常用Stream流
- 3.2 数据处理
- 3.3 filter 过滤
- 3.4 limit 取前几
- 3.5 sorted 排序
- 3.6 max、min、count
3.7 map 对集合中的元素进行特定的操作 - 3.8 reduce 将所有的元素按照传入的逻辑进行处理，并且会把结果合并成一个值进行返回
- 3.9 collection 基于目标集合生成新的数组
四：使用Stream流对集合进行分页
一：什么是Stream流
Stream流是Java 8中引入的一个新特性，它是一个功能强大的工具，可以用来处理集合（Collection）和数组（Array）中的元素。Stream流可以看作是一种迭代器，它允许对集合中的元素进行一系列的处理操作，比如筛选、映射、排序、聚合等。
Stream流有以下几个特点：
Stream流是一种惰性求值的操作方式，即在使用时才进行处理，可以避免不必要的计算。
Stream流可以对集合或数组进行一系列的中间操作，如过滤、映射、排序等，同时也支持终止操作，如归约、收集等。
Stream流可以处理无限流，也可以处理有限流。
通过使用Stream流，可以简化代码，提高代码的可读性和可维护性。同时，由于Stream流的特性，可以更好地利用现代CPU的多核心能力，提高程序的运行效率。
二：Stream的作用
Stream流有以下几个作用：
简化集合或数组的处理：Stream流提供了一系列的中间操作和终止操作，可以方便地对集合或数组进行筛选、映射、排序、聚合等操作，大大简化了集合或数组的处理。
提高程序的效率：Stream流可以利用现代CPU的多核心能力，同时也避免了不必要的计算，提高了程序的运行效率。
支持无限流处理：Stream流支持无限流处理，可以对无限的数据集进行处理，同时也支持有限流处理。
增强代码的可读性和可维护性：Stream流的语法简单明了，可以很容易地理解代码的逻辑，同时也使得代码更易于维护。
三： Stream流简单示例
3.1 数据源
List<User> list = Arrays.asList( new User("小明", 20, 3000), new User("小红", 20, 2000), new User("小亮", 22, 5000) );
3.2 数据处理
// stream 流 Predicate<User> predicate1 = user -> user.getAge() < 21; Predicate<User> predicate2 = user -> user.getAge() < 2000; List<User> collect = list.stream() .filter(predicate1.or(predicate2)) .collect(Collectors.toList()); System.out.println(collect);
3.3 filter 过滤
// filter 过滤 List<String> testList = Arrays.asList("Hello", "World", "Java"); testList.stream() .filter(str -> str.length() >= 5) .forEach(str -> System.out.println(str));
3.4 limit 取前几
// limit testList.stream() .limit(2) .forEach(str -> System.out.println(str));
3.5 sorted 排序
// sorted 排序 List<Integer> integerList = Arrays.asList(1, 6, 5, 4, 2, 3); integerList.stream() .sorted()//正序 .sorted(Comparator.reverseOrder())//反序 .forEach(num -> System.out.println(num));
3.6 max、min、count
// max、min、count System.out.println("最大的数：" + integerList.stream().max(Integer::compareTo).get()); System.out.println("最小的数：" + integerList.stream().min(Integer::compareTo).get()); System.out.println("集合长度：" + integerList.stream().count());
3.7 map 对集合中的元素进行特定的操作
// map 对集合中的元素进行特定的操作 integerList.stream() .map(num -> num + 10) .forEach(num -> System.out.println(num));
3.8 reduce 将所有的元素按照传入的逻辑进行处理，并且会把结果合并成一个值进行返回
// reduce 将所有的元素按照传入的逻辑进行处理，并且会把结果合并成一个值进行返回 System.out.println("集合中的元素求和为：" + integerList.stream().reduce((sum, num) -> sum + num).get());
3.9 collection 基于目标集合生成新的数组
// collection 基于目标集合生成新的数组 List<Integer> collectList = integerList.stream() .filter(num -> num % 2 == 0) .collect(Collectors.toList()); System.out.println("偶数集合：" + collectList);
四：使用Stream流对集合进行分页
// 通过流处理进行分页 List<String> subList = denyList.stream() .skip((pageNo-1)*pageSize) // 跳过（第pageNo页-1）*每页多少条 例如：第一页就是跳过0条，第二页跳过1*每页的条数... .limit(pageSize)// 取pageSize条数据 .collect(Collectors.toList());// 将过滤的数据输出成集合
五：对集合中实体中某个字段进行去重
// 使用 List<TopicReplyRecord> filterDistinctList = notUserNameCommentsList.stream() .filter(distinctByKey(TopicReplyRecord::getReply_record_id)) .collect(Collectors.toList()); private static <T> Predicate<T> distinctByKey(Function<? super T, Object> keyExtractor) { ConcurrentHashMap<Object, Boolean> map = new ConcurrentHashMap<>(); return t -> map.putIfAbsent(keyExtractor.apply(t), Boolean.TRUE) == null; }
六：Stream流性能分析与使用建议
6.1 性能分析
1.在少数据量的处理场景中（size <= 1000）
stream 的处理效率是不如传统的 iterator 外部迭代器处理速度快的，但是实际上这些处理任务本身运行时间都低于毫秒，这点效率的差距对普通业务几乎没有影响，反而 stream 可以使得代码更加简洁；
2.在大量数据（size > 10000）
stream 的处理效率会高于 iterator，特别是使用了并行流，在 cpu 恰好将线程分配到多个核心的条件下（当然 parallel stream 底层使用的是 JVM 的 ForkJoinPool，这东西分配线程本身就很玄学），可以达到一个很高的运行效率，然而实际普通业务一般不会有需要迭代高于 10000 次的计算；
Parallel Stream （并行流）
Parallel Stream 受引 CPU 环境影响很大，当没分配到多个 cpu 核心时，加上引用 forkJoinPool 的开销，运行效率可能还不如普通的 Stream；
6.2 使用建议
1.简单的迭代逻辑，可以直接使用 iterator，对于有多步处理的迭代逻辑，可以使用 stream，损失一点几乎没有的效率，换来代码的高可读性是值得的；
2.单核 cpu 环境，不推荐使用 parallel stream，在多核 cpu 且有大数据量的条件下，推荐使用 paralle stream；
stream 中含有装箱类型，在进行中间操作之前，最好转成对应的数值流，减少由于频繁的拆箱、装箱造成的性能损失。
