還看不懂同事的代碼？超強的 Stream 流操作姿勢還不學習一下

前言

我們都知道 Lambda 和 Stream 是 Java 8 的兩大亮點功能，在前面的文章裡已經介紹過 Lambda 相關知識，這次介紹下 Java 8 的 Stream 流操作。它完全不同於 java.io 包的 Input/Output Stream ，也不是大數據實時處理的 Stream 流。這個 Stream 流操作是 Java 8 對集合操作功能的增強，專注於對集合的各種高效、便利、優雅的聚合操作。藉助於 Lambda 表達式，顯著的提高編程效率和可讀性。且 Stream 提供了並行計算模式，可以簡潔的編寫出並行代碼，能充分發揮如今計算機的多核處理優勢。

在使用 Stream 流操作之前你應該先了解 Lambda 相關知識，如果還不瞭解，可以參考之前文章：還看不懂同事的代碼？Lambda 表達式、函數接口瞭解一下 。

1. Stream 流介紹

Stream 不同於其他集合框架，它也不是某種數據結構，也不會保存數據，但是它負責相關計算，使用起來更像一個高級的迭代器。在之前的迭代器中，我們只能先遍歷然後在執行業務操作，而現在只需要指定執行什麼操作， Stream 就會隱式的遍歷然後做出想要的操作。另外 Stream 和迭代器一樣的只能單向處理，如同奔騰長江之水一去而不復返。

由於 Stream 流提供了惰性計算和並行處理的能力，在使用並行計算方式時數據會被自動分解成多段然後並行處理，最後將結果彙總。所以 Stream 操作可以讓程序運行變得更加高效。

2. Stream 流概念

Stream 流的使用總是按照一定的步驟進行，可以抽象出下面的使用流程。

數據源（source） -> 數據處理/轉換（intermedia） -> 結果處理（terminal ）

2.1. 數據源

數據源（source）也就是數據的來源，可以通過多種方式獲得 Stream 數據源，下面列舉幾種常見的獲取方式。

• Collection.stream(); 從集合獲取流。
• Collection.parallelStream(); 從集合獲取並行流。
• Arrays.stream(T array) or Stream.of(); 從數組獲取流。
• BufferedReader.lines(); 從輸入流中獲取流。
• IntStream.of() ; 從靜態方法中獲取流。
• Stream.generate(); 自己生成流

2.2. 數據處理

數據處理/轉換（intermedia）步驟可以有多個操作，這步也被稱為intermedia（中間操作）。在這個步驟中不管怎樣操作，它返回的都是一個新的流對象，原始數據不會發生任何改變，而且這個步驟是惰性計算處理的，也就是說只調用方法並不會開始處理，只有在真正的開始收集結果時，中間操作才會生效，而且如果遍歷沒有完成，想要的結果已經獲取到了（比如獲取第一個值），會停止遍歷，然後返回結果。惰性計算可以顯著提高運行效率。

數據處理演示。

@Test
public void streamDemo(){
 List<string> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");
 // 1. 篩選出名字長度為4的
 // 2. 名字前面拼接 This is
 // 3. 遍歷輸出
 nameList.stream()
 .filter(name -> name.length() == 4)
 .map(name -> "This is "+name)
 .forEach(name -> System.out.println(name));
}
// 輸出結果
// This is Jack 

// This is Poul/<string>

數據處理/轉換操作自然不止是上面演示的過濾 filter 和 map映射兩種，另外還有 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等。

2.3. 收集結果

結果處理（terminal ）是流處理的最後一步，執行完這一步之後流會被徹底用盡，流也不能繼續操作了。也只有到了這個操作的時候，流的數據處理/轉換等中間過程才會開始計算，也就是上面所說的惰性計算。結果處理也必定是流操作的最後一步。

常見的結果處理操作有 forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator 等。

下面演示了簡單的結果處理的例子。

/**
 * 轉換成為大寫然後收集結果，遍歷輸出
 */
@Test
public void toUpperCaseDemo() {
 List<string> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");
 List<string> upperCaseNameList = nameList.stream()
 .map(String::toUpperCase)
 .collect(Collectors.toList());
 upperCaseNameList.forEach(name -> System.out.println(name + ","));
}
// 輸出結果
// DARCY,CHRIS,LINDA,SID,KIM,JACK,POUL,PETER,/<string>/<string>

有一種 Stream 操作被稱作 short-circuiting ，它是指當 Stream 流無限大但是需要返回的 Stream 流是有限的時候，而又希望它能在有限的時間內計算出結果，那麼這個操作就被稱為short-circuiting。例如　findFirst　操作。

3. Stream 流使用

Stream 流在使用時候總是藉助於 Lambda 表達式進行操作，Stream 流的操作也有很多種方式，下面列舉的是常用的 11 種操作。

3.1. Stream 流獲取

獲取 Stream 的幾種方式在上面的 Stream 數據源裡已經介紹過了，下面是針對上面介紹的幾種獲取 Stream 流的使用示例。

@Test
public void createStream() throws FileNotFoundException {
 List<string> nameList = Arrays.asList("Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter");
 String[] nameArr = {"Darcy", "Chris", "Linda", "Sid", "Kim", "Jack", "Poul", "Peter"};
 // 集合獲取 Stream 流
 Stream<string> nameListStream = nameList.stream();
 // 集合獲取並行 Stream 流
 Stream<string> nameListStream2 = nameList.parallelStream();
 // 數組獲取 Stream 流
 Stream<string> nameArrStream = Stream.of(nameArr); 

 // 數組獲取 Stream 流
 Stream<string> nameArrStream1 = Arrays.stream(nameArr);
 // 文件流獲取 Stream 流
 BufferedReader bufferedReader = new BufferedReader(new FileReader("README.md"));
 Stream<string> linesStream = bufferedReader.lines();
 // 從靜態方法獲取流操作
 IntStream rangeStream = IntStream.range(1, 10);
 rangeStream.limit(10).forEach(num -> System.out.print(num+","));
 System.out.println();
 IntStream intStream = IntStream.of(1, 2, 3, 3, 4);
 intStream.forEach(num -> System.out.print(num+","));
}/<string>/<string>/<string>/<string>/<string>/<string>

3.2. forEach

forEach 是 Strean 流中的一個重要方法，用於遍歷 Stream 流，它支持傳入一個標準的 Lambda 表達式。但是它的遍歷不能通過 return/break 進行終止。同時它也是一個 terminal 操作，執行之後 Stream 流中的數據會被消費掉。

如輸出對象。

List<integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
numberList.stream().forEach(number -> System.out.println(number+","));
// 輸出結果
// 1,2,3,4,5,6,7,8,9,/<integer>

3.3. map / flatMap

使用 map 把對象一對一映射成另一種對象或者形式。

/**
 * 把數字值乘以2
 */
@Test
public void mapTest() {
 List<integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9); 

 // 映射成 2倍數字
 List<integer> collect = numberList.stream()
 .map(number -> number * 2)
 .collect(Collectors.toList());
 collect.forEach(number -> System.out.print(number + ","));
 System.out.println();

 numberList.stream()
 .map(number -> "數字 " + number + ",")
 .forEach(number -> System.out.println(number));
}
// 輸出結果
// 2,4,6,8,10,12,14,16,18,
// 數字 1,數字 2,數字 3,數字 4,數字 5,數字 6,數字 7,數字 8,數字 9,/<integer>/<integer>

上面的 map 可以把數據進行一對一的映射，而有些時候關係可能不止 1對 1那麼簡單，可能會有1對多。這時可以使用 flatMap。下面演示使用 flatMap把對象扁平化展開。

/**
 * flatmap把對象扁平化
 */
@Test
public void flatMapTest() {
 Stream<list>> inputStream = Stream.of(
 Arrays.asList(1),
 Arrays.asList(2, 3),
 Arrays.asList(4, 5, 6)
 );
 List<integer> collect = inputStream
 .flatMap((childList) -> childList.stream())
 .collect(Collectors.toList());
 collect.forEach(number -> System.out.print(number + ","));
}
// 輸出結果
// 1,2,3,4,5,6,/<integer>/<list>

3.4. filter

使用 filter 進行數據篩選，挑選出想要的元素，下面的例子演示怎麼挑選出偶數數字。

/**
 * filter 數據篩選
 * 篩選出偶數數字
 */
@Test
public void filterTest() {
 List<integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
 List<integer> collect = numberList.stream()
 .filter(number -> number % 2 == 0)
 .collect(Collectors.toList());
 collect.forEach(number -> System.out.print(number + ","));
}/<integer>/<integer>

得到如下結果。

2,4,6,8,

3.5. findFirst

findFirst 可以查找出 Stream 流中的第一個元素，它返回的是一個 Optional 類型，如果還不知道 Optional 類的用處，可以參考之前文章 Jdk14都要出了，還不能使用 Optional優雅的處理空指針？ 。

/**
 * 查找第一個數據
 * 返回的是一個 Optional 對象
 */
@Test
public void findFirstTest(){
 List<integer> numberList = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
 Optional<integer> firstNumber = numberList.stream()
 .findFirst();
 System.out.println(firstNumber.orElse(-1));
}
// 輸出結果
// 1/<integer>/<integer>

findFirst 方法在查找到需要的數據之後就會返回

3.6. collect / toArray

Stream 流可以輕鬆的轉換為其他結構，下面是幾種常見的示例。

 /**
 * Stream 轉換為其他數據結構
 */
@Test
public void collectTest() {
 List<integer> numberList = Arrays.asList(1, 1, 2, 2, 3, 3, 4, 4, 5);
 // to array
 Integer[] toArray = numberList.stream()
 .toArray(Integer[]::new);
 // to List
 List<integer> integerList = numberList.stream()
 .collect(Collectors.toList());
 // to set
 Set<integer> integerSet = numberList.stream()
 .collect(Collectors.toSet());
 System.out.println(integerSet);
 // to string
 String toString = numberList.stream()
 .map(number -> String.valueOf(number))
 .collect(Collectors.joining()).toString();
 System.out.println(toString);
 // to string split by ,
 String toStringbJoin = numberList.stream()
 .map(number -> String.valueOf(number))
 .collect(Collectors.joining(",")).toString();
 System.out.println(toStringbJoin);
}
// 輸出結果
// [1, 2, 3, 4, 5]
// 112233445
// 1,1,2,2,3,3,4,4,5/<integer>/<integer>/<integer>

3.7. limit / skip

獲取或者扔掉前 n 個元素

/**
 * 獲取 / 扔掉前 n 個元素
 */
@Test
public void limitOrSkipTest() {
 // 生成自己的隨機數流
 List<integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);
 ageList.stream()
 .limit(3)
 .forEach(age -> System.out.print(age+","));
 System.out.println();
 
 ageList.stream()
 .skip(3)
 .forEach(age -> System.out.print(age+","));
}
// 輸出結果
// 11,22,13,
// 14,25,26,/<integer>

3.8. Statistics

數學統計功能，求一組數組的最大值、最小值、個數、數據和、平均數等。

/**
 * 數學計算測試
 */
@Test
public void mathTest() {
 List<integer> list = Arrays.asList(1, 2, 3, 4, 5, 6);
 IntSummaryStatistics stats = list.stream().mapToInt(x -> x).summaryStatistics();
 System.out.println("最小值：" + stats.getMin());
 System.out.println("最大值：" + stats.getMax());
 System.out.println("個數：" + stats.getCount());
 System.out.println("和：" + stats.getSum());
 System.out.println("平均數：" + stats.getAverage()); 

}
// 輸出結果
// 最小值：1
// 最大值：6
// 個數：6
// 和：21
// 平均數：3.5/<integer>

3.9. groupingBy

分組聚合功能，和數據庫的 Group by 的功能一致。

/**
 * groupingBy
 * 按年齡分組
 */
@Test
public void groupByTest() {
 List<integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);
 Map<string>> ageGrouyByMap = ageList.stream() 
 .collect(Collectors.groupingBy(age -> String.valueOf(age / 10)));
 ageGrouyByMap.forEach((k, v) -> {
 System.out.println("年齡" + k + "0多歲的有：" + v);
 });
}
// 輸出結果
// 年齡10多歲的有：[11, 13, 14]
// 年齡20多歲的有：[22, 25, 26]/<string>/<integer>

3.10. partitioningBy

/**
 * partitioningBy
 * 按某個條件分組
 * 給一組年齡，分出成年人和未成年人
 */
public void partitioningByTest() { 

 List<integer> ageList = Arrays.asList(11, 22, 13, 14, 25, 26);
 Map<boolean>> ageMap = ageList.stream()
 .collect(Collectors.partitioningBy(age -> age > 18));
 System.out.println("未成年人：" + ageMap.get(false));
 System.out.println("成年人：" + ageMap.get(true));
}
// 輸出結果
// 未成年人：[11, 13, 14]
// 成年人：[22, 25, 26]/<boolean>/<integer>

3.11. 進階 - 自己生成 Stream 流

/**
 * 生成自己的 Stream 流
 */
@Test
public void generateTest(){
 // 生成自己的隨機數流
 Random random = new Random();
 Stream<integer> generateRandom = Stream.generate(random::nextInt);
 generateRandom.limit(5).forEach(System.out::println);
 // 生成自己的 UUID 流
 Stream<uuid> generate = Stream.generate(UUID::randomUUID);
 generate.limit(5).forEach(System.out::println);
}

// 輸出結果
// 793776932
// -2051545609
// -917435897
// 298077102
// -1626306315
// 31277974-841a-4ad0-a809-80ae105228bd
// f14918aa-2f94-4774-afcf-fba08250674c
// d86ccefe-1cd2-4eb4-bb0c-74858f2a7864
// 4905724b-1df5-48f4-9948-fa9c64c7e1c9
// 3af2a07f-0855-455f-a339-6e890e533ab3/<uuid>/<integer>

上面的例子中 Stream 流是無限的，但是獲取到的結果是有限的，使用了 Limit 限制獲取的數量，所以這個操作也是 short-circuiting 操作。

4. Stream 流優點

4.1. 簡潔優雅

正確使用並且正確格式化的 Stream 流操作代碼不僅簡潔優雅，更讓人賞心悅目。下面對比下在使用 Stream 流和不使用 Stream 流時相同操作的編碼風格。

/**
 * 使用流操作和不使用流操作的編碼風格對比
 */
@Test
public void diffTest() {
 // 不使用流操作
 List<string> names = Arrays.asList("Jack", "Jill", "Nate", "Kara", "Kim", "Jullie", "Paul", "Peter");
 // 篩選出長度為4的名字
 List<string> subList = new ArrayList<>();
 for (String name : names) {
 if (name.length() == 4) {
 subList.add(name);
 }
 }
 // 把值用逗號分隔
 StringBuilder sbNames = new StringBuilder();
 for (int i = 0; i < subList.size() - 1; i++) {
 sbNames.append(subList.get(i));
 sbNames.append(", ");
 }
 // 去掉最後一個逗號
 if (subList.size() > 1) {
 sbNames.append(subList.get(subList.size() - 1));
 } 

 System.out.println(sbNames);
}
// 輸出結果
// Jack, Jill, Nate, Kara, Paul/<string>/<string>

如果是使用 Stream 流操作。

// 使用 Stream 流操作
String nameString = names.stream()
 .filter(num -> num.length() == 4)
 .collect(Collectors.joining(", "));
System.out.println(nameString);

4.2. 惰性計算

上面有提到，數據處理/轉換（intermedia） 操作 map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 等這些操作，在調用方法時並不會立即調用，而是在真正使用的時候才會生效，這樣可以讓操作延遲到真正需要使用的時刻。

下面會舉個例子演示這一點。

 /**
 * 找出偶數
 */
 @Test
 public void lazyTest() {
 // 生成自己的隨機數流
 List<integer> numberLIst = Arrays.asList(1, 2, 3, 4, 5, 6);
 // 找出偶數
 Stream<integer> integerStream = numberLIst.stream()
 .filter(number -> {
 int temp = number % 2;
 if (temp == 0 ){
 System.out.println(number);
 }
 return temp == 0;
 }); 


 System.out.println("分割線");
 List<integer> collect = integerStream.collect(Collectors.toList());
 }/<integer>/<integer>/<integer>

如果沒有 惰性計算，那麼很明顯會先輸出偶數，然後輸出 分割線。而實際的效果是。

分割線
2
4
6

可見 惰性計算 把計算延遲到了真正需要的時候。

4.3. 並行計算

獲取 Stream 流時可以使用 parallelStream 方法代替 stream 方法以獲取並行處理流，並行處理可以充分的發揮多核優勢，而且不增加編碼的複雜性。

下面的代碼演示了生成一千萬個隨機數後，把每個隨機數乘以2然後求和時，串行計算和並行計算的耗時差異。

 /**
 * 並行計算
 */
 @Test
 public void main() {
 // 生成自己的隨機數流，取一千萬個隨機數
 Random random = new Random();
 Stream<integer> generateRandom = Stream.generate(random::nextInt);
 List<integer> numberList = generateRandom.limit(10000000).collect(Collectors.toList());
 

 // 串行 - 把一千萬個隨機數，每個隨機數 * 2 ，然後求和
 long start = System.currentTimeMillis();
 int sum = numberList.stream()
 .map(number -> number * 2)
 .mapToInt(x -> x)
 .sum();
 long end = System.currentTimeMillis();
 System.out.println("串行耗時："+(end - start)+"ms，和是:"+sum);

 // 並行 - 把一千萬個隨機數，每個隨機數 * 2 ，然後求和
 start = System.currentTimeMillis();
 sum = numberList.parallelStream()
 .map(number -> number * 2)
 .mapToInt(x -> x)
 .sum();
 end = System.currentTimeMillis();
 System.out.println("並行耗時："+(end - start)+"ms，和是:"+sum);
 }/<integer>/<integer>

得到如下輸出。

串行耗時：1005ms，和是:481385106
並行耗時：47ms，和是:481385106

效果顯而易見，代碼簡潔優雅。

5. Stream 流建議

5.1 保證正確排版

從上面的使用案例中，可以發現使用 Stream 流操作的代碼非常簡潔，而且可讀性更高。但是如果不正確的排版，那麼看起來將會很糟糕，比如下面的同樣功能的代碼例子，多幾層操作呢，是不是有些讓人頭大？

// 不排版
String string = names.stream().filter(num -> num.length() == 4).map(name -> name.toUpperCase()).collect(Collectors.joining(","));
// 排版
String string = names.stream()
 .filter(num -> num.length() == 4)
 .map(name -> name.toUpperCase())
 .collect(Collectors.joining(","));

5.1 保證函數純度

如果想要你的 Stream 流對於每次的相同操作的結果都是相同的話，那麼你必須保證 Lambda 表達式的純度，也就是下面亮點。

• Lambda 中不會更改任何元素。
• Lambda 中不依賴於任何可能更改的元素。

這兩點對於保證函數的冪等非常重要，不然你程序執行結果可能會變得難以預測，就像下面的例子。

@Test
public void simpleTest(){
 List<integer> numbers = Arrays.asList(1, 2, 3);
 int[] factor = new int[] { 2 };
 Stream<integer> stream = numbers.stream()
 .map(e -> e * factor[0]);
 factor[0] = 0;
 stream.forEach(System.out::println);
}
// 輸出結果
// 0
// 0
// 0/<integer>/<integer>

閱讀更多 程序員界的彭于晏 的文章

關鍵字: 數據結構 電腦 大數據