简洁方便的集合处理——Java 8 stream流

背景

java 8已经发行好几年了，前段时间java 12也已经问世，但平时的工作中，很多项目的环境还停留在java1.7中。而且java8的很多新特性都是革命性的，比如各种集合的优化、lambda表达式等，所以我们还是要去了解java8的魅力。

今天我们来学习java8的Stream，并不需要理论基础，直接可以上手去用。

我接触stream的原因，是我要搞一个用户收入消费的数据分析。起初的统计筛选分组都是打算用sql语言直接从mysql里得到结果来展现的。但在操作中我们发现这样频繁地访问数据库，性能会受到很大的影响，分析速度会很慢。所以我们希望能通过访问一次数据库就拿到所有数据，然后放到内存中去进行数据分析统计过滤。

接着，我看了stream的API，发现这就是我想要的。

一、Stream理解

在java中我们称Stream为『流』，我们经常会用流去对集合进行一些流水线的操作。stream就像工厂一样，只需要把集合、命令还有一些参数灌输到流水线中去，就可以加工成得出想要的结果。这样的流水线能大大简洁代码，减少操作。

二、Stream流程

原集合 —> 流  —> 各种操作(过滤、分组、统计) —> 终端操作

Stream流的操作流程一般都是这样的，先将集合转为流，然后经过各种操作，比如过滤、筛选、分组、计算。最后的终端操作，就是转化成我们想要的数据，这个数据的形式一般还是集合，有时也会按照需求输出count计数。下文会一一举例。

三、API功能举例

首先，定义一个用户对象，包含姓名、年龄、性别和籍贯四个成员变量：

import lombok.AllArgsConstructor;
import lombok.Builder;
import lombok.Data;
import lombok.NoArgsConstructor;
import lombok.extern.log4j.Log4j;

@Data
@NoArgsConstructor
@AllArgsConstructor
@Log4j
@Builder
public class User {
    //姓名
    private String name;
    //年龄
    private Integer age;
    //性别
    private Integer sex;
    //所在省市
    private String address;
}

这里用lombok简化了实体类的代码。

然后创建需要的集合数据，也就是源数据：

//1.构建我们的list
List<User> list= Arrays.asList(
        new User("钢铁侠",40,0,"华盛顿"),
        new User("蜘蛛侠",20,0,"华盛顿"),
        new User("赵丽颖",30,1,"湖北武汉市"),
        new User("詹姆斯",35,0,"洛杉矶"),
        new User("李世民",60,0,"山西省太原市"),
        new User("蔡徐坤",20,1,"陕西西安市"),
        new User("葫芦娃的爷爷",70,0,"山西省太原市")
);

3.1 过滤

1）创建流 stream() / parallelStream()

• stream() : 串行流
• parallelStream（）: 并行流

2）filter 过滤(T-> boolean)

比如要过滤年龄在40岁以上的用户，就可以这样写：

List<User> filterList = list.stream().filter(user -> user.getAge() >= 40)
        .collect(toList());

filter里面，->箭头后面跟着的是一个boolean值，可以写任何的过滤条件，就相当于sql中where后面的东西，换句话说，能用sql实现的功能这里都可以实现

打印结果：

3）distinct 去重

和sql中的distinct关键字很相似。为了看到效果，此处在原集合中加入一个重复的人，就选择钢铁侠吧，复联4钢铁侠不幸遇害，大家还是比较伤心的。

List<User> list= Arrays.asList(
        new User("钢铁侠",40,0,"华盛顿"),
        new User("钢铁侠",40,0,"华盛顿"),
        new User("蜘蛛侠",20,0,"华盛顿"),
        new User("赵丽颖",30,1,"湖北武汉市"),
        new User("詹姆斯",35,0,"洛杉矶"),
        new User("李世民",60,0,"山西省太原市"),
        new User("蔡徐坤”,18,1,"陕西西安市"),
        new User("葫芦娃的爷爷",70,0,"山西省太原市")
);

//distinct 去重
List<User> distinctList = filterList.stream().distinct()
        .collect(toList());

打印结果：

4）sorted排序

如果流中的元素的类实现了 Comparable 接口，即有自己的排序规则，那么可以直接调用 sorted() 方法对元素进行排序，如：

Comparator.comparingInt

反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。

//sorted()
List<User> sortedList = distinctList.stream().sorted(Comparator.comparingInt(User::getAge))
        .collect(toList());

打印结果：

结果按照年龄从小到大进行排序。

5）limit（） 返回前n个元素

如果想知道这里面年龄最小的是谁，可作如下操作：

//limit 返回前n个元素
List<User> limitList = sortedList.stream().limit(1)
        .collect(toList());

6）skip()

与limit恰恰相反，skip的意思是跳过，也就是去除前n个元素。

打印结果：

果然，前两个人都被去除了，只剩下最老的葫芦娃爷爷。

3.2 映射

1）map(T->R)

map是将T类型的数据转为R类型的数据，比如我们想要设置一个新的list，存储用户所有的城市信息。

//map(T->R)
List<String> cityList = list.stream().map(User::getAddress).distinct().collect(toList());

打印结果：

2）flatMap(T -> Stream)

将流中的每一个元素 T 映射为一个流，再把每一个流连接成为一个流。

//flatMap(T -> Stream<R>)
List<String> flatList = new ArrayList<>();
flatList.add("唱,跳");
flatList.add("rape,篮球,music");
flatList = flatList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(toList());

打印结果：

这里原集合中的数据由逗号分割，使用split进行拆分后，得到的是Stream，字符串数组组成的流，要使用flatMap的

Arrays::stream

将Stream转为Stream,然后把流相连接，组成了完整的唱、跳、rap、篮球和music。

3.3 查找

1）allMatch（T->boolean）

检测是否全部满足参数行为，假如这些用户是网吧上网的用户名单，那就需要检查是不是每个人都年满18周岁了。

boolean isAdult = list.stream().allMatch(user -> user.getAge() >= 18);

打印结果：

true

2）anyMatch（T->boolean）

检测是否有任意元素满足给定的条件，比如，想知道同学名单里是否有女生。

//anyMatch(T -> boolean） 是否有任意一个元素满足给定的条件
boolean isGirl = list.stream().anyMatch(user -> user.getSex() == 1);

打印结果：

true

说明集合中有女生存在。

3）noneMatch(T -> boolean)

流中是否有元素匹配给定的 T -> boolean 条件。

比如检测有没有来自巴黎的用户。

boolean isLSJ = list.stream().noneMatch(user -> user.getAddress().contains("巴黎"));

打印结果：

true

打印true说明没有巴黎的用户。

4）findFirst( ):找到第一个元素

Optional<User> fristUser  = list.stream().findFirst();

打印结果：

User(name=钢铁侠, age=40, sex=0, address=华盛顿)

5）findAny():找到任意一个元素

Optional<User> anyUser  = list.stream().findAny();

打印结果：

User(name=钢铁侠, age=40, sex=0, address=华盛顿)

这里我们发现findAny返回的也总是第一个元素，那么为什么还要进行区分呢？因为在并行流 parallelStream() 中找到的确实是任意一个元素。

Optional<User> anyParallelUser  = list.parallelStream().findAny();

打印结果 :

Optional[User(name=李世民, age=60, sex=0, address=山西省太原市)]

3.4 归纳计算

1）求用户的总人数

long count = list.stream().collect(Collectors.counting());

我们可以简写为：

long count = list.stream().count();

运行结果：

8

2）得到某一属性的最大最小值

// 求最大年龄
Optional<User> max = list.stream().collect(Collectors.maxBy(
Comparator.comparing(User::getAge)));

// 求最小年龄
Optional<User> min = list.stream().collect(Collectors.minBy(
Comparator.comparing(User::getAge)));

运行结果：

3）求年龄总和是多少

// 求年龄总和
int totalAge = list.stream().collect(Collectors.summingInt(User::getAge));

运行结果：

313

我们经常会用BigDecimal来记录金钱，假设想得到BigDecimal的总和：

// 获得列表对象金额， 使用reduce聚合函数,实现累加器
BigDecimal sum = myList.stream() .map(User::getMoney)
.reduce(BigDecimal.ZERO,BigDecimal::add);

4）求年龄平均值

//求年龄平均值
double avgAge = list.stream().collect(
Collectors.averagingInt(User::getAge));

运行结果:

39.125

5）一次性得到元素的个数、总和、最大值、最小值

IntSummaryStatistics statistics = list.stream().collect(
Collectors.summarizingInt(User::getAge));

运行结果：

6）字符串拼接

要将用户的姓名连成一个字符串并用逗号分割。

String names = list.stream().map(User::getName)
.collect(Collectors.joining(", "));

运行结果：

钢铁侠, 钢铁侠, 蜘蛛侠, 赵丽颖, 詹姆斯, 李世民, 蔡徐坤, 葫芦娃的爷爷

3.5 分组

在数据库操作中，我们经常通过GROUP BY关键字对查询到的数据进行分组，java8的流式处理也提供了分组的功能。使用Collectors.groupingBy来进行分组。

1）可以根据用户所在城市进行分组

Map<String, List<User>> cityMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress));

结果是一个map，key为不重复的城市名，value为属于该城市的用户列表。已经实现了分组。

2）二级分组，先根据城市分组再根据性别分组

Map<String, Map<Integer, List<User>>> group = list.stream().collect(
        Collectors.groupingBy(User::getAddress, // 一级分组，按所在地区
                Collectors.groupingBy(User::getSex))); // 二级分组，按性别

运行结果：

3）如果仅仅想统计各城市的用户个数是多少，并不需要对应的list

按城市分组并统计人数：

Map<String, Long> cityCountMap = list.stream()
.collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));

运行结果：

4）当然，也可以先进行过滤再分组并统计人数

Map<String,Long> map = list.stream().filter(user -> user.getAge() <= 30)
        .collect(Collectors.groupingBy(User::getAddress,Collectors.counting()));

运行结果：

5）partitioningBy 分区

分区与分组的区别在于，分区是按照 true 和 false 来分的，因此partitioningBy 接受的参数的 lambda 也是 T -> boolean

//根据年龄是否小于等于30来分区
Map<Boolean, List<User>> part = list.stream()
        .collect(partitioningBy(user -> user.getAge() <= 30));

运行结果：

总结

到目前为止，stream的功能我们已经用了很多了，感觉有点眼花缭乱却无所不能，stream能做的事情远远不止这些。

我们可以多学习使用stream，把原来复杂的sql查询，一遍又一遍地for循环的复杂代码重构，让代码更简洁易懂，可读性强。

拓展阅读：Redis专题（1）：构建知识图谱

Redis专题(2)：Redis数据结构底层探秘

作者：杨亨

来源：宜信技术学院