使用Stream API优化代码

Java8的新特性主要是Lambda表达式和流,当流和Lambda表达式结合起来一起使用时,因为流申明式处理数据集合的特点,可以让代码变得简洁易读

放大招,流如何简化代码

如果有一个需求,需要对数据库查询到的菜肴进行一个处理:

  • 筛选出卡路里小于400的菜肴
  • 对筛选出的菜肴进行一个排序
  • 获取排序后菜肴的名字
菜肴:Dish.java
public class Dish {
    private String name;
    private boolean vegetarian;
    private int calories;
    private Type type;

    // getter and setter
}
复制代码
Java8以前的实现方式
private List beforeJava7(List dishList) {
        List lowCaloricDishes = new ArrayList<>();
        
        //1.筛选出卡路里小于400的菜肴
        for (Dish dish : dishList) {
            if (dish.getCalories() < 400) {
                lowCaloricDishes.add(dish);
            }
        }
        
        //2.对筛选出的菜肴进行排序
        Collections.sort(lowCaloricDishes, new Comparator() {
            @Override
            public int compare(Dish o1, Dish o2) {
                return Integer.compare(o1.getCalories(), o2.getCalories());
            }
        });
        
        //3.获取排序后菜肴的名字
        List lowCaloricDishesName = new ArrayList<>();
        for (Dish d : lowCaloricDishes) {
            lowCaloricDishesName.add(d.getName());
        }
        
        return lowCaloricDishesName;
    }
复制代码
Java8之后的实现方式
 private List afterJava8(List dishList) {
        return dishList.stream()
                .filter(d -> d.getCalories() < 400)  //筛选出卡路里小于400的菜肴
                .sorted(comparing(Dish::getCalories))  //根据卡路里进行排序
                .map(Dish::getName)  //提取菜肴名称
                .collect(Collectors.toList()); //转换为List
    }
复制代码

不拖泥带水,一气呵成,原来需要写24代码实现的功能现在只需5行就可以完成了

高高兴兴写完需求这时候又有新需求了,新需求如下:

  • 对数据库查询到的菜肴根据菜肴种类进行分类,返回一个Map>的结果

这要是放在jdk8之前肯定会头皮发麻

Java8以前的实现方式
private static Map> beforeJdk8(List dishList) {
    Map> result = new HashMap<>();

    for (Dish dish : dishList) {
        //不存在则初始化
        if (result.get(dish.getType())==null) {
            List dishes = new ArrayList<>();
            dishes.add(dish);
            result.put(dish.getType(), dishes);
        } else {
            //存在则追加
            result.get(dish.getType()).add(dish);
        }
    }

    return result;
}
复制代码

还好jdk8有Stream,再也不用担心复杂集合处理需求

Java8以后的实现方式
private static Map> afterJdk8(List dishList) {
    return dishList.stream().collect(groupingBy(Dish::getType));
}
复制代码

又是一行代码解决了需求,忍不住大喊Stream API牛批 看到流的强大功能了吧,接下来将详细介绍流

流闪亮登场

什么是流

流是从支持数据处理操作的源生成的元素序列,源可以是数组、文件、集合、函数。流不是集合元素,它不是数据结构并不保存数据,它的主要目的在于计算

如何生成流

生成流的方式主要有五种

  • 通过集合生成,应用中最常用的一种
List integerList = Arrays.asList(1, 2, 3, 4, 5);
Stream stream = integerList.stream();
复制代码

通过集合的stream方法生成流

  • 通过数组生成
    int[] intArr = new int[]{1, 2, 3, 4, 5};
    IntStream stream = Arrays.stream(intArr);
    复制代码

通过Arrays.stream方法生成流,并且该方法生成的流是数值流【即IntStream】而不是Stream。补充一点使用数值流可以避免计算过程中拆箱装箱,提高性能。Stream API提供了mapToIntmapToDoublemapToLong三种方式将对象流【即Stream】转换成对应的数值流,同时提供了boxed方法将数值流转换为对象流

  • 通过值生成
    Stream stream = Stream.of(1, 2, 3, 4, 5);
    复制代码

通过Streamof方法生成流,通过Streamempty方法可以生成一个空流

  • 通过文件生成
    Stream lines = Files.lines(Paths.get("data.txt"), Charset.defaultCharset())
    复制代码

通过Files.line方法得到一个流,并且得到的每个流是给定文件中的一行

  • 通过函数生成 提供了iterategenerate两个静态方法从函数中生成流
    • iterator
    Stream stream = Stream.iterate(0, n -> n + 2).limit(5);
    复制代码
    iterate方法接受两个参数,第一个为初始化值,第二个为进行的函数操作,因为iterator生成的流为无限流,通过limit方法对流进行了截断,只生成5个偶数
    • generator
    Stream stream = Stream.generate(Math::random).limit(5);
    复制代码
    generate方法接受一个参数,方法参数类型为Supplier,由它为流提供值。generate生成的流也是无限流,因此通过limit对流进行了截断

流的操作类型

流的操作类型主要分为两种

  • 中间操作 一个流可以后面跟随零个或多个中间操作。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,仅仅调用到这类方法,并没有真正开始流的遍历,真正的遍历需等到终端操作时,常见的中间操作有下面即将介绍的filtermap
  • 终端操作 一个流有且只能有一个终端操作,当这个操作执行后,流就被关闭了,无法再被操作,因此一个流只能被遍历一次,若想在遍历需要通过源数据在生成流。终端操作的执行,才会真正开始流的遍历。如下面即将介绍的countcollect

流使用

流的使用将分为终端操作和中间操作进行介绍

中间操作

filter筛选
 List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
 integerList.stream().filter(i -> i > 3).forEach(System.out::println);
复制代码

通过使用filter方法进行条件筛选,filter的方法参数为一个条件

distinct去除重复元素
List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
integerList.stream().distinct().forEach(System.out::println);
复制代码

通过distinct方法快速去除重复的元素

limit返回指定流个数
List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
integerList.stream().limit(3).forEach(System.out::println);
复制代码

通过limit方法指定返回流的个数,limit的参数值必须>=0,否则将会抛出异常

skip跳过流中的元素
 List integerList = Arrays.asList(1, 1, 2, 3, 4, 5);
 integerList.stream().skip(2).forEach(System.out::println);
复制代码

通过skip方法跳过流中的元素,上述例子跳过前两个元素,所以打印结果为2,3,4,5skip的参数值必须>=0,否则将会抛出异常

map流映射

所谓流映射就是将接受的元素映射成另外一个元素

List stringList = Arrays.asList("Java 8", "Lambdas",  "In", "Action");
stringList.stream().map(String::length).forEach(System.out::println);
复制代码

通过map方法可以完成映射,该例子完成中String -> Integer的映射,之前上面的例子通过map方法完成了Dish->String的映射

flatMap流转换

将一个流中的每个值都转换为另一个流

List stringList = Arrays.asList("Hello", "World");
List<>> str = stringList.stream()
        .map(world -> world.split(" "))
        .flatMap(Arrays::stream)
        .distinct()
        .collect(Collectors.toList());
复制代码

map(world -> world.split(" "))的返回值为Stream,我们想获得的结果为Stream,可以通过flatMap方法完成Stream ->Stream的转换

元素匹配

提供了三种匹配方式

  • allMatch匹配所有
    List integerList = Arrays.asList(1, 2, 3, 4, 5);
    if (integerList.stream().allMatch(i -> i > 3)) {
        System.out.println("值都大于3");
    }
    复制代码

通过allMatch方法实现

  • anyMatch匹配其中一个
    List integerList = Arrays.asList(1, 2, 3, 4, 5);
    if (integerList.stream().anyMatch(i -> i > 3)) {
        System.out.println("存在大于3的值");
    }
    复制代码
    等同于
    for (Integer i : integerList) {
        if (i > 3) {
            System.out.println("存在大于3的值");
            break;
        }
    }
    复制代码

存在大于3的值则打印,java8中通过anyMatch方法实现这个功能

  • noneMatch全部不匹配
    List integerList = Arrays.asList(1, 2, 3, 4, 5);
    if (integerList.stream().noneMatch(i -> i > 3)) {
        System.out.println("值都小于3");
    }
    复制代码
    通过noneMatch方法实现

终端操作

统计流中元素个数
  • 通过count
    List integerList = Arrays.asList(1, 2, 3, 4, 5);
    Long result = integerList.stream().count();
    复制代码

通过使用count方法统计出流中元素个数

  • 通过counting
    List integerList = Arrays.asList(1, 2, 3, 4, 5);
    Long result = integerList.stream().collect(counting());
    复制代码

最后一种统计元素个数的方法在与collect联合使用的时候特别有用

查找

提供了两种查找方式

  • findFirst查找第一个

    List integerList = Arrays.asList(1, 2, 3, 4, 5);
    System.out.println(integerList.stream().filter(i -> i > 3).findFirst());
    复制代码

    通过findFirst方法查找到第一个大于三的元素并打印

  • findAny随机查找一个

    List integerList = Arrays.asList(1, 2, 3, 4, 5);
    System.out.println(integerList.stream().filter(i -> i > 3).findAny());
    复制代码

    通过findAny方法查找到其中一个大于三的元素并打印,因为内部进行优化的原因,当找到第一个满足大于三的元素时就结束,该方法结果和findFirst方法结果一样。提供findAny方法是为了更好的利用并行流,findFirst方法在并行上限制更多【本篇文章将不介绍并行流】

reduce将流中的元素组合起来

假设我们对一个集合中的值进行求和

  • jdk8之前

    int sum = 0;
    for (int i : integerList) {
    sum += i;
    }
    复制代码
  • jdk8之后通过reduce进行处理

    int sum = integerList.stream().reduce(0, (a, b) -> (a + b));
    复制代码

    一行就可以完成,还可以使用方法引用简写成:

    int sum = integerList.stream().reduce(0, Integer::sum);
    复制代码

    reduce接受两个参数,一个初始值这里是0,一个BinaryOperator accumulator 来将两个元素结合起来产生一个新值, 另外reduce方法还有一个没有初始化值的重载方法

获取流中最小最大值
  • 通过min/max获取最小最大值
    Optional min = menu.stream().map(Dish::getCalories).min(Integer::compareTo);
    Optional max = menu.stream().map(Dish::getCalories).max(Integer::compareTo);
    复制代码
    min获取流中最小值,max获取流中最大值,方法参数为Comparator comparator
  • 通过minBy/maxBy获取最小最大值
    Optional min = menu.stream().map(Dish::getCalories).collect(minBy(Integer::compareTo));
    Optional max = menu.stream().map(Dish::getCalories).collect(maxBy(Integer::compareTo));
    复制代码

minBy获取流中最小值,maxBy获取流中最大值,方法参数为Comparator comparator

  • 通过reduce获取最小最大值
    Optional min = menu.stream().map(Dish::getCalories).reduce(Integer::min);
    Optional max = menu.stream().map(Dish::getCalories).reduce(Integer::max);
    复制代码

比较喜欢最后一种获取最小最大值的方式,简洁明白

通过summingInt求和
int sum = menu.stream().collect(summingInt(Dish::getCalories));
复制代码

等同于通过reduce

int sum2 = menu.stream().map(Dish::getCalories).reduce(0, Integer::sum);
复制代码

更倾向于使用第一种方式,与reduce求和相比它更申明式 如果数据类型为doublelong,则通过summingDoublesummingLong方法进行求和

通过averagingInt求平均值
double average = menu.stream().collect(averagingInt(Dish::getCalories));
复制代码

如果数据类型为doublelong,则通过averagingDoubleaveragingLong方法进行求平均

通过summarizingInt同时求总和、平均值、最大值、最小值
IntSummaryStatistics intSummaryStatistics = menu.stream().collect(summarizingInt(Dish::getCalories));
double average = intSummaryStatistics.getAverage();  //获取平均值
int min = intSummaryStatistics.getMin();  //获取最小值
int max = intSummaryStatistics.getMax();  //获取最大值
long sum = intSummaryStatistics.getSum();  //获取总和
复制代码

如果数据类型为doublelong,则通过summarizingDoublesummarizingLong方法

进阶通过groupingBy进行分组
Map> result = dishList.stream().collect(groupingBy(Dish::getType));
复制代码

collect方法中传入groupingBy进行分组,其中groupingBy的方法参数为分类函数。还可以通过嵌套使用groupingBy进行多级分类

Map> result = menu.stream().collect(groupingBy(Dish::getType,
        groupingBy(dish -> {
            if (dish.getCalories() <= 400) return CaloricLevel.DIET;
                else if (dish.getCalories() <= 700) return CaloricLevel.NORMAL;
                else return CaloricLevel.FAT;
        })));
复制代码
进阶通过partitioningBy进行分区

分区是特殊的分组,它分类依据是true和false,所以返回的结果最多可以分为两组

Map> result = menu.stream().collect(partitioningBy(Dish :: isVegetarian))
复制代码

等同于

Map> result = menu.stream().collect(groupingBy(Dish :: isVegetarian))
复制代码

这个例子可能并不能看出分区和分类的区别,甚至觉得分区根本没有必要,换个明显一点的例子:

List integerList = Arrays.asList(1, 2, 3, 4, 5);
Map> result = integerList.stream().collect(partitioningBy(i -> i < 3));
复制代码

返回值的键仍然是布尔类型,但是它的分类是根据范围进行分类的,分区比较适合处理根据范围进行分类

通过joining拼接流中的元素
String result = menu.stream().map(Dish::getName).collect(Collectors.joining(", "));
复制代码

默认如果不通过map方法进行映射处理拼接的toString方法返回的字符串,joining的方法参数为元素的分界符,如果不指定生成的字符串将是一串的,可读性不强

总结

通过使用Stream API可以简化代码,同时提高了代码可读性,赶紧在项目里用起来。讲道理在没学Stream API之前,谁要是给我在应用里写很多LambdaStream API,飞起就想给他一脚。我想,我现在可能爱上他了【嘻嘻】。同时使用的时候注意不要将声明式和命令式编程混合使用,前几天刷segment刷到一条:

imango老哥说的很对, 别用声明式编程的语法干命令式编程的勾

猜你喜欢

转载自juejin.im/post/5d8226d4e51d453c135c5b9a