JAVA 8入门（二）流

Posted on Edited on Views: Valine:

1.简单使用

书接上回，我们这一讲要讨论 JAVA 8 的新的 API 流。如果我们有这样一个需求，需要挑选出菜谱里面卡路里小于1000，且卡路里排名前三的菜品的名称。

如果使用JAVA 7的传统写法我们应该这样写：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
public List<String> findDish(List<Dish> menu){
    List<Dish> lowCaloricDishes = new ArrayList<>();
    for (Dish dish : lowCaloricDishes) {
        if(dish.getCalories() < 1000 ){
            lowCaloricDishes.add(dish);
        }
    }

    Collections.sort(lowCaloricDishes, new Comparator<Dish>() {
        @Override
        public int compare(Dish o1, Dish o2) {
            return Integer.compare(o1.getCalories(),o2.getCalories());
        }
    });

    List<Dish> result = lowCaloricDishes.subList(0,3);
    List<String> resultName = new ArrayList<>();

    for (Dish dish : result) {
        resultName.add(dish.getName());
    }
    return resultName;
}

通过上面的例子我们可以看到我们使用了很多的中间变量，来存储中介结果，lowCaloricDishes、result、resultName。相当繁琐。如果我们使用 JAVA 8的流的方式来实现代码是这样的:

1
2
3
4
5
6
7
8
9
10
11
12
13
14

public List<String> findDishWithSteam(List<Dish> menu){


    List<String> resultName = menu.stream()
            .filter(dish -> dish.getCalories()<1000)
            .sorted(Comparator.comparing(Dish::getCalories))
            .limit(3)
            .map(Dish::getName)
            .collect(Collectors.toList());

    return resultName;
}

如果我们把 steam() 变换为 parallelStream()，整个操作就变成并行的。代码十分优雅，想到每天我们处理那么多的集合，反正我已经迫不及待的想使用上`JAVA 8了。

2. 流的定义

到底什么是流？书上给的定义是 “从支持数据处理操作的源生成的元素序列”。

  • 元素序列 和集合一样，我们可以理解为是一堆有序的值。但是集合侧重的是数据，流侧重的是计算。
  • 源 流会使用一个提供数据的源。比如 menu.stream()中，meun就是这个流的源。
  • 数据处理操作 流的数据处理功能类似，数据库的操作，同时也支持函数式编程中的操作。

我们看看接口java.util.stream.Stream都有一些什么方法：

stea

我们可以看到，之前我们在上一个例子里面使用的方法，filter()，sorted()，limit()，map() 的返回值也是一个流Stream，也就是说我们可以，把所有的操作串起来。这个是流的一个特点流水线

还有一个特点就是内部迭代，与集合的迭代不同，流的迭代不是显式的迭代。

3. 流的基本操作

1. 筛选和切片

  1. 筛选filter()

    所谓筛选就是找出符合条件的元素，filter()接受一个返回boolean类型的函数。
    比如：

    1
    filter(dish -> dish.getCalories()<1000)

  2. 去重distinct()

    去重的方法我们可以类比SQL 语句中的 distinct

  3. 截断limit()

    同样类似 SQL里面的 limit，接受一个 Long 值。返回流中的前n个元素。

  4. 跳过skip()

    跳过前n个元素。很好理解

2. 映射

  1. map()

    map对流中的每一个元素应用函数，可以理解为将元素转化为另一个元素。

    1
    .map(Dish::getName)

  2. flatmap()

    flatmap方法就是把流中的每一个元素都装换为另外一个流，然后合并为一个流。

    1
    2
    3
    4
    5

    List<List<String>> lists = new ArrayList<>();
        lists.add(Arrays.asList("apple", "click"));
        lists.add(Arrays.asList("boss", "dig", "qq", "vivo"));
        lists.add(Arrays.asList("c#", "biezhi"));

找出所有大于两个字符的元素：

1
2
3
4
lists.stream()
    .flatMap(Collection::stream)
    .filter(str -> str.length() > 2)
    .count();

3. 查找匹配

match、anyMatch、allMatch、noneMatch
以上方法都能返回一个boolean类型。

1
boolean hasLowCalories = mune.stream().anyMatch(dish -> dish.getCalories()<1000)

4. 归约

reduce(T，BinaryOperator<T>)

reduce 操作是 反复结合每一个元素，直到流被归约成一个值。其中：

  • T 指的是初始值；
  • BinaryOperator<T> 两个元素结合起来获得一个元素，举个例子：
    Lamdba: (a,b)-> a + b。

所以给定一个 List<Integer> 计算出和所有int 的和：

1
int sum = list.stream().reduce(0,(a,b)-> a + b);

或者:

1
int sum = list.stream().reduce(0,Integer::sum);

5. 收集数据

一顿操作之后，我们需要把数据收集起来。就需要使用collect()方法。

1
2
Map<String, Integer> map = meun.stream()
        .collect(Collectors.toMap(Dish::getName, Dish::getCalories));