【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

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：
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：

@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：

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：

[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：

[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：

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：

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：

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：

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：

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：

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：

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：

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：

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：

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

原文转载：http://www.shaoqun.com/a/504749.html

跨境电商：https://www.ikjzd.com/

tenso：https://www.ikjzd.com/w/1552.html

blackbird：https://www.ikjzd.com/w/950

【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
拍怕：拍怕
easybuy：easybuy
2019跨境大卖日历+亚马逊开店指导手册：2019跨境大卖日历+亚马逊开店指导手册
亚马逊开店前期转化少吗？应该怎样提高产品销量？：亚马逊开店前期转化少吗？应该怎样提高产品销量？
暑假去冰岛旅游前需要知道些什么：暑假去冰岛旅游前需要知道些什么

郑少群博客

2021年1月2日星期六

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

2021年1月2日星期六

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

4）limit（）返回前n个元素