，流的数据处理/转换等中间过程才会开始计算，也就是上面所说的惰性计算。结果处理也必定是流操作的最后一步。

常见的结果处理操作有 forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator 等。

下面演示了简单的结果处理的例子。

/*** 转换成为大写然后收集结果，遍历输出*/
@Test
public void toUpperCaseDemo() {List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");List<String> upperCaseNameList = nameList.stream().map(String::toUpperCase).collect(Collectors.toList());upperCaseNameList.forEach(name -> System.out.println(name + ","));
}
// 输出结果
// DARCY,CHRIS,LINDA,SID,KIM,JACK,POUL,PETER,

2.4. short-circuiting
有一种 Stream 操作被称作 short-circuiting ，它是指当 Stream 流无限大但是需要返回的 Stream 流是有限的时候，而又希望它能在有限的时间内计算出结果，那么这个操作就被称为short-circuiting。例如　findFirst　操作。

3. Stream 流使用
   Stream 流在使用时候总是借助于 Lambda 表达式进行操作，Stream 流的操作也有很多种方式，下面列举的是常用的 11 种操作。

3.1. Stream 流获取
获取 Stream 的几种方式在上面的 Stream 数据源里已经介绍过了，下面是针对上面介绍的几种获取 Stream 流的使用示例。

@Test
public void createStream() throws FileNotFoundException {List<String> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");String[] nameArr = {"Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter"};// 集合获取 Stream 流Stream<String> nameListStream = nameList.stream();// 集合获取并行 Stream 流Stream<String> nameListStream2 = nameList.parallelStream();// 数组获取 Stream 流Stream<String> nameArrStream = Stream.of(nameArr);// 数组获取 Stream 流Stream<String> nameArrStream1 = Arrays.stream(nameArr);// 文件流获取 Stream 流BufferedReader bufferedReader = new BufferedReader(new FileReader("README.md"));Stream<String> linesStream = bufferedReader.lines();// 从静态方法获取流操作IntStream rangeStream = IntStream.range(1, 10);rangeStream.limit(10).forEach(num -> System.out.print(num+","));System.out.println();IntStream intStream = IntStream.of(1, 2, 3, 3, 4);intStream.forEach(num -> System.out.print(num+","));
}

3.2. forEach
forEach 是 Strean 流中的一个重要方法，用于遍历 Stream 流，它支持传入一个标准的 Lambda 表达式。但是它的遍历不能通过 return/break 进行终止。同时它也是一个 terminal 操作，执行之后 Stream 流中的数据会被消费掉。

如输出对象。

List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
numberList.stream().forEach(number -> System.out.println(number+","));
// 输出结果
// 1,2,3,4,5,6,7,8,9,

3.3. map / flatMap
使用 map 把对象一对一映射成另一种对象或者形式。

/*** 把数字值乘以2*/
@Test
public void mapTest() {List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);// 映射成 2倍数字List<Integer> collect = numberList.stream().map(number -> number * 2).collect(Collectors.toList());collect.forEach(number -> System.out.print(number + ","));System.out.println();numberList.stream().map(number -> "数字 " + number + ",").forEach(number -> System.out.println(number));
}
// 输出结果
// 2,4,6,8,10,12,14,16,18,
// 数字 1,数字 2,数字 3,数字 4,数字 5,数字 6,数字 7,数字 8,数字 9,

上面的 map 可以把数据进行一对一的映射，而有些时候关系可能不止 1对 1那么简单，可能会有1对多。这时可以使用 flatMap。下面演示使用 flatMap把对象扁平化展开。

/*** flatmap把对象扁平化*/
@Test
public void flatMapTest() {Stream<List<Integer>> inputStream = Stream.of(Arrays.asList(1),Arrays.asList(2, 3),Arrays.asList(4, 5, 6));List<Integer> collect = inputStream.flatMap((childList) -> childList.stream()).collect(Collectors.toList());collect.forEach(number -> System.out.print(number + ","));
}
// 输出结果
// 1,2,3,4,5,6,

3.4. filter
使用 filter 进行数据筛选，挑选出想要的元素，下面的例子演示怎么挑选出偶数数字。

/*** filter 数据筛选* 筛选出偶数数字*/
@Test
public void filterTest() {List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);List<Integer> collect = numberList.stream().filter(number -> number % 2 == 0).collect(Collectors.toList());collect.forEach(number -> System.out.print(number + ","));
}
得到如下结果。2,4,6,8,

3.5. findFirst
findFirst 可以查找出 Stream 流中的第一个元素，它返回的是一个 Optional 类型，如果还不知道 Optional 类的用处，可以参考之前文章 Jdk14都要出了，还不能使用 Optional优雅的处理空指针？ 。

/*** 查找第一个数据* 返回的是一个 Optional 对象*/
@Test
public void findFirstTest(){List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);Optional<Integer> firstNumber = numberList.stream().findFirst();System.out.println(firstNumber.orElse(-1));
}
// 输出结果
// 1

findFirst 方法在查找到需要的数据之后就会返回不再遍历数据了，也因此 findFirst 方法可以对有无限数据的 Stream 流进行操作，也可以说 findFirst 是一个 short-circuiting 操作。

3.6. collect / toArray
Stream 流可以轻松的转换为其他结构，下面是几种常见的示例。

 /*** Stream 转换为其他数据结构*/
@Test
public void collectTest() {List<Integer> numberList = Arrays.asList(1, 1, 2, 2, 3, 3, 4, 4, 5);// to arrayInteger[] toArray = numberList.stream().toArray(Integer[]::new);// to ListList<Integer> integerList = numberList.stream().collect(Collectors.toList());// to setSet<Integer> integerSet = numberList.stream().collect(Collectors.toSet());System.out.println(integerSet);// to stringString toString = numberList.stream().map(number -> String.valueOf(number)).collect(Collectors.joining()).toString();System.out.println(toString);// to string split by ,String toStringbJoin = numberList.stream().map(number -> String.valueOf(number)).collect(Collectors.joining(",")).toString();System.out.println(toStringbJoin);
}
// 输出结果
// [1, 2, 3, 4, 5]
// 112233445
// 1,1,2,2,3,3,4,4,5

3.7. limit / skip
获取或者扔掉前 n 个元素

/*** 获取 / 扔掉前 n 个元素*/
@Test
public void limitOrSkipTest() {// 生成自己的随机数流List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);ageList.stream().limit(3).forEach(age -> System.out.print(age+","));System.out.println();ageList.stream().skip(3).forEach(age -> System.out.print(age+","));
}
// 输出结果
// 11,22,13,
// 14,25,26,

3.8. Statistics
数学统计功能，求一组数组的最大值、最小值、个数、数据和、平均数等。

/*** 数学计算测试*/
@Test
public void mathTest() {List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6);IntSummaryStatistics stats = list.stream().mapToInt(x -> x).summaryStatistics();System.out.println("最小值：" + stats.getMin());System.out.println("最大值：" + stats.getMax());System.out.println("个数：" + stats.getCount());System.out.println("和：" + stats.getSum());System.out.println("平均数：" + stats.getAverage());
}
// 输出结果
// 最小值：1
// 最大值：6
// 个数：6
// 和：21
// 平均数：3.5

3.9. groupingBy
分组聚合功能，和数据库的 Group by 的功能一致。

/*** groupingBy* 按年龄分组*/
@Test
public void groupByTest() {List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);Map<String, List<Integer>> ageGrouyByMap = ageList.stream()            .collect(Collectors.groupingBy(age -> String.valueOf(age / 10)));ageGrouyByMap.forEach((k, v) -> {System.out.println("年龄" + k + "0多岁的有：" + v);});
}
// 输出结果
// 年龄10多岁的有：[11, 13, 14]
// 年龄20多岁的有：[22, 25, 26]

3.10. partitioningBy

/*** partitioningBy* 按某个条件分组* 给一组年龄，分出成年人和未成年人*/
public void partitioningByTest() {List<Integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);Map<Boolean, List<Integer>> ageMap = ageList.stream().collect(Collectors.partitioningBy(age -> age > 18));System.out.println("未成年人：" + ageMap.get(false));System.out.println("成年人：" + ageMap.get(true));
}
// 输出结果
// 未成年人：[11, 13, 14]
// 成年人：[22, 25, 26]

3.11. 进阶 - 自己生成 Stream 流

/*** 生成自己的 Stream 流*/
@Test
public void generateTest(){// 生成自己的随机数流Random random = new Random();Stream<Integer> generateRandom = Stream.generate(random::nextInt);generateRandom.limit(5).forEach(System.out::println);// 生成自己的 UUID 流Stream<UUID> generate = Stream.generate(UUID::randomUUID);generate.limit(5).forEach(System.out::println);
}// 输出结果
// 793776932
// -2051545609
// -917435897
// 298077102
// -1626306315
// 31277974-841a-4ad0-a809-80ae105228bd
// f14918aa-2f94-4774-afcf-fba08250674c
// d86ccefe-1cd2-4eb4-bb0c-74858f2a7864
// 4905724b-1df5-48f4-9948-fa9c64c7e1c9
// 3af2a07f-0855-455f-a339-6e890e533ab3

上面的例子中 Stream 流是无限的，但是获取到的结果是有限的，使用了 Limit 限制获取的数量，所以这个操作也是 short-circuiting 操作。

4. Stream 流优点
   4.1. 简洁优雅
   正确使用并且正确格式化的 Stream 流操作代码不仅简洁优雅，更让人赏心悦目。下面对比下在使用 Stream 流和不使用 Stream 流时相同操作的编码风格。

/*** 使用流操作和不使用流操作的编码风格对比*/
@Test
public void diffTest() {// 不使用流操作List<String> names = Arrays.asList("Jack", "Jill", "Nate", "Kara", "Kim", "Jullie", "Paul", "Peter");// 筛选出长度为4的名字List<String> subList = new ArrayList<>();for (String name : names) {if (name.length() == 4) {subList.add(name);}}// 把值用逗号分隔StringBuilder sbNames = new StringBuilder();for (int i = 0; i < subList.size() - 1; i++) {sbNames.append(subList.get(i));sbNames.append(", ");}// 去掉最后一个逗号if (subList.size() > 1) {sbNames.append(subList.get(subList.size() - 1));}System.out.println(sbNames);
}
// 输出结果
// Jack, Jill, Nate, Kara, Paul

如果是使用 Stream 流操作。

// 使用 Stream 流操作

String nameString = names.stream().filter(num -> num.length() == 4).collect(Collectors.joining(", "));
System.out.println(nameString);

4.2. 惰性计算
上面有提到，数据处理/转换（intermedia） 操作 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等这些操作，在调用方法时并不会立即调用，而是在真正使用的时候才会生效，这样可以让操作延迟到真正需要使用的时刻。

下面会举个例子演示这一点。

 /*** 找出偶数*/@Testpublic void lazyTest() {// 生成自己的随机数流List<Integer> numberLIst = Arrays.asList(1, 2, 3, 4, 5, 6);// 找出偶数Stream<Integer> integerStream = numberLIst.stream().filter(number -> {int temp = number % 2;if (temp == 0 ){System.out.println(number);}return temp == 0;});System.out.println("分割线");List<Integer> collect = integerStream.collect(Collectors.toList());}
如果没有 惰性计算，那么很明显会先输出偶数，然后输出 分割线。而实际的效果是。分割线
2
4
6

可见 惰性计算 把计算延迟到了真正需要的时候。

4.3. 并行计算
获取 Stream 流时可以使用 parallelStream 方法代替 stream 方法以获取并行处理流，并行处理可以充分的发挥多核优势，而且不增加编码的复杂性。

下面的代码演示了生成一千万个随机数后，把每个随机数乘以2然后求和时，串行计算和并行计算的耗时差异。

 /*** 并行计算*/@Testpublic void main() {// 生成自己的随机数流，取一千万个随机数Random random = new Random();Stream<Integer> generateRandom = Stream.generate(random::nextInt);List<Integer> numberList = generateRandom.limit(10000000).collect(Collectors.toList());// 串行 - 把一千万个随机数，每个随机数 * 2 ，然后求和long start = System.currentTimeMillis();int sum = numberList.stream().map(number -> number * 2).mapToInt(x -> x).sum();long end = System.currentTimeMillis();System.out.println("串行耗时："+(end - start)+"ms，和是:"+sum);// 并行 - 把一千万个随机数，每个随机数 * 2 ，然后求和start = System.currentTimeMillis();sum = numberList.parallelStream().map(number -> number * 2).mapToInt(x -> x).sum();end = System.currentTimeMillis();System.out.println("并行耗时："+(end - start)+"ms，和是:"+sum);}
得到如下输出。串行耗时：1005ms，和是:481385106
并行耗时：47ms，和是:481385106

效果显而易见，代码简洁优雅。

5. Stream 流建议
   5.1 保证正确排版
   从上面的使用案例中，可以发现使用 Stream 流操作的代码非常简洁，而且可读性更高。但是如果不正确的排版，那么看起来将会很糟糕，比如下面的同样功能的代码例子，多几层操作呢，是不是有些让人头大？

// 不排版

String string = names.stream().filter(num -> num.length() == 4).map(name -> name.toUpperCase()).collect(Collectors.joining(","));
// 排版
String string = names.stream().filter(num -> num.length() == 4).map(name -> name.toUpperCase()).collect(Collectors.joining(","));

5.1 保证函数纯度
如果想要你的 Stream 流对于每次的相同操作的结果都是相同的话，那么你必须保证 Lambda 表达式的纯度，也就是下面亮点。

Lambda 中不会更改任何元素。
Lambda 中不依赖于任何可能更改的元素。
这两点对于保证函数的幂等非常重要，不然你程序执行结果可能会变得难以预测，就像下面的例子。

@Test
public void simpleTest(){List<Integer> numbers = Arrays.asList(1, 2, 3);int[] factor = new int[] { 2 };Stream<Integer> stream = numbers.stream().map(e -> e * factor[0]);factor[0] = 0;stream.forEach(System.out::println);
}
// 输出结果
// 0
// 0
// 0