简洁方便的集合处理——Java 8 stream流
背景
java 8已经发行好几年了，前段时间java 12也已经问世，但平时的工作中，很多项目的环境还停留在java1.7中。而且java8的很多新特性都是革命性的，比如各种集合的优化、lambda表达式等，所以我们还是要去了解java8的魅力。
今天我们来学习java8的Stream，并不需要理论基础，直接可以上手去用。
我接触stream的原因，是我要搞一个用户收入消费的数据分析。起初的统计筛选分组都是打算用sql语言直接从mysql里得到结果来展现的。但在操作中我们发现这样频繁地访问数据库，性能会受到很大的影响，分析速度会很慢。所以我们希望能通过访问一次数据库就拿到所有数据，然后放到内存中去进行数据分析统计过滤。
接着，我看了stream的API，发现这就是我想要的。
一、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。
二、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。
三、API功能举例
首先，定义一个用户对象，包含姓名、年龄、性别和籍贯四个成员变量：
import lombok.AllArgsConstructor;import lombok.Builder;import lombok.Data;import lombok.NoArgsConstructor;import lombok.extern.log4j.Log4j;@Data@NoArgsConstructor@AllArgsConstructor@Log4j@Builderpublic class User { //姓名 private String name; //年龄 private Integer age; //性别 private Integer sex; //所在省市 private String address;}这里用lombok简化了实体类的代码。
然后创建需要的集合数据，也就是源数据：
//1.构建我们的listList list= Arrays.asList( new User("钢铁侠",40,0,"华盛顿"), new User("蜘蛛侠",20,0,"华盛顿"), new User("赵丽颖",30,1,"湖北武汉市"), new User("詹姆斯",35,0,"洛杉矶"), new User("李世民",60,0,"山西省太原市"), new User("蔡徐坤",20,1,"陕西西安市"), new User("葫芦娃的爷爷",70,0,"山西省太原市")); 3.1 过滤
1）创建流 stream() / parallelStream()
- stream() : 串行流
- parallelStream（）: 并行流
2）filter 过滤(T-> boolean)
比如要过滤年龄在40岁以上的用户，就可以这样写：
List filterList = list.stream().filter(user -> user.getAge() >= 40) .collect(toList()); 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
打印结果：
3）distinct 去重
和sql中的distinct关键字很相似。为了看到效果，此处在原集合中加入一个重复的人，就选择钢铁侠吧，复联4钢铁侠不幸遇害，大家还是比较伤心的。
List list= Arrays.asList( new User("钢铁侠",40,0,"华盛顿"), new User("钢铁侠",40,0,"华盛顿"), new User("蜘蛛侠",20,0,"华盛顿"), new User("赵丽颖",30,1,"湖北武汉市"), new User("詹姆斯",35,0,"洛杉矶"), new User("李世民",60,0,"山西省太原市"), new User("蔡徐坤",18,1,"陕西西安市"), new User("葫芦娃的爷爷",70,0,"山西省太原市")); //distinct 去重List distinctList = filterList.stream().distinct() .collect(toList()); 打印结果：
4）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：
Comparator.comparingInt反之, 需要调用 sorted((T, T) -> int) 实现 Comparator 接口。
//sorted()List sortedList = distinctList.stream().sorted(Comparator.comparingInt(User::getAge)) .collect(toList()); 打印结果：
结果按照年龄从小到大进行排序。
5）limit（） 返回前n个元素
如果想知道这里面年龄最小的是谁，可作如下操作：
//limit 返回前n个元素List limitList = sortedList.stream().limit(1) .collect(toList()); 6）skip()
与limit恰恰相反，skip的意思是跳过，也就是去除前n个元素。
打印结果：
果然，前两个人都被去除了，只剩下最老的葫芦娃爷爷。
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。
//map(T->R)List cityList = list.stream().map(User::getAddress).distinct().collect(toList()); 打印结果：
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。
//flatMap(T -> Stream)List flatList = new ArrayList<>();flatList.add("唱,跳");flatList.add("rape,篮球,music");flatList = flatList.stream().map(s -> s.split(",")).flatMap(Arrays::stream).collect(toList()); 打印结果：
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
Arrays::stream
将Stream
3.3 查找
1）allMatch（T->boolean）
检测是否全部满足参数行为，假如这些用户是网吧上网的用户名单，那就需要检查是不是每个人都年满18周岁了。
boolean isAdult = list.stream().allMatch(user -> user.getAge() >= 18);打印结果：
true2）anyMatch（T->boolean）
检测是否有任意元素满足给定的条件，比如，想知道同学名单里是否有女生。
//anyMatch(T -> boolean） 是否有任意一个元素满足给定的条件boolean isGirl = list.stream().anyMatch(user -> user.getSex() == 1);打印结果：
true说明集合中有女生存在。
3）noneMatch(T -> boolean)
流中是否有元素匹配给定的 T -> boolean 条件。
比如检测有没有来自巴黎的用户。
boolean isLSJ = list.stream().noneMatch(user -> user.getAddress().contains("巴黎"));打印结果：
true打印true说明没有巴黎的用户。
4）findFirst( ):找到第一个元素
Optional fristUser = list.stream().findFirst(); 打印结果：
User(name=钢铁侠, age=40, sex=0, address=华盛顿)5）findAny():找到任意一个元素
Optional anyUser = list.stream().findAny(); 打印结果：
User(name=钢铁侠, age=40, sex=0, address=华盛顿)这里我们发现findAny返回的也总是第一个元素，那么为什么还要进行区分呢？因为在并行流 parallelStream() 中找到的确实是任意一个元素。
Optional anyParallelUser = list.parallelStream().findAny(); 打印结果 :
Optional[User(name=李世民, age=60, sex=0, address=山西省太原市)]3.4 归纳计算
1）求用户的总人数
long count = list.stream().collect(Collectors.counting());我们可以简写为：
long count = list.stream().count();运行结果：
82）得到某一属性的最大最小值
// 求最大年龄Optional max = list.stream().collect(Collectors.maxBy(Comparator.comparing(User::getAge)));// 求最小年龄Optional min = list.stream().collect(Collectors.minBy(Comparator.comparing(User::getAge))); 运行结果：
3）求年龄总和是多少
// 求年龄总和int totalAge = list.stream().collect(Collectors.summingInt(User::getAge));运行结果：
313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
//求年龄平均值double avgAge = list.stream().collect(Collectors.averagingInt(User::getAge));运行结果:
39.1255）一次性得到元素的个数、总和、最大值、最小值
IntSummaryStatistics statistics = list.stream().collect(Collectors.summarizingInt(User::getAge));运行结果：
6）字符串拼接
要将用户的姓名连成一个字符串并用逗号分割。
String names = list.stream().map(User::getName).collect(Collectors.joining(", "));运行结果：
钢铁侠, 钢铁侠, 蜘蛛侠, 赵丽颖, 詹姆斯, 李世民, 蔡徐坤, 葫芦娃的爷爷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）可以根据用户所在城市进行分组
Map> cityMap = list.stream().collect(Collectors.groupingBy(User::getAddress)); 结果是一个map，key为不重复的城市名，value为属于该城市的用户列表。已经实现了分组。
2）二级分组，先根据城市分组再根据性别分组
Map>> group = list.stream().collect( Collectors.groupingBy(User::getAddress, // 一级分组，按所在地区 Collectors.groupingBy(User::getSex))); // 二级分组，按性别 运行结果：
3）如果仅仅想统计各城市的用户个数是多少，并不需要对应的list
按城市分组并统计人数：
Map cityCountMap = list.stream().collect(Collectors.groupingBy(User::getAddress,Collectors.counting())); 运行结果：
4）当然，也可以先进行过滤再分组并统计人数
Map map = list.stream().filter(user -> user.getAge() <= 30) .collect(Collectors.groupingBy(User::getAddress,Collectors.counting())); 运行结果：
5）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
//根据年龄是否小于等于30来分区Map> part = list.stream() .collect(partitioningBy(user -> user.getAge() <= 30)); 运行结果：
总结
到目前为止，stream的功能我们已经用了很多了，感觉有点眼花缭乱却无所不能，stream能做的事情远远不止这些。
我们可以多学习使用stream，把原来复杂的sql查询，一遍又一遍地for循环的复杂代码重构，让代码更简洁易懂，可读性强。
拓展阅读：Redis专题（1）：构建知识图谱
Redis专题(2)：Redis数据结构底层探秘
作者：杨亨
来源：宜信技术学院