南国薏米

南国不须收薏苡,百年终竟是芭蕉。

0%

Java 8 Stream实践

前面的话】Java中的Stream于1.8版本析出,平时项目中也有用到,今天就系统的来实践一下。下面借用重庆力帆队伍中我个人比较喜欢的球员来操作一波,队员的年龄为了便于展示某些api做了调整,请不要太认真哦。


壹. Stream理解

在java中我们称Stream为『』,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。给我个人的感觉类似JavaScript中的链式函数。

贰. Stream流程

1
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。

叁. API实践

首先,定义一个用户对象,包含姓名、年龄、id三个成员变量:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
package com.eelve.training.entity;

import lombok.*;

import javax.persistence.*;

/**
* @ClassName User
* @Description TDO
* @Author zhao.zhilue
* @Date 2019/6/28 15:21
* @Version 1.0
**/
@Data
@Entity
@Table(name = "user")
@ToString
@NoArgsConstructor
@AllArgsConstructor
@EqualsAndHashCode(exclude={"id","name"})
public class User implements Comparable<User>{
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
@Column(name = "id")
private Integer id;

/**
* Link name.
*/
@Column(name = "name", columnDefinition = "varchar(255) not null")
private String name;

@Column(name = "age")
private Integer age;

public User(String name, Integer age) {
this.name = name;
this.age = age;
}
@Override
public int compareTo(User o) {
return age.compareTo(o.getAge());
}
}

然后在数据库中插入测试数据,见下图:

streamDataSource

3.1过滤

1)filter 过滤(T-> boolean)

假如我们要实现过滤出40岁以下的队员,我们可以这样来实现:

1
2
3
4
5
6
7
8
@Test
public void testUserStreamFilter(){
List<User> userList = userMapper.getALL();
List<User> resultList = userList.stream().filter(user -> user.getAge() <= 40).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}

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
执行结果为:

1
2
3
4
5
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=5, name=隋维杰, age=26)

2)distinct 去重

其用法和sql中的使用类似,假如我们要实现过去除用重复年龄的队员,我们可以这样来实现:

1
2
3
4
5
6
7
8
@Test
public void testUserDistinct(){
List<User> userList = userMapper.getALL();
List<User> resultList = userList.stream().distinct().collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}

执行结果为:

1
2
3
4
5
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=6, name=克鲁伊夫, age=43)

3)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:

1
2
3
4
@Override
public int compareTo(User o) {
return age.compareTo(o.getAge());
}
1
2
3
4
5
6
7
8
@Test
public void testUserStreamSorted(){
List<User> userList = userMapper.getALL();
List<User> resultList = userList.stream().sorted().collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}

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

1
2
3
4
5
6
7
8
@Test
public void testUserStreamSortedWithComparator(){
List<User> userList = userMapper.getALL();
List<User> resultList = userList.stream().sorted(Comparator.comparingInt(User::getAge)).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}

执行结果为:

1
2
3
4
5
6
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=5, name=隋维杰, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=6, name=克鲁伊夫, age=43)

4)limit() 返回前n个元素

如果想知道队伍中年龄最小的就可以使用下面来实现:

1
2
3
4
5
6
7
8
@Test
public void testUserStreamLimit(){
List<User> userList = userMapper.getALL();
List<User> resultList = userList.stream().limit(2).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}

执行结果为:

1
2
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)

5)skip

它的用法和limit正好相反,是去除前面几个元素。
假如我们要去除前面两个元素就可以使用下面的方法来实现:

1
2
3
4
5
6
7
8
@Test
public void testUserStreamSkip(){
List<User> userList = userMapper.getALL();
List<User> resultList = userList.stream().skip(2).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}

执行结果为:

1
2
3
4
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)
User(id=5, name=隋维杰, age=26)
User(id=6, name=克鲁伊夫, age=43)

6)组合使用

以上的过滤函数物品们可以组合来使用来实现我们具体的需求,示例代码如下:

1
2
3
4
5
6
7
8
@Test
public void testUserStreamSortLimit(){
List<User> userList = userMapper.getALL();
List<User> resultList = userList.stream().sorted().limit(5).collect(Collectors.toList());
for (User user : resultList){
System.out.println(user.toString());
}
}

这样我们就可以得到先排序后限制的结果:

1
2
3
4
5
User(id=1, name=费尔南多, age=25)
User(id=2, name=费尔南迪尼奥, age=26)
User(id=5, name=隋维杰, age=26)
User(id=3, name=卡尔德克, age=27)
User(id=4, name=阿德里安, age=28)

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。

1
2
3
4
5
6
@Test
public void testUserStreamMap(){
List<User> userList = userMapper.getALL();
List<Integer> resultList = userList.stream().map(User::getAge).distinct().collect(Collectors.toList());
System.out.println(resultList.toString());
}

这样我们可以得到所有年龄的样本,执行结果为:

1
[25, 26, 27, 28, 43]

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。

1
2
3
4
5
6
7
8
@Test
public void testStreamMap(){
List<String> habitsList = new ArrayList<>();
habitsList.add("唱歌,听歌");
habitsList.add("羽毛球,足球,登山");
habitsList = habitsList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(Collectors.toList());
System.out.println(habitsList);
}

执行结果为:

1
[唱歌, 听歌, 羽毛球, 足球, 登山]

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<String[]>,字符串数组组成的流,要使用flatMap的Arrays::stream,将Stream<String[]>转为Stream,然后把流相连接,组成了完整的唱歌, 听歌, 羽毛球, 足球, 登山。

3.3 查找

1)allMatch(T->boolean)

检测是否全部满足参数行为,假如我们要检测是不是所有队员都是U21的球员:

1
2
3
4
5
6
@Test
public void testUserStreamAllMatch(){
List<User> userList = userMapper.getALL();
boolean isNotU21 = userList.stream().allMatch(user -> user.getAge() >= 21);
System.out.println("是否都不是U21球员:" + isNotU21);
}

执行结果为:

1
是否都不是U21球员:true

2)anyMatch(T->boolean)

检测是否有任意元素满足给定的条件,比如,想知道是否有26岁的球员:

1
2
3
4
5
6
@Test
public void testUserStreamAnyMatch(){
List<User> userList = userMapper.getALL();
boolean isAgeU26 = userList.stream().anyMatch(user -> user.getAge() == 26);
System.out.println("是否有26岁的球员:" + isAgeU26);
}

执行结果为:

1
是否有26岁的球员:true

3)noneMatch(T -> boolean)

流中是否有元素匹配给定的 T -> boolean 条件。比如我们要检测是否含有U18的队员:

1
2
3
4
5
6
@Test
public void testUserStreamNoneMatch(){
List<User> userList = userMapper.getALL();
boolean isNotU18 = userList.stream().noneMatch(user -> user.getAge() <= 18);
System.out.println("是否都不是U18球员:" + isNotU18);
}

执行结果为:

1
是否都不是U18球员:true

说明没有U18的队员。

4)findFirst( ):找到第一个元素

1
2
3
4
5
6
@Test
public void testUserFindFirst(){
List<User> userList = userMapper.getALL();
Optional<User> firstUser = userList.stream().sorted().findFirst();
System.out.println(firstUser.toString());
}

执行结果为:

1
Optional[User(id=1, name=费尔南多, age=25)]

5)findAny():找到任意一个元素

1
2
3
4
5
6
@Test
public void testUserFindAny(){
List<User> userList = userMapper.getALL();
Optional<User> anytUser = userList.parallelStream().sorted().findAny();
System.out.println(anytUser.toString());
}

执行结果为:

1
Optional[User(id=2, name=费尔南迪尼奥, age=26)]

3.4 归纳计算

1)求队员的总人数

1
2
3
4
5
6
@Test
public void testUserCount(){
List<User> userList = userMapper.getALL();
long totalAge = userList.stream().collect(Collectors.counting());
System.out.println("队员人数为:" + totalAge);
}

执行结果为:

1
队员人数为:6

2)得到某一属性的最大最小值

1
2
3
4
5
6
7
8
9
@Test
public void testUserMaxAndMin(){
List<User> userList = userMapper.getALL();
Optional<User> userMaxAge = userList.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge)));
System.out.println("年龄最大的队员为:" + userMaxAge.toString());

Optional<User> userMinAge = userList.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge)));
System.out.println("年龄最小的队员为:" + userMinAge.toString());
}

执行结果为:

1
2
年龄最大的队员为:Optional[User(id=6, name=克鲁伊夫, age=43)]
年龄最小的队员为:Optional[User(id=1, name=费尔南多, age=25)]

3)求年龄总和是多少

1
2
3
4
5
6
@Test
public void testUserSummingInt(){
List<User> userList = userMapper.getALL();
int totalAge = userList.stream().collect(Collectors.summingInt(User::getAge));
System.out.println("年龄总和为:" + totalAge);
}

执行结果为:

1
年龄总和为:175

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

1
2
3
4
5
6
@Test
public void testUserAveragingInt(){
List<User> userList = userMapper.getALL();
Double totalAge = userList.stream().collect(Collectors.averagingInt(User::getAge));
System.out.println("平均年龄为:" + totalAge);
}

执行结果为:

1
平均年龄为:29.166666666666668

5)一次性得到元素的个数、总和、最大值、最小值

1
2
3
4
5
6
@Test
public void testUserSummarizingInt(){
List<User> userList = userMapper.getALL();
IntSummaryStatistics statistics = userList.stream().collect(Collectors.summarizingInt(User::getAge));
System.out.println("年龄的统计结果为:" + statistics );
}

执行结果为:

1
年龄的统计结果为:IntSummaryStatistics{count=6, sum=175, min=25, average=29.166667, max=43}

6)字符串拼接

要将队员的姓名连成一个字符串并用逗号分割。

1
2
3
4
5
6
@Test
public void testUserJoining(){
List<User> userList = userMapper.getALL();
String name = userList.stream().map(User::getName).collect(Collectors.joining(","));
System.out.println("所有的队员名字:" + name );
}

执行结果为:

1
所有的队员名字:费尔南多,费尔南迪尼奥,卡尔德克,阿德里安,隋维杰,克鲁伊夫

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)可以根据队员的年龄进行分组

1
2
3
4
5
6
7
8
@Test
public void testUserGroupingBy(){
List<User> userList = userMapper.getALL();
Map<Integer, List<User>> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge));
for (Map.Entry<Integer,List<User>> entry :ageMap.entrySet()){
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
}

执行结果为:

1
2
3
4
5
key= 25 and value= [User(id=1, name=费尔南多, age=25)]
key= 26 and value= [User(id=2, name=费尔南迪尼奥, age=26), User(id=5, name=隋维杰, age=26)]
key= 43 and value= [User(id=6, name=克鲁伊夫, age=43)]
key= 27 and value= [User(id=3, name=卡尔德克, age=27)]
key= 28 and value= [User(id=4, name=阿德里安, age=28)]

结果是一个map,key为不重复的年龄,value为属于该年龄的队员列表。已经实现了分组。另外我们还可以继续分组得到两次分组的结果。

2)如果仅仅想统计各年龄的队员个数是多少,并不需要对应的list

按年龄分组并统计人数:

1
2
3
4
5
6
7
8
@Test
public void testUserGroupingByCount(){
List<User> userList = userMapper.getALL();
Map<Integer,Long> ageMap = userList.stream().collect(Collectors.groupingBy(User::getAge,Collectors.counting()));
for (Map.Entry<Integer,Long> entry :ageMap.entrySet()){
System.out.println("队员中" + entry.getKey() + "岁的队员人数为:" + entry.getValue());
}
}

执行结果为:

1
2
3
4
5
队员中25岁的队员人数为:1
队员中26岁的队员人数为:2
队员中43岁的队员人数为:1
队员中27岁的队员人数为:1
队员中28岁的队员人数为:1

3)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

1
2
3
4
5
6
7
8
@Test
public void testUserPartitioningBy (){
List<User> userList = userMapper.getALL();
Map<Boolean,List<User>> partitioningByMap = userList.stream().collect(partitioningBy(user -> user.getAge() >= 30));
for (Map.Entry<Boolean,List<User>> entry :partitioningByMap.entrySet()){
System.out.println("key= " + entry.getKey() + " and value= " + entry.getValue());
}
}

执行结果为:

1
2
key= false and value= [User(id=1, name=费尔南多, age=25), User(id=2, name=费尔南迪尼奥, age=26), User(id=3, name=卡尔德克, age=27), User(id=4, name=阿德里安, age=28), User(id=5, name=隋维杰, age=26)]
key= true and value= [User(id=6, name=克鲁伊夫, age=43)]

写在后面的话】留下stream的类实现的方法和依赖图,前面的实践也只是挑选了几个比较常用的Api。

stream


薏米笔记