引用至：https://gper.club/articles/7e7e7f7ff7g5egcdg63
本文并非原创，是根据网上一些文字总结而来。
Lambda 表达式
Lambda语法
Lambda表达式在Java中引入了一个新的语法元素和操作符->，它将Lambda分成两个部分：
左侧：指定Lambda表达式需要的所有参数；
右侧：指定了Lambda体，即Lambda表达式要执行的功能。
语法格式一：无参，无返回值，Lambda体只需要一条语句
Runnable runnable = () -> System.out.println("Hello World"); runnable.run();
语法格式二：Lambda有一个参数，且无返回值
Consumer<String> com = (x) -> System.out.println(x); com.accept("Hello World");
语法格式三：Lambda有一个参数，参数的小括号可以省略
Consumer<String> com = x -> System.out.println(x); com.accept("Hello World");
语法格式四：Lambda有2个参数，并且有返回值，多条语句时必须加上{}
BinaryOperator<Integer> bi = (x, y) -> { System.out.println("加法"); return x + y; }; Integer apply = bi.apply(23, 45); System.out.println(apply);
语法格式五：当Lambda体只有一条语句时，return与大括号可以省略
语法格式六：Lambda的参数列表的类型可以不写，JVM编辑器可以通过上下文进行”类型推断“
BinaryOperator<Integer> bi = (x, y) -> x + y; System.out.println(bi.apply(20, 30));
函数式接口
只包含一个抽象方法的接口，称为函数式接口。
可以在任意函数式接口上使用@FunctionalInterface注解，这样可以检查此接口是否是一个函数式接口，同时javadoc也会包含一条声明，说明这是一个函数式接口。
@FunctionalInterface public interface ICalculate { //有且只有一个抽象函数 int calculate(int x, int y); //可以有默认方法 default void print(int x, int y) { System.out.println(String.format("[x:%d,y:%d]", x, y)); } //可以有静态方法 static int addition(int x, int y) { return x + y; } public static void main(String[] args) { ICalculate c = (x, y) -> 100 * x + 10 * y; System.out.println(c.calculate(5, 6)); } }
##使用场所
1、替代匿名内部类
//jdk1.8之前 new Thread(new Runnable() { @Override public void run() { System.out.println("jdk1.8 befare"); } }).start(); System.out.println("============================="); //jdk1.8 new Thread(() -> System.out.println("jdk1.8 lambda")).start();
2、对集合进行迭代
List<String> dict = Arrays.asList("java", "C#", "PHP", "C++"); //jdk1.8之前 for (String lang : dict){ System.out.println(lang); } System.out.println("============================="); //jdk1.8 //dict.forEach(lang -> System.out.println(lang)); dict.forEach(System.out::println);
3、对集合进行过滤
jdk1.8之前
//定义过滤接口 public interface FilterProcessor<T> { boolean process(T t); } //实现filter函数 public class Filter<T> { List<T> filter(List<T>list, FilterProcessor fp){ List<T> result = new ArrayList<T>(); for (T t : list){ if (fp.process(t)) result.add(t); } return result; } } //使用匿名内部类实现过滤 List<Integer> cost = Arrays.asList(1, 3, 5, 6, 7, 10, 20, 100); List<Integer> beferFilterCost = new Filter().filter(cost, new FilterProcessor<Integer>() { @Override public boolean process(Integer i) { if (i > 5) return true; return false; } }); beferFilterCost.forEach(System.out::println);
jdk1.8
List<Integer> cost = Arrays.asList(1, 3, 5, 6, 7, 10, 20, 100); List<Integer> filterCost = cost.stream().filter(x -> x > 5).collect(Collectors.toList()); filterCost.forEach(System.out::println);
4、实现map
map函数可以说是函数式编程里最重要的一个方法了。map的作用是将一个对象变换为另外一个。
//将cost增加了0,05倍的大小然后输出 List<Double> cost = Arrays.asList(10.0, 20.0,30.0); cost.stream().map(x -> x + x*0.05).forEach(x -> System.out.println(x));
5、实现reduce
reduce实现的是将所有值合并为一个
jdk1.8之前
List<Double> cost = Arrays.asList(10.0, 20.0,30.0); double sum = 0; for(double each:cost) { each += each * 0.05; sum += each; } System.out.println(sum);
jdk1.8
List<Double> cost = Arrays.asList(10.0, 20.0,30.0); double allCost = cost.stream().map(x -> x+x*0.05).reduce((sum,x) -> sum + x).get(); System.out.println(allCost);
6、与函数式接口Predicate配合
除了在语言层面支持函数式编程风格，Java 8也添加了一个包，叫做java.util.function。它包含了很多类，用来支持Java的函数式编程。其中一个便是Predicate，使用 java.util.function.Predicate 函数式接口以及lambda表达式，可以向API方法添加逻辑，用更少的代码支持更多的动态行为。Predicate接口非常适用于做过滤。
public static void filterTest(List<String> languages, Predicate<String> condition) { languages.stream().filter(x -> condition.test(x)).forEach(x -> System.out.println(x + " ")); } public static void main(String[] args) { List<String> languages = Arrays.asList("Java","Python","scala","Shell","R"); System.out.println("Language starts with J: "); filterTest(languages,x -> x.startsWith("J")); System.out.println("\nLanguage ends with a: "); filterTest(languages,x -> x.endsWith("a")); System.out.println("\nAll languages: "); filterTest(languages,x -> true); System.out.println("\nNo languages: "); filterTest(languages,x -> false); System.out.println("\nLanguage length bigger three: "); filterTest(languages,x -> x.length() > 4); }
Stream
Stream定义
Java 8 中的 Stream 是对集合（Collection）对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。
Stream API 借助于同样新出现的 Lambda 表达式，极大的提高编程效率和程序可读性。
同时它提供串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。
stream总览
Stream 不是集合元素，它不是数据结构并不保存数据，它是有关算法和计算的，它更像一个高级版本的 Iterator。
Stream 就如同一个迭代器（Iterator），单向，不可往复，数据只能遍历一次，遍历过一次后即用尽了，就好比流水从面前流过，一去不复返。
而和迭代器又不同的是，Stream 可以并行化操作，迭代器只能命令式地、串行化操作。
Stream 的另外一大特点是，数据源本身可以是无限的。
stream的构成
当我们使用一个流的时候，通常包括三个基本步骤：
获取一个数据源（source）→ 数据转换→执行操作获取想要的结果，每次转换原有 Stream 对象不改变，返回一个新的 Stream 对象（可以有多次转换），这就允许对其操作可以像链条一样排列，变成一个管道。
有多种方式生成 Stream Source：
- 从Collection和数组
- COllection.steam()
- Collection.parallelStream()
- Arrays.stream(T arrary) or Stream.of()
- 从BufferedReader
- java.io.BuffereReader.lines()
- 静态工厂
- java.util.stream.IntStream.range()
- java.nio.file.Files.walk()
- 自己构建
- java.util.Spliterator
- 其他
- Random.ints()
- BitSet.stream()
- Pattern.splitAsStream(java.lang.CharSequence)
- JarFile.stream()
stream操作类型分为两种：
- Intermediate : 一个流可以后面跟随零个或多个
intermediate操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。 - Terminal : 一个流只能有一个
terminal操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。
还有一种操作被称为 short-circuiting。用以指：
- 对于一个
intermediate操作，如果它接受的是一个无限大（infinite/unbounded）的 Stream，但返回一个有限的新 Stream。 - 对于一个
terminal操作，如果它接受的是一个无限大的 Stream，但能在有限的时间计算出结果。
stream操作示例
int sum = widgets.stream() .filter(w -> w.getColor() == RED) .mapToInt(w -> w.getWeight()) .sum();
stream() 获取当前小物件的 source，filter 和 mapToInt 为 intermediate 操作，进行数据筛选和转换，最后一个 sum() 为 terminal 操作，对符合条件的全部小物件作重量求和。
stream使用详解
简单说，对 Stream 的使用就是实现一个 filter-map-reduce 过程，产生一个最终结果，或者导致一个副作用（side effect）。
stream的构造与转换
构造stream的几种常见方法
// 1. Individual values Stream stream = Stream.of("a", "b", "c"); // 2. Arrays String [] strArray = new String[] {"a", "b", "c"}; stream = Stream.of(strArray); stream = Arrays.stream(strArray); // 3. Collections List<String> list = Arrays.asList(strArray); stream = list.stream();
需要注意的是，对于基本数值型，目前有三种对应的包装类型 Stream：IntStream、LongStream、DoubleStream。
当然我们也可以用 Stream
数据流的构造
IntStream.of(new int[]{1, 2, 3}).forEach(System.out::println); IntStream.range(1, 3).forEach(System.out::println); IntStream.rangeClosed(1, 3).forEach(System.out::println);
stream转换为其它数据结构
// 1. Array String[] strArray1 = stream.toArray(String[]::new); // 2. Collection List<String> list1 = stream.collect(Collectors.toList()); List<String> list2 = stream.collect(Collectors.toCollection(ArrayList::new)); Set set1 = stream.collect(Collectors.toSet()); Stack stack1 = stream.collect(Collectors.toCollection(Stack::new)); // 3. String String str = stream.collect(Collectors.joining()).toString();
一个 Stream 只可以使用一次，上面的代码为了简洁而重复使用了数次。
stream操作
当把一个数据结构包装成 Stream 后，就要开始对里面的元素进行各类操作了。常见的操作可以归类如下。
- Intermediate
- map(mapToInt, flatMap 等)
- filter
- distinct
- sorted
- peek
- limit
- skip
- parallel
- sequential
- unordered
- Terminal
- forEach
- forEachOrdered
- toArray
- reduce
- collect
- min
- max
- count
- anyMatch
- allMatch
- noneMatch
- findFirst
- findAny
- iterator
- Short-circuiting
- anyMatch
- allMatch
- noneMtch
- findFirst
- findAny
- limit
典型用法
转换大写
List<String> output = wordList.stream(). map(String::toUpperCase). collect(Collectors.toList());
平方数
List<Integer> nums = Arrays.asList(1, 2, 3, 4); List<Integer> squareNums = nums.stream(). map(n -> n * n). collect(Collectors.toList());
map生成的是个 1:1 映射，每个输入元素，都按照规则转换成为另外一个元素。
一对多
Stream<List<Integer>> inputStream = Stream.of( Arrays.asList(1), Arrays.asList(2, 3), Arrays.asList(4, 5, 6) ); Stream<Integer> outputStream = inputStream.flatMap((childList) -> childList.stream());
flatMap把 input Stream 中的层级结构扁平化，就是将最底层元素抽出来放到一起，最终 output 的新 Stream 里面已经没有 List 了，都是直接的数字。
filter
//取偶数 Integer[] sixNums = {1, 2, 3, 4, 5, 6}; Integer[] evens = Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new); /** * 挑单词 * 把每行的单词用 flatMap 整理到新的 Stream，然后保留长度不为 0 的，就是整篇文章中的全部单词了 */ List<String> output = reader.lines(). flatMap(line -> Stream.of(line.split(REGEXP))). filter(word -> word.length() > 0). collect(Collectors.toList());
forEach
// Java 8 roster.stream() .filter(p -> p.getGender() == Person.Sex.MALE) .forEach(p -> System.out.println(p.getName())); // Pre-Java 8 for (Person p : roster) { if (p.getGender() == Person.Sex.MALE) { System.out.println(p.getName()); } }
forEach是为 Lambda而设计的，保持了最紧凑的风格。
当需要为多核系统优化时，可以parallelStream().forEach()，只是此时原有元素的次序没法保证，并行的情况下将改变串行时操作的行为，此时 forEach本身的实现不需要调整，而 Java8 以前的 for 循环 code 可能需要加入额外的多线程逻辑。
另外一点需要注意，forEach是 terminal操作，因此它执行后，Stream 的元素就被“消费”掉了，你无法对一个 Stream 进行两次 terminal运算。下面的代码是错误的：
stream.forEach(element -> doOneThing(element)); stream.forEach(element -> doAnotherThing(element));
相反，具有相似功能的 intermediate 操作 peek 可以达到上述目的 。
//peek 对每个元素执行操作并返回一个新的 Stream Stream.of("one", "two", "three", "four") .filter(e -> e.length() > 3) .peek(e -> System.out.println("Filtered value: " + e)) .map(String::toUpperCase) .peek(e -> System.out.println("Mapped value: " + e)) .collect(Collectors.toList());
forEach不能修改自己包含的本地变量值，也不能用 break/return 之类的关键字提前结束循环。
findFirst
这是一个 termimal兼 short-circuiting 操作，它总是返回 Stream 的第一个元素，或者空。
比较重点的是它的返回值类型：Optional。这也是一个模仿 Scala 语言中的概念，作为一个容器，它可能含有某值，或者不包含。使用它的目的是尽可能避免 NullPointerException。
Optional 的两个用例
String strA = " abcd ", strB = null; print(strA); print(""); print(strB); getLength(strA); getLength(""); getLength(strB); public static void print(String text) { // Java 8 Optional.ofNullable(text).ifPresent(System.out::println); // Pre-Java 8 if (text != null) { System.out.println(text); } } public static int getLength(String text) { // Java 8 return Optional.ofNullable(text).map(String::length).orElse(-1); // Pre-Java 8 // return if (text != null) ? text.length() : -1; };
Stream 中的 findAny、max/min、reduce等方法等返回 Optional值。还有例如 IntStream.average() 返回 OptionalDouble等等。
reduce
这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值（种子），然后依照运算规则（BinaryOperator），和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说，字符串拼接、数值的 sum、min、max、average都是特殊的 reduce。
例如 Stream 的 sum 就相当于
Integer sum = integers.reduce(0, (a, b) -> a+b); //或 Integer sum = integers.reduce(0, Integer::sum);
也有没有起始值的情况，这时会把 Stream 的前面两个元素组合起来，返回的是 Optional。
reduce示例
// 字符串连接，concat = "ABCD" String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat); // 求最小值，minValue = -3.0 double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min); // 求和，sumValue = 10, 有起始值 int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum); // 求和，sumValue = 10, 无起始值 sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get(); // 过滤，字符串连接，concat = "ace" concat = Stream.of("a", "B", "c", "D", "e", "F"). filter(x -> x.compareTo("Z") > 0). reduce("", String::concat);
limit/skip
limit返回 Stream 的前面 n 个元素；skip则是扔掉前 n 个元素（它是由一个叫 subStream的方法改名而来）。
public void testLimitAndSkip() { List<Person> persons = new ArrayList(); for (int i = 1; i <= 10000; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<String> personList2 = persons.stream(). map(Person::getName).limit(10).skip(3).collect(Collectors.toList()); System.out.println(personList2); } private class Person { public int no; private String name; public Person (int no, String name) { this.no = no; this.name = name; } public String getName() { System.out.println(name); return name; } }
有一种情况是 limit/skip 无法达到 short-circuiting目的的，就是把它们放在 Stream 的排序操作后，原因跟 sorted 这个 intermediate操作有关：此时系统并不知道 Stream 排序后的次序如何，所以 sorted中的操作看上去就像完全没有被 limit或者 skip一样。
List<Person> persons = new ArrayList(); for (int i = 1; i <= 5; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<Person> personList2 = persons.stream().sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).limit(2).collect(Collectors.toList()); System.out.println(personList2);
输出结果
name2 name1 name3 name2 name4 name3 name5 name4 [stream.StreamDW$Person@816f27d, stream.StreamDW$Person@87aac27]
有一点需要注意的是，对一个 parallel的 Steam 管道来说，如果其元素是有序的，那么 limit操作的成本会比较大，因为它的返回对象必须是前 n 个也有一样次序的元素。取而代之的策略是取消元素间的次序，或者不要用 parallel Stream。
sorted
对 Stream 的排序通过 sorted 进行，它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后，再排序，这能帮助程序明显缩短执行时间。
//优化：排序前进行 limit 和 skip List<Person> persons = new ArrayList(); for (int i = 1; i <= 5; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<Person> personList2 = persons.stream().limit(2).sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList()); System.out.println(personList2);
这种优化是有 business logic 上的局限性的：即不要求排序后再取值。
min/max/distinct
min和 max的功能也可以通过对 Stream 元素先排序，再 findFirst来实现，但前者的性能会更好，为 O(n)，而 sorted的成本是 O(n log n)。同时它们作为特殊的 reduce方法被独立出来也是因为求最大最小值是很常见的操作。
//找出最长一行的长度 BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log")); int longest = br.lines(). mapToInt(String::length). max(). getAsInt(); br.close(); System.out.println(longest); //找出全文的单词，转小写，并排序 List<String> words = br.lines(). flatMap(line -> Stream.of(line.split(" "))). filter(word -> word.length() > 0). map(String::toLowerCase). distinct(). sorted(). collect(Collectors.toList()); br.close(); System.out.println(words);
Match
Stream 有三个 match 方法，从语义上说：
- allMatch: Stream 中全部元素符合传入的 predicate，返回 true
- anyMatch: Stream 中只要有一个元素符合传入的 predicate，返回 true
- noneMatch: Stream 中没有一个元素符合传入的 predicate，返回 true
它们都不是要遍历全部元素才能返回结果。例如 allMatch只要一个元素不满足条件，就 skip剩下的所有元素，返回 false。
List<Person> persons = new ArrayList(); persons.add(new Person(1, "name" + 1, 10)); persons.add(new Person(2, "name" + 2, 21)); persons.add(new Person(3, "name" + 3, 34)); persons.add(new Person(4, "name" + 4, 6)); persons.add(new Person(5, "name" + 5, 55)); boolean isAllAdult = persons.stream(). allMatch(p -> p.getAge() > 18); System.out.println("All are adult? " + isAllAdult); boolean isThereAnyChild = persons.stream(). anyMatch(p -> p.getAge() < 12); System.out.println("Any child? " + isThereAnyChild);
总结
Stream特性可归纳为：
- 不是数据结构
- 没有内部存储，只是用操作管道从source（数据结构、数组、
generator function、IO channe）抓取数据 - 也绝不修改所封装的底层数据结构的数据。例如Stream的
filter操作会产生一个不包含被过滤元素的新Stream，而不是从source删除那些元素
- 没有内部存储，只是用操作管道从source（数据结构、数组、
- 所有Stream的操作必须以lambda表达式为参数
- 不支持索引访问
- 可以请求第一个元素，但无法请求第二个、第三个或最后一个
- 很容易生成数据或List
- 惰性化
- 很多Stream操作是向后延迟的，一直到它弄清楚最后需要多少数据才会开始
Intermediate操作永远是惰性化的
- 并行能力（
parallelStream）- 当一个Stream是并行的，就不需要再写多线程代码，所有对它的操作会自动并行进行
- 可以是无限的
- 集合有固定大小，Stream则不必。
limit(n)和findFirst()这类的short-circuiting操作可以对无限的Stream进行运算并很快完成
- 集合有固定大小，Stream则不必。
注意：本文归作者所有，未经作者允许，不得转载
