分组：↓
Map<BigDecimal, Set<String>> result = items.stream().collect( Collectors.groupingBy(Item::getPrice, Collectors.mapping(Item::getName, Collectors.toSet()) ) );
Map<BigDecimal, Set<Object>> result =
items.stream().collect(
Collectors.groupingBy(Item::getPrice)
)
); Set<Map<String, Object>> moduleProjectListGroup = moduleProjectList.stream(). collect(Collectors.groupingBy(e -> e.get("projectName"))).entrySet().stream().map(e -> { Map<String, Object> map = new HashMap<>(); map.put("moduleList", e.getValue()); map.put("projectName", e.getKey()); return map; }).collect(Collectors.toSet()); 其中moduleList是一个List<Map<String,Object>>数据类型
统计：↓
list.stream().mapToDouble(User::getHeight).sum()//和 list.stream().mapToDouble(User::getHeight).max()//最大 list.stream().mapToDouble(User::getHeight).min()//最小 list.stream().mapToDouble(User::getHeight).average()//平均值 其中支持还支持toInt, toLong，若是要统计BigDecimal则可以如下操作： list.stream().map(User::getHeight).reduce(BigDecimal.ZERO, BigDecimal::add);
注意：以上都不会自动过滤null所以在使用的时候要结合filter使用过滤非法数据
归约:↓
reduce（可以实现统计sum，min等操作以及字符串拼接） int totalAge2 = students.stream() .filter(student -> "信息与计算科学".equals(student.getMajor())) .map(Student::getAge) .reduce(0, Integer::sum);
工作流程：过滤出信息与计算科学的学生，并对学生的成绩进行求和
比较：上面的做法和mapToInt效果相同
int totalAge = students.stream() .filter(student -> "计算机科学".equals(student.getMajor())) .mapToInt(Student::getAge).sum();
可以发现reduce的用法适用的范围较广，通过查询资料，sum,min,max以及average等都是特殊的reduce
过滤：↓
1. filter（最基础的过滤操作）:
（List<Student>）list.stream()
.filter(student -> "东华理工大学".equals(student.getSchool()))
工作流程：过滤东华理工大学的学生
2. distinct（带有去重的过滤操作，基于equals操作）：
（List<Integer>）nums.stream() .filter(num -> num % 2 == 0) .distinct() .collect(Collectors.toList());
工作流程：过滤除以2余数为0的数，并且去除重复的值输出，其中distinct是利用Integer的equals实现的
3. limit（过滤并限制输出的集合大小）：
（List<Student>）students.stream() .filter(student -> "信息与计算科学".equals(student.getMajor())) .limit(2) .collect(Collectors.toList());
工作流程：先过滤出信息与计算科学的学生，然后选取前两个输出
4. sorted（过滤并实现排序）：
（List<Student>）students.stream() .filter(student -> "信息与计算科学".equals(student.getMajor())).sorted((s1, s2) -> s1.getAge() - s2.getAge()) .limit(2) .collect(Collectors.toList());
工作流程：先过滤出信息与计算科学的学生，然后根据其年龄升序排序，并输出最前面两个
5. skip（过滤并跳过N个元素取其后面的元素）：
List<Student> civilStudents = students.stream() .filter(student -> "信息与计算科学".equals(student.getMajor())) .skip(2) .collect(Collectors.toList());
工作流程：先过滤出信息与计算科学的学生，然后输出前两个学生之后的学生
映射：↓
1.map（将某个对象映射成其他对象）：
List<String> students.stream() .filter(student -> "信息与计算科学".equals(student.getMajor())) .map(Student::getName).collect(Collectors.toList());
工作流程：将信息与计算科学的学生list映射成名字list
2.flatMap（将一个流中的每个值都转成一个个流，然后再将这些流扁平化成为一个流 ）：
List<String> list = Arrays.asList("hello welcome", "world hello", "hello world",
"hello world welcome");
list.stream()
.flatMap(item -> Arrays.stream(item.split(" ")))
.distinct()
.collect(Collectors.toList())
.forEach(System.out::println);
工作流程：先将每一个元素采用空格切割成一个数组，这样就会得到四个数组，然后将四个数组扁平化成一个数组去重输出
输出结果：hello welcome world
查找：↓
1.allMatch（匹配所有满足条件之后则返回true）:
（List<Sdudent>）students.stream().allMatch(student -> student.getAge() >= 18);
工作流程：集合中所有学生年龄在18岁以上（包含18岁）则返回true否则false
同理有anyMatch（只要一个满足要求就返回true）、noneMatch（没有一个满足要求则返回true）
2.findFirst（返回满足条件的第一个元素）：
List<Student>students.stream().filter(student -> "土木工程".equals(student.getMajor())).findFirst().get();
工作流程：略
同理有findAny（随机返回一个满足条件的元素）
资料参考：
探究原理参考资料：https://juejin.im/post/59c7d4c8f265da0650753328
总结以上参考资料：https://www.cnblogs.com/shenlanzhizun/p/6027042.html
java8中stream详细api参考资料：https://www.ibm.com/developerworks/cn/java/j-lo-java8streamapi/index.html
