Stream流式编程，用起来真爽

函数式接口

众所周知，Java8提供了很多新的特性，Lambda表达式，函数式接口，Optional，新的日期类api。今天简单聊一下Stream的前世今生。

Lambda表达式我们现在已经用的很多了，而函数式接口则是为了支持Lambda表达式，Java8提供了很多内置的函数式接口，如Runnable，Comparator等是从原有的API升级来的，而有些是Java8新增的，如Consumer等。

@FunctionalInterface
public interface Runnable {
    public abstract void run();
}

类上有注解@FunctionalInterface就可以认为这是一个函数式接口，可以用在Lambda表达式中。Lambda表达式极大的简化了我们的编程

// jdk1.8之前
new Thread(new Runnable() {
    @Override
    public void run() {
        System.out.println("yes");
    }
}).start();

// jdk1.8及以后
new Thread(() -> System.out.println("yes")).start();

为了方便我们使用Lambda表达式，Java8提供了一些内置的函数式接口

函数式接口	方法	用途
Consumer 消费型接口	void accept(T t)	输入参数为T，没有返回
Supplier供给型接口	T get()	返回R
Function<T, R> 函数型接口	R apply(T t)	输入参数为T，返回为R
Predicate判断型接口	boolean test(T t)	对象是否满足条件，true为满足，false为不满足

Java8为什么要新提供这些函数式接口呢？

我举个例子你就明白了。

@Data
@AllArgsConstructor
public class Person {
    private String name;
    private int age;
    private int salary;
}

员工对象为Person，此时老板发话了，给我找出年龄大于20的员工把，于是就有了下面的方法

public List<Person> filterByAge(List<Person> personList) {
    List<Person> resultList = Lists.newArrayList();
    for (Person person : personList) {
        if (person.getAge() > 20) {
            resultList.add(person);
        }
    }
    return resultList;
}

干的不错，再给我找一下工资大于2000的员工把。

public List<Person> filterBySalary(List<Person> personList) {
    List<Person> resultList = Lists.newArrayList();
    for (Person person : personList) {
        if (person.getSalary() > 2000) {
            resultList.add(person);
        }
    }
    return resultList;
}

再给我找一下，，， 老板等等，我需要优化一下这个实现。

你发现问题了吗？2个方法只有判断条件不同，其余的部分一模一样。而且可扩展性太差，该怎么优化呢？

额，我们可以定义一个如下的接口，判断的逻辑让接口的实现类去实现

public interface Predicate<T> {
    boolean test(T t);
}

public List<Person> filter(List<Person> personList, Predicate<Person> predicate) {
    List<Person> resultList = Lists.newArrayList();
    for (Person person : personList) {
        if (predicate.test(person)) {
            resultList.add(person);
        }
    }
    return resultList;
}

上面的需求就可以用如下几行代码实现。

List<Person> filterByAgeList = filter(list, p -> p.getAge() > 20);
List<Person> filterBySalaryList = filter(list, p -> p.getSalary() > 2000);

此时老板再加筛选需求也不怕了。

等等，我们定义的Predicate接口和Java8内置的函数式接口好像。哈哈，基本上一模一样，因为类似的场景很多，所以Java8帮我们定义了一系列的接口。省的我们自己定义

函数式接口的使用

函数式接口方法用途Consumer 消费型接口void accept(T t)输入参数为T，没有返回Supplier供给型接口T get()返回RFunction<T, R> 函数型接口R apply(T t)输入参数为T，返回为RPredicate判断型接口boolean test(T t)对象是否满足条件，true为满足，false为不满足

函数式接口	方法	用途
Consumer 消费型接口	void accept(T t)	输入参数为T，没有返回
Supplier供给型接口	T get()	返回R
Function<T, R> 函数型接口	R apply(T t)	输入参数为T，返回为R
Predicate判断型接口	boolean test(T t)	对象是否满足条件，true为满足，false为不满足

@Test
public void testCase1() {
    // 10
    consumeTask(10, (m) -> System.out.println(m));
}

public void consumeTask(int num, Consumer<Integer> consumer) {
    consumer.accept(num);
}

@Test
public void testCase2() {
    // AAA
    System.out.println(strHandler("aaa", (str) -> str.toUpperCase()));
}

public String strHandler(String str, Function<String, String> function) {
    return function.apply(str);
}

当然，为了方便我们的使用，还有很多其他的内置接口，看入参和返回值就能知道接口的作用

函数式接口	方法
BiFunction<T, U, R>	R apply(T t, U u)
BiConsumer<T, U>	void accept(T t, U u)
ToIntFunction	int applyAsInt(T value)
IntFunction	R apply(int value)

Stream介绍

在Java8之前，如果我们想对集合进行操作还是比较麻烦的。Java8设计了Stream API来简化对集合的操作，Stream API的设计基于函数式编程和lambda表达式，行云流水似的编程方式给人带来新的体验。

Stream操作分为如下三个步骤

1. 创建Stream：从数据源，例如集合，数组中获取一个流
2. 中间操作：对数据进行处理
3. 终止操作：执行中间操作，并产生结果。一般返回void或一个非流的结果

注意当不执行终止操作的时候，中间操作不会执行

List<Integer> dataList = Arrays.asList(1, 2, 3, 4);

// 没有输出
dataList.stream().map(x -> {
    System.out.println(x);
    return x;});

// 输出 1 2 3 4
// 正常是换行，我这用空格代替了，下同
dataList = dataList.stream().map(x -> {
    System.out.println(x);
    return x;
}).collect(Collectors.toList());

创建Stream

// 1. Collection集合的stream()或者parallelStream()
List<String> list = Lists.newArrayList();
Stream<String> stream1 = list.stream();

// 2. 调用Arrays.stream(T[] array)静态方法
Integer[] array = {1, 2, 3};
Stream<Integer> stream2 = Arrays.stream(array);

// 3. 调用Stream.of(T... values)静态方法
Stream<String> stream3 = Stream.of("aa", "bb", "cc");

// 4. 调用Stream.iterate(final T seed, final UnaryOperator<T> f)，创建无限流
// (x) -> x + 2 为函数式接口，传入x返回x+2，0为最开始的值
Stream<Integer> stream4 = Stream.iterate(0, (x) -> x + 2);
// 一直输出 0 2 4 6 8 10 12 ...
stream4.forEach(System.out::println);

// 5. 调用调用Stream.generate()，创建无限流
Stream<Integer> stream5 = Stream.generate(() -> 10);
// 一直输出10，你可以用Random等类随机生成哈
stream5.forEach(System.out::println);

中间操作

筛选与切片

函数名	解释
filter	从流中排除某些元素
limit	使元素不超过指定数量
skip	跳过前n个元素，如果流中元素不超过n个，则返回一个空流
distinct	通过hashCode()和equals()去除重复元素

List<Integer> list = Arrays.asList(1, 2, 3, 4);
// 1 3
list.stream().filter(x -> x % 2 == 1).forEach(System.out::println);
// 3 4
list.stream().skip(2).forEach(System.out::println);

看一下filter方法和forEach方法的定义

Stream.java

Stream<T> filter(Predicate<? super T> predicate);
void forEach(Consumer<? super T> action);

这不就是我门上面介绍的函数式接口吗？很多方法的入参其实就是一个函数式接口

映射

函数名	解释
map	接收一个函数作为参数，该函数被应用到每个元素上，并将其映射成一个新的元素
flatMap	接受一个函数作为参数，将流中的每一个值都转换成另一个流，然后将所有流连接成一个流

<R> Stream<R> map(Function<? super T, ? extends R> mapper);
<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);

map方法的入参和返回值可以为任意值 flatMap方法的入参为任意值，返回值必须为Stream

List<String> list = Arrays.asList("abcd", "efgh");

// [Ljava.lang.String;@7b3300e5 [Ljava.lang.String;@2e5c649
list.stream().map(x -> x.split("")).forEach(System.out::println);

// a b c d e f g h
list.stream().flatMap(x -> Arrays.stream(x.split(""))).forEach(System.out::println);

解释一下这个输出，x.split("")后为数组，所以第一个输出的为数组的地址 第二个x.split("")后为数组，然后将多个数组转为多个流，将多个流合并后输出

排序

函数名	解释
sorted()	自然排序，通过Comparable接口定义的规则来排序
sorted(Comparator)	定制排序，通过Comparator接口定义的规则来排序

List<String> list = Arrays.asList("b", "a", "c");
// a b c
list.stream().sorted().forEach(System.out::println);
// c b a
list.stream().sorted((x, y) -> y.compareTo(x)).forEach(System.out::println);

终止操作

查找与匹配

函数名	解释
allMatch	是否匹配所有元素
anyMatch	是否至少匹配一个元素
noneMatch	是否没有匹配所有元素
findFirst	返回第一个元素
findAny	返回当前流中的任意元素
count	返回当前流中元素总个数
max	返回流中最大值
min	返回流中最小值

List<Integer> list = Arrays.asList(1, 2, 3, 4);
// false
// 当list都为1时才会返回true
System.out.println(list.stream().allMatch(num -> num.equals(1)));
// true
System.out.println(list.stream().anyMatch(num -> num.equals(1)));
// 4
System.out.println(list.stream().max((x, y) -> x.compareTo(y)).get());

归约

函数名	解释
reduce	归约，将流中元素反复结合起来得到一个值

List<Integer> list = Arrays.asList(1, 2, 3, 4);
int sum = list.stream().reduce(0, (x, y) -> x + y);
// 10
// 初始值为0，执行过程为
// x = 0 y = 1
// x = 1 y = 2
// x = 3 y = 4 ...
// 10
// 10
 System.out.println(sum);

收集

用collect方法来进行收集，方法定义如下

Stream.java

<R> R collect(Supplier<R> supplier,
              BiConsumer<R, ? super T> accumulator,
              BiConsumer<R, R> combiner);

<R, A> R collect(Collector<? super T, A, R> collector);

当然我一般不自己实现这个接口，可以直接用Collectors工具类

@Data
@AllArgsConstructor
public class Student {
    private String name;
    private int age;
}

List<Student> studentList = Arrays.asList(new Student("张三", 30),
        new Student("李四", 20),
        new Student("王五", 20));

List<String> nameList = studentList.stream().map(Student::getName).collect(Collectors.toList());
// [张三, 李四, 王五]
System.out.println(nameList);

Set<Integer> ageSet = studentList.stream().map(Student::getAge).collect(Collectors.toSet());
// [20, 30]
System.out.println(ageSet);

LinkedHashSet<Integer> linkedHashSet =
        studentList.stream().map(Student::getAge).collect(Collectors.toCollection(LinkedHashSet::new));
// [30, 20]
System.out.println(linkedHashSet);

// 总数
long count = studentList.stream().collect(Collectors.counting());
// 3
System.out.println(count);

// 平均值
double ageAvg = studentList.stream().collect(Collectors.averagingDouble(Student::getAge));
// 23.3
System.out.println(ageAvg);

// 总和
int totalAge = studentList.stream().collect(Collectors.summingInt(Student::getAge));
// 70
System.out.println(totalAge);

// 最大值
Optional<Student> student = studentList.stream().collect(Collectors.maxBy((x, y) -> x.getAge() - y.getAge()));
// Student(name=张三, age=30)
System.out.println(student.get());

// 按照年龄分组
// 还可以多级分组，按照年龄分组后，再按照其他条件分组，不再演示
Map<Integer, List<Student>> listMap = studentList.stream().collect(Collectors.groupingBy(Student::getAge));
// {20=[StreamDemo.Student(name=李四, age=20), StreamDemo.Student(name=王五, age=20)], 30=[StreamDemo.Student(name=张三, age=30)]}
System.out.println(listMap);

一些使用Demo

枚举值参数校验

项目中有很多单选项需要定义相关的枚举值，前端传入后需要校验这些值是否在枚举范围内

public enum MSG_TYPE {

    IMAGE((byte) 0, "图片"),
    TEXT((byte) 1, "文本");

    public final byte value;
    public final String name;

    MSG_TYPE(byte value, String name) {
        this.value = value;
        this.name = name;
    }
}

// 模拟前端传入的参数为1
boolean isExist = Arrays.stream(MSG_TYPE.values()).anyMatch(v -> v.value == 1);
// true
System.out.println(isExist);
isExist = Arrays.stream(MSG_TYPE.values()).anyMatch(v -> v.value == 5);
// false
System.out.println(isExist);

调用远程服务前存对应关系

根据学生姓名获取学生的其他信息

1. 先存学生姓名->学生的映射关系为nameMap
2. 通过学生姓名调用其他服务批量获取学生信息
3. 从nemeMap中根据其他服务返回的学生姓名拿到Student，然后填充信息到Student

List<Student> studentList = Lists.newArrayList();
for (int i = 0; i < 3; i++) {
    Student student = Student.builder().name("学生" + i).age(i).build();
    studentList.add(student);
}
// {学生0=Student(name=学生0, age=0), 学生2=Student(name=学生2, age=2), 学生1=Student(name=学生1, age=1)}
Map<String, Student> studentMap = studentList.stream().collect(Collectors.toMap(Student::getName, student -> student));
System.out.println(studentMap);