Java 8 Stream实践
【
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: 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 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,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,age=26) User(id=5,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,age=26) 5)skip它的用法和limit正好相反,是去除前面几个元素。 @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,age=26) User(id=6,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,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<R>)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,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<String>,然后把流相连接,组成了完整的唱歌,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,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,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,age=43)] 年龄最小的队员为:Optional[User(id=1,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: 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,age=25)] key= 26 and value= [User(id=2,age=26),User(id=5,age=26)] key= 43 and value= [User(id=6,age=43)] key= 27 and value= [User(id=3,age=27)] key= 28 and value= [User(id=4,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,age=25),User(id=2,User(id=3,age=27),User(id=4,age=28),age=26)] key= true and value= [User(id=6,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。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |