【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『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。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：

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：

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：

@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：

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：

@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：

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：

@Override
   public int compareTo(User o) {
       return age.compareTo(o.getAge());
   }

@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。

@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：

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：

@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：

@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：

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：

@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：

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。

@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。

@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：

@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：

@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：

@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

@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

@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

@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：

队员人数为：6

2）得到某一属性的最大最小值

@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

@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：

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

@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

@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。

@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

@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：

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：

@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：

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

@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。

南国薏米

Java 8 Stream实践

壹. Stream理解

贰. Stream流程

叁. API实践

3.1过滤

1）filter 过滤(T-> boolean)

2）distinct 去重

3）sorted排序

4）limit（）返回前n个元素

5）skip

6）组合使用

3.2 映射

1）map(T->R)

2）flatMap(T -> Stream)

3.3 查找

1）allMatch（T->boolean）

2）anyMatch（T->boolean）

3）noneMatch(T -> boolean)

4）findFirst( ):找到第一个元素

5）findAny():找到任意一个元素

3.4 归纳计算

1）求队员的总人数

2）得到某一属性的最大最小值

3）求年龄总和是多少

4）求年龄平均值

5）一次性得到元素的个数、总和、最大值、最小值

6）字符串拼接

3.5 分组

1）可以根据队员的年龄进行分组

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

3）partitioningBy 分区

壹. Stream理解

贰. Stream流程

叁. API实践

3.1过滤

1）filter 过滤(T-> boolean)

2）distinct 去重

3）sorted排序

4）limit（） 返回前n个元素

5）skip

6）组合使用

3.2 映射

1）map(T->R)

2）flatMap(T -> Stream)

3.3 查找

1）allMatch（T->boolean）

2）anyMatch（T->boolean）

3）noneMatch(T -> boolean)

4）findFirst( ):找到第一个元素

5）findAny():找到任意一个元素

3.4 归纳计算

1）求队员的总人数

2）得到某一属性的最大最小值

3）求年龄总和是多少

4）求年龄平均值

5）一次性得到元素的个数、总和、最大值、最小值

6）字符串拼接

3.5 分组

1）可以根据队员的年龄进行分组

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

3）partitioningBy 分区

4）limit（）返回前n个元素