寫在開頭：本文是轉載于掘金上的一篇文章，已獲得原作者授權，我會在文章最后放上原作者和原文鏈接。

前言

平時操作集合數據，我們一般都是for或者iterator去遍歷，不是很好看。java提供了Stream的概念，它可以讓我們把集合數據當做一個個元素在處理，并且提供多線程模式

• 流的創建
• 流的各種數據操作
• 流的終止操作
• 流的聚合處理
• 并發流和CompletableFuture的配合使用

1. stream的構造方式

stream內置的構造方法

public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f) public static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b) public static<T> Builder<T> builder() public static<T> Stream<T> of(T t) public static<T> Stream<T> empty() public static<T> Stream<T> generate(Supplier<T> s)

Collection聲明的stream函數

default Stream<E> stream()

• Collection聲明了stream轉化函數，也就是說，任意Collection子類都存在官方替我們實現的由Collection轉為Stream的方法

示例，List轉Stream

public static void main(String[] args){List<String> demo = Arrays.asList("a","b","c");long count = demo.stream().peek(System.out::println).count();System.out.println(count); } -------result-------- a b c 3

2. 接口stream對元素的操作方法定義

過濾 filter

Stream<T> filter(Predicate<? super T> predicate)

• Predicate是函數式接口，可以直接用lambda代替；如果有復雜的過濾邏輯，則用or、and、negate方法組合

示例

List<String> demo = Arrays.asList("a", "b", "c"); Predicate<String> f1 = item -> item.equals("a"); Predicate<String> f2 = item -> item.equals("b"); demo.stream().filter(f1.or(f2)).forEach(System.out::println); -------result-------- a b

映射轉化 map

<R> Stream<R> map(Function<? super T, ? extends R> mapper) IntStream mapToInt(ToIntFunction<? super T> mapper); LongStream mapToLong(ToLongFunction<? super T> mapper); DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper);

示例

static class User{public User(Integer id){this.id = id; }Integer id; public Integer getId() { return id; } } public static void main(String[] args) {List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));// User 轉為 Integer(id)demo.stream().map(User::getId).forEach(System.out::println); } -------result-------- 1 2 3

數據處理 peek

Stream<T> peek(Consumer<? super T> action);

• 與map的區別是其無返回值

示例

static class User{public User(Integer id){this.id = id; }Integer id;public Integer getId() { return id; }public void setId(Integer id) { this.id = id; } } public static void main(String[] args) {List<User> demo = Arrays.asList(new User(1), new User(2), new User(3));// id平方，User 轉為 Integer(id)demo.stream().peek(user -> user.setId(user.id * user.id)).map(User::getId).forEach(System.out::println); } -------result-------- 1 4 9

映射攆平 flatMap

<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper); IntStream flatMapToInt(Function<? super T, ? extends IntStream> mapper); LongStream flatMapToLong(Function<? super T, ? extends LongStream> mapper); DoubleStream flatMapToDouble(Function<? super T, ? extends DoubleStream> mapper);

flatMap：將元素為Stream<T>類型的流攆平成一個元素類型為T的Stream流

示例

public static void main(String[] args) {List<Stream<Integer>> demo = Arrays.asList(Stream.of(5), Stream.of(2), Stream.of(1));demo.stream().flatMap(Function.identity()).forEach(System.out::println); } -------result-------- 5 2 1

去重 distinct

Stream<T> distinct();

示例

List<Integer> demo = Arrays.asList(1, 1, 2); demo.stream().distinct().forEach(System.out::println); -------result-------- 1 2

排序 sorted

Stream<T> sorted(); Stream<T> sorted(Comparator<? super T> comparator);

示例

List<Integer> demo = Arrays.asList(5, 1, 2); //默認升序 demo.stream().sorted().forEach(System.out::println); //降序 Comparator<Integer> comparator = Comparator.<Integer, Integer>comparing(item -> item).reversed(); demo.stream().sorted(comparator).forEach(System.out::println); -------默認升序 result-------- 1 2 5 -------降序 result-------- 5 2 1

個數限制limit和跳過skip

//截取前maxSize個元素 Stream<T> limit(long maxSize); //跳過前n個流 Stream<T> skip(long n);

示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6); //跳過前兩個，然后限制截取兩個 demo.stream().skip(2).limit(2).forEach(System.out::println); -------result-------- 3 4

JDK9提供的新操作

• 和filter的區別，takeWhile是取滿足條件的元素，直到不滿足為止；dropWhile是丟棄滿足條件的元素，直到不滿足為止

default Stream<T> takeWhile(Predicate<? super T> predicate); default Stream<T> dropWhile(Predicate<? super T> predicate);

3. stream的終止操作action

遍歷消費

//遍歷消費 void forEach(Consumer<? super T> action); //順序遍歷消費,和forEach的區別是forEachOrdered在多線程parallelStream執行，其順序也不會亂 void forEachOrdered(Consumer<? super T> action);

示例

List<Integer> demo = Arrays.asList(1, 2, 3); demo.parallelStream().forEach(System.out::println); demo.parallelStream().forEachOrdered(System.out::println); -------forEach result-------- 2 3 1 -------forEachOrdered result-------- 1 2 3

獲取數組結果

//流轉成Object數組 Object[] toArray(); //流轉成Ａ[]數組，指定類型A <A> A[] toArray(IntFunction<A[]> generator)

示例

List<String> demo = Arrays.asList("1", "2", "3"); //<A> A[] toArray(IntFunction<A[]> generator) String[] data = demo.stream().toArray(String[]::new);

最大最小值

//獲取最小值 Optional<T> min(Comparator<? super T> comparator) //獲取最大值 Optional<T> max(Comparator<? super T> comparator)

示例

List<Integer> demo = Arrays.asList(1, 2, 3); Optional<Integer> min = demo.stream().min(Comparator.comparing(item->item)); Optional<Integer> max = demo.stream().max(Comparator.comparing(item->item)); System.out.println(min.get()+"-"+max.get()); -------result-------- 1-3

查找匹配

//任意一個匹配 boolean anyMatch(Predicate<? super T> predicate) //全部匹配 boolean allMatch(Predicate<? super T> predicate) //不匹配 boolean noneMatch(Predicate<? super T> predicate) //查找第一個 Optional<T> findFirst(); //任意一個 Optional<T> findAny();

歸約合并

//兩兩合并 Optional<T> reduce(BinaryOperator<T> accumulator) //兩兩合并，帶初始值的 T reduce(T identity, BinaryOperator<T> accumulator) //先轉化元素類型再兩兩合并，帶初始值的 <U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner)

示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8); //數字轉化為字符串，然后使用“-”拼接起來 String data = demo.stream().reduce("0", (u, t) -> u + "-" + t, (s1, s2) -> s1 + "-" + s2); System.out.println(data); -------result-------- 0-1-2-3-4-5-6-7-8

計算元素個數

long count()

示例

List<Integer> demo = Arrays.asList(1, 2, 3, 4, 5, 6); System.out.println(demo.stream().count()); -------result-------- 6

對流的聚合處理

/*** supplier:返回結果類型的生產者* accumulator:元素消費者（處理并加入R）* combiner: 返回結果 R 怎么組合（多線程執行時，會產生多個返回值R，需要合并）*/ <R> R collect(Supplier<R> supplier, BiConsumer<R, ? super T> accumulator, BiConsumer<R, R> combiner); /*** collector一般是由 supplier、accumulator、combiner、finisher、characteristics組合成的聚合類* Collectors 可提供一些內置的聚合類或者方法*/ <R, A> R collect(Collector<? super T, A, R> collector);

示例，看下面

4. Collector(聚合類)的工具類集Collectors

接口Collector和實現類CollectorImpl

//返回值類型的生產者 Supplier<A> supplier(); //流元素消費者 BiConsumer<A, T> accumulator(); //返回值合并器（多個線程操作時，會產生多個返回值，需要合并） BinaryOperator<A> combiner(); //返回值轉化器（最后一步處理，實際返回結果，一般原樣返回） Function<A, R> finisher(); //流的特性 Set<Characteristics> characteristics();public static<T, A, R> Collector<T, A, R> of(Supplier<A> supplier,BiConsumer<A, T> accumulator, BinaryOperator<A> combiner,Function<A, R> finisher, Characteristics... characteristics)

流聚合轉換成List, Set

//流轉化成List public static <T> Collector<T, ?, List<T>> toList() //流轉化成Set public static <T> Collector<T, ?, Set<T>> toSet()

示例

List<Integer> demo = Arrays.asList(1, 2, 3); List<Integer> col = demo.stream().collect(Collectors.toList()); Set<Integer> set = demo.stream().collect(Collectors.toSet());

流聚合轉化成Map

//流轉化成Map public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(Function<? super T, ? extends K> keyMapper,Function<? super T, ? extends U> valueMapper) /*** mergeFunction:相同的key,值怎么合并*/ public static <T, K, U> Collector<T, ?, Map<K,U>> toMap(Function<? super T, ? extends K> keyMapper,Function<? super T, ? extends U> valueMapper,BinaryOperator<U> mergeFunction) /*** mergeFunction:相同的key,值怎么合并* mapSupplier：返回值Map的生產者*/ public static <T, K, U, M extends Map<K, U>> Collector<T, ?, M> toMap(Function<? super T, ? extends K> keyMapper,Function<? super T, ? extends U> valueMapper,BinaryOperator<U> mergeFunction,Supplier<M> mapSupplier)

• 如果存在相同key的元素，會報錯;或者使用groupBy

示例

List<User> demo = Arrays.asList(new User(1), new User(2), new User(3)); Map<Integer,User> map = demo.stream().collect(Collectors.toMap(User::getId,item->item)); System.out.println(map); -------result------- {1=TestS$User@7b23ec81, 2=TestS$User@6acbcfc0, 3=TestS$User@5f184fc6}

字符串流聚合拼接

//多個字符串拼接成一個字符串 public static Collector<CharSequence, ?, String> joining(); //多個字符串拼接成一個字符串（指定分隔符） public static Collector<CharSequence, ?, String> joining(CharSequence delimiter)

示例

List<String> demo = Arrays.asList("c", "s", "c","w","潛行前行"); String name = demo.stream().collect(Collectors.joining("-")); System.out.println(name); -------result------- c-s-c-w-潛行前行

映射處理再聚合流

• 相當于先map再collect

/*** mapper:映射處理器* downstream:映射處理后需要再次聚合處理*/ public static <T, U, A, R> Collector<T, ?, R> mapping(Function<? super T, ? extends U> mapper, Collector<? super U, A, R> downstream);

示例

List<String> demo = Arrays.asList("1", "2", "3"); List<Integer> data = demo.stream().collect(Collectors.mapping(Integer::valueOf, Collectors.toList())); System.out.println(data); -------result------- [1, 2, 3]

聚合后再轉換結果

/*** downstream:聚合處理* finisher:結果轉換處理*/ public static<T,A,R,RR> Collector<T,A,RR> collectingAndThen(Collector<T,A,R> downstream,Function<R, RR> finisher);

示例

List<String> demo = Arrays.asList("1", "2", "3"); List<Integer> data = demo.stream().collect(Collectors.mapping(Integer::valueOf, Collectors.toList())); System.out.println(data); -------result------- [1, 2, 3]

流分組（Map是HashMap）

/*** classifier 指定T類型某一屬性作為Key值分組* 分組后，使用List作為每個流的容器*/ public static <T, K> Collector<T, ?, Map<K, List<T>>> groupingBy(Function<? super T, ? extends K> classifier); /*** classifier: 流分組器* downstream: 每組流的聚合處理器*/ public static <T, K, A, D> Collector<T, ?, Map<K, D>> groupingBy(Function<? super T, ? extends K> classifier， Collector<? super T, A, D> downstream) /*** classifier: 流分組器* mapFactory: 返回值map的工廠（Map的子類）* downstream: 每組流的聚合處理器*/ public static <T, K, D, A, M extends Map<K, D>> Collector<T, ?, M> groupingBy(Function<? super T, ? extends K> classifier,Supplier<M> mapFactory,Collector<? super T, A, D> downstream)

示例

public static void main(String[] args) throws Exception {List<Integer> demo = Stream.iterate(0, item -> item + 1).limit(15).collect(Collectors.toList());// 分成三組，并且每組元素轉化為String類型 Map<Integer, List<String>> map = demo.stream().collect(Collectors.groupingBy(item -> item % 3,HashMap::new,Collectors.mapping(String::valueOf, Collectors.toList())));System.out.println(map); } ---------result---------- {0=[0, 3, 6, 9, 12], 1=[1, 4, 7, 10, 13], 2=[2, 5, 8, 11, 14]}

流分組(分組使用的Map是ConcurrentHashMap)

/*** classifier: 分組器 ； 分組后，使用List作為每個流的容器*/ public static <T, K> Collector<T, ?, ConcurrentMap<K, List<T>>> groupingByConcurrent(Function<? super T, ? extends K> classifier); /*** classifier: 分組器* downstream: 流的聚合處理器*/ public static <T, K, A, D> Collector<T, ?, ConcurrentMap<K, D>> groupingByConcurrent(Function<? super T, ? extends K> classifier, Collector<? super T, A, D> downstream) /*** classifier: 分組器* mapFactory: 返回值類型map的生產工廠（ConcurrentMap的子類）* downstream: 流的聚合處理器*/ public static <T, K, A, D, M extends ConcurrentMap<K, D>> Collector<T, ?, M> groupingByConcurrent(Function<? super T, ? extends K> classifier, Supplier<M> mapFactory,Collector<? super T, A, D> downstream);

用法和groupingBy一樣

拆分流，一變二（相當于特殊的groupingBy）

public static <T> Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(Predicate<? super T> predicate) /*** predicate: 二分器* downstream: 流的聚合處理器*/ public static <T, D, A> Collector<T, ?, Map<Boolean, D>> partitioningBy(Predicate<? super T> predicate, Collector<? super T, A, D> downstream)

示例

List<Integer> demo = Arrays.asList(1, 2,3,4, 5,6); // 奇數偶數分組 Map<Boolean, List<Integer>> map = demo.stream().collect(Collectors.partitioningBy(item -> item % 2 == 0)); System.out.println(map); ---------result---------- {false=[1, 3, 5], true=[2, 4, 6]}

聚合求平均值

// 返回Double類型 public static <T> Collector<T, ?, Double> averagingDouble(ToDoubleFunction<? super T> mapper) // 返回Long 類型 public static <T> Collector<T, ?, Double> averagingLong(ToLongFunction<? super T> mapper) //返回Int 類型 public static <T> Collector<T, ?, Double> averagingInt(ToIntFunction<? super T> mapper)

示例

List<Integer> demo = Arrays.asList(1, 2, 5); Double data = demo.stream().collect(Collectors.averagingInt(Integer::intValue)); System.out.println(data); ---------result---------- 2.6666666666666665

流聚合查找最大最小值

//最小值 public static <T> Collector<T, ?, Optional<T>> minBy(Comparator<? super T> comparator) //最大值 public static <T> Collector<T, ?, Optional<T>> maxBy(Comparator<? super T> comparator)

示例

List<Integer> demo = Arrays.asList(1, 2, 5); Optional<Integer> min = demo.stream().collect(Collectors.minBy(Comparator.comparing(item -> item))); Optional<Integer> max = demo.stream().collect(Collectors.maxBy(Comparator.comparing(item -> item))); System.out.println(min.get()+"-"+max.get()); ---------result---------- 1-5

聚合計算統計結果

• 可以獲得元素總個數，元素累計總和，最小值，最大值，平均值

//返回Int 類型 public static <T> Collector<T, ?, IntSummaryStatistics> summarizingInt(ToIntFunction<? super T> mapper) //返回Double 類型 public static <T> Collector<T, ?, DoubleSummaryStatistics> summarizingDouble(ToDoubleFunction<? super T> mapper) //返回Long 類型 public static <T> Collector<T, ?, LongSummaryStatistics> summarizingLong(ToLongFunction<? super T> mapper)

示例

List<Integer> demo = Arrays.asList(1, 2, 5); IntSummaryStatistics data = demo.stream().collect(Collectors.summarizingInt(Integer::intValue)); System.out.println(data); ---------result---------- IntSummaryStatistics{count=3, sum=8, min=1, average=2.666667, max=5}

JDK12提供的新聚合方法

//流分別經過downstream1、downstream2聚合處理，再合并兩聚合結果 public static <T, R1, R2, R> Collector<T, ?, R> teeing(Collector<? super T, ?, R1> downstream1,Collector<? super T, ?, R2> downstream2,BiFunction<? super R1, ? super R2, R> merger)

5. 并發paralleStream的使用

• 配合CompletableFuture和線程池的使用

示例

public static void main(String[] args) throws Exception{List<Integer> demo = Stream.iterate(0, item -> item + 1).limit(5).collect(Collectors.toList());//示例1Stopwatch stopwatch = Stopwatch.createStarted(Ticker.systemTicker());demo.stream().forEach(item -> {try {Thread.sleep(500);System.out.println("示例1-"+Thread.currentThread().getName());} catch (Exception e) { }});System.out.println("示例1-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));//示例2, 注意需要ForkJoinPool，parallelStream才會使用executor指定的線程，否則還是用默認的 ForkJoinPool.commonPool()ExecutorService executor = new ForkJoinPool(10);stopwatch.reset(); stopwatch.start();CompletableFuture.runAsync(() -> demo.parallelStream().forEach(item -> {try {Thread.sleep(1000);System.out.println("示例2-" + Thread.currentThread().getName());} catch (Exception e) { }}), executor).join();System.out.println("示例2-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));//示例３stopwatch.reset(); stopwatch.start();demo.parallelStream().forEach(item -> {try {Thread.sleep(1000);System.out.println("示例3-"+Thread.currentThread().getName());} catch (Exception e) { }});System.out.println("示例3-"+stopwatch.stop().elapsed(TimeUnit.MILLISECONDS));executor.shutdown();}

-------------------result--------------------------

示例1-main 示例1-main 示例1-main 示例1-main 示例1-main 示例1-2501 示例2-ForkJoinPool-1-worker-19 示例2-ForkJoinPool-1-worker-9 示例2-ForkJoinPool-1-worker-5 示例2-ForkJoinPool-1-worker-27 示例2-ForkJoinPool-1-worker-23 示例2-1004 示例3-main 示例3-ForkJoinPool.commonPool-worker-5 示例3-ForkJoinPool.commonPool-worker-7 示例3-ForkJoinPool.commonPool-worker-9 示例3-ForkJoinPool.commonPool-worker-3 示例3-1001

• parallelStream的方法確實會使用多線程去運行，并且可以指定線程池，不過自定義線程必須是ForkJoinPool類型，否則會默認使ForkJoinPool.commonPool()的線程

原作者：潛行前行

原文鏈接：基礎篇：JAVA.Stream函數，優雅的數據流操作

原文出處：掘金

總結

以上是生活随笔為你收集整理的java peek函数_基础篇：JAVA.Stream函数，优雅的数据流操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。