java8新特性Stream怎么創建

這篇文章主要介紹了java8新特性Stream怎么創建的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇java8新特性Stream怎么創建文章都會有所收獲，下面我們一起來看看吧。

java8除了提供了Lambda表達式，操作集合的Stream API也是非常新特性中最值得學習和掌握的，它大大簡化了，我們操作數據集合的代碼量的書寫。

簡單來說Stream是一個抽象概念，可以通過查找，過濾，映射等操作，這一點與Scala中集合操作很類似。

Stream是什么？

通俗的說就是操作數據集合的一種手段，你可以使用它，以獲取所需要的集合數據源類型，如下圖所示：

通常Stream流操作整個流程是創建流對象->對流操作->獲得目標數據源操作

創建Stream

通過Collection接口提供的Stream

1.返回一個順序流

default Stream<E> stream() {
   return StreamSupport.stream(spliterator(), false);
 }

2.返回一個并行流

default Stream<E> parallelStream() {
  return StreamSupport.stream(spliterator(), true);
}

那我們簡單演示一下這兩個流的使用。

Emplyee的基本實體類

package com.codegeek.lambda;
import lombok.*;

@Setter
@Getter
@NoArgsConstructor
@ToString
public class Employee {
    /**
     * 員工姓名
     */
    private String name;
    /**
     * 員工年齡
     */
    private int age;
    /**
     * 基本薪水
     */
    private double basicSalary;

    /**
     * 訂單成交總額
     */
    private double dealTotalPrice;

    public Employee(String name, int age, double basicSalary,double dealTotalPrice) {
        this.name = name;
        this.age = age;
        this.basicSalary = basicSalary;
        this.dealTotalPrice = dealTotalPrice;
    }

    /**
     * 員工總薪資=基本薪資+提成薪資
     *
     * @return Double
     */
    public Double getTotalSalary() {
        return this.basicSalary + this.dealTotalPrice * 0.04;
    }
}

測試方法如下：

 @Test
 public void test() {
	Employee qingLong = new Employee("青龍", 25, 5500, 7500);
	Employee baiHu = new Employee("白虎", 27, 5000, 9000);
	Employee zhuQue = new Employee("朱雀", 22, 3800, 4500);
	Employee xuanWu = new Employee("玄武", 24, 3300, 3300);
	List<Employee> employees = Arrays.asList(qingLong, baiHu, zhuQue, xuanWu);
	// 得到一個順序流,并獲取工資大與4000的員工的姓名
	Stream<Employee> stream = employees.stream();
    stream.filter(e-> e.getTotalSalary()>4000).map(Employee::getName).forEach(System.out::println); 
    // 得到一個并行流，獲取年齡大于25的員工姓名
    Stream<Employee> employeeStream = employees.parallelStream();
    employeeStream.filter(employee -> employee.getAge()> 25).map(Employee::getName).forEach(System.out::println ); 
}

通過Arrays創建Stream流

注意數組里面是什么類型的數組，就會產生同類型的流。

1.產生IntStream

public static IntStream stream(int[] array) {
   return stream(array, 0, array.length);
}

2.產生LongStream

public static LongStream stream(long[] array) {
 return stream(array, 0, array.length);
}

3.產生DoubleStream

 public static DoubleStream stream(double[] array) {
   return stream(array, 0, array.length);
}

下面簡單演示以下IntStream的使用案列

// 初始化一個數組對象
 int[] arr = {11, 55, 44, 20, 45, 16};
// 通過Arrays創建流對象是IntStream
 Arrays.stream(arr).sorted().forEach(System.out::println);

Stream常見的操作

上面簡單介紹了下，流的創建，當流創建好后，我們又該如何使用呢，常見流的操作如下？

• 過濾和切片

使用演示：

@Test
public void testFilter() {
  int[] age = {11, 22, 44, 22, 24, 24, 66, 77, 77, 25, 34};
   // 使用filter過濾獲得大于33的數組元素
  Arrays.stream(age).filter(i -> i > 33).forEach(System.out::println);
  // 去重
  Arrays.stream(age).distinct().forEach(System.out::println);
  // 截取3個元素
  Arrays.stream(age).limit(3).forEach(System.out::println);
  // 跳過前3個元素
  Arrays.stream(age).skip(3).forEach(System.out::println);  
}

• 映射

使用演示：

   String[] arr = {"java", "scala", "php", "python", "c++"};
   // 將流中的每一個元素轉換成大寫
   Arrays.stream(arr).map(String::toUpperCase).forEach(System.out::println);
   //將流中的數據轉Double類型
    long[] array = {1, 4, 6, 7, 12};
   // 返回Double類型的Stream
   Arrays.stream(array).mapToDouble(e-> e* 100).forEach(System.out::println);
   // 返回Long類型的Stream
   Arrays.stream(array).mapToLong(e -> e + 23).forEach(System.out::println);
   // flatMap演示
  List<List<String>> database = new ArrayList<>();
  List<String> noSql = Arrays.asList("redis", "hbase", "membercache");
  List<String> sql = Arrays.asList("mysql", "oracle", "db2");
  database.add(noSql);
  database.add(sql);
  List<String> h = database.stream().flatMap(s -> s.stream().filter(si -> si.contains("h"))).collect(Collectors.toList());
  h.stream().forEach(System.out::println);

• 排序

• 排序相對簡單，以之前定義的employee類如下：

Employee qingLong = new Employee("青龍", 25, 5500, 7500);
Employee baiHu = new Employee("白虎", 27, 5000, 9000);
Employee zhuQue = new Employee("朱雀", 22, 3800, 4500);
Employee xuanWu = new Employee("玄武", 24, 3300, 3300);
List<Employee> employees = Arrays.asList(qingLong, baiHu, zhuQue, xuanWu);
// 按照薪水的大小進行排序
 employees.stream().sorted(Comparator.comparing(Employee::getTotalSalary)).forEach(System.out::println);

• 查找與匹配

方法演示：以初始化的員工類

// 判斷所有的員工年齡是否大于18
boolean b = employees.stream().allMatch(e -> e.getAge() > 18);
System.out.println("allMatch="+b);// 結果為true
// 判斷所有員工中有沒有年齡大于35的
boolean b1 = employees.stream().anyMatch(e -> e.getAge() > 35);
System.out.println("anyMath=" + b1); // 結果為false
// 判斷所有員工中沒有年齡大于35的
boolean b1 = employees.stream().noneMatch(e -> e.getAge() > 35);
System.out.println("anyMath=" + b1); // 結果為true
// 返回第一個員工的信息
Optional<Employee> first = employees.stream().findFirst();
System.out.println(first.get());
// 統計年齡大于20的員工個數
ong count = employees.stream().filter(e -> e.getAge() > 20).count();
System.out.println("count="+count);
// 統計集合中員工薪資最高的員工信息
Optional<Employee> max = employees.stream().max(Comparator.comparing(Employee::getTotalSalary));
System.out.println("max=" + max);

• 歸約

演示：

Optional<Double> reduce = employees.stream().map(Employee::getTotalSalary).reduce(Double::sum);
double v = reduce.get();
System.out.println("reduce="+v);
int[] array = {1, 4, 6, 7, 12};
System.out.println("====");
// 這里第一次將0作為x的值然后數組中1作為y，然后計算后的結果是1，第二次將1作為x的值，然后數組中的4作為y值進行相加，后面以此類推，直到將所有的值都進行相加
int reduce = Arrays.stream(array).reduce(0, (x, y) -> x + y);
System.out.println("reduce=" + reduce);

• 收集

下面將對Stream做一個總體的回顧和使用。

@Test
    public void test() {
        // 避免空指針異常
        Optional<Employee> optional = employees.stream().sorted((e1, e2) -> e1.getTotalSalary().compareTo(e2.getTotalSalary())).findFirst();
        // 若空指針異常就怎么處理
        optional.orElse(new Employee());
        System.out.println(optional);

        // 返回任意一個(并行開啟多個線程查找)
        Optional<Employee> any = employees.parallelStream().filter((e) -> e.getAge() > 25).findAny();
        System.out.println(any);

        // Max(Comparator按年齡比較)
        Optional<Employee> max = employees.stream().max(Comparator.comparing((e) -> e.getAge()));
        System.out.println(max);
        Optional<Double> max1 = employees.stream().map(Employee::getTotalSalary().max(Double::compare);
        System.out.println(max1.get());

        // 流中元素接收，計算得到一個
        List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
        Integer reduce = list.stream().reduce(0, (x, u) -> x + u);//0+1+2.....+10
        System.out.println(reduce);

        Optional<Integer> reduce1 = employees.stream().map(Employee::getAge).reduce(Integer::sum);
        System.out.println(reduce1.get() + "----------");

        // 收集元素到list
        employees.stream().map(Employee::getName).distinct().collect(Collectors.toList()).forEach(System.out::println);
        System.out.println();
        // 收集元素到LinkList
        employees.stream().map(Employee::getName).distinct().collect(Collectors.toCollection(HashSet::new)).forEach(System.out::println);

        // 獲取流中最大值
        Optional<Integer> max2 = employees.stream().map(Employee::getAge).max(Integer::compare);
        System.out.println(max2.get());

        // 收集獲取總數(集合總數)
        Long collect = employees.stream().collect(Collectors.counting());
        System.out.println(collect);

        // 工資的平均值
        Double collect1 = employees.stream().collect(Collectors.averagingDouble(Employee::getTotalSalary));
        System.out.println(collect1);

        // 獲取工資的總數，綜合，最小值，平均值，最大值
        DoubleSummaryStatistics collect2 = employees.stream().collect(Collectors.summarizingDouble(Employee::getTotalSalary));
        System.out.println(collect2);

        // 獲取年齡最大的員工
        Optional<Employee> collect3 = employees.stream().collect(Collectors.maxBy((e1, e2) -> Integer.compare(e1.getAge(), e2.getAge())));
        System.out.println(collect3.get());

        // 獲取年齡最小的員工
        Optional<Double> collect4 = employees.stream().map(Employee::getTotalSalary).collect(Collectors.minBy(Double::compare));
        System.out.println(collect4.get());

        // 按薪資分組
        Map<Double, List<Employee>> collect5 = employees.stream().collect(Collectors.groupingBy(Employee::getTotalSalary));
        System.out.println(collect5);

        // 薪資分區(匹配true)
        Map<Boolean, List<Employee>> collect6 = employees.stream().collect(Collectors.partitioningBy((e) -> e.getTotalSalary() > 5000d));
        System.out.println(collect6);
    }

關于“java8新特性Stream怎么創建”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“java8新特性Stream怎么創建”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。