转载

Lambda 表达式与 Stream

引用至:https://gper.club/articles/7e7e7f7ff7g5egcdg63

本文并非原创,是根据网上一些文字总结而来。

Lambda 表达式

Lambda语法

Lambda表达式在Java中引入了一个新的语法元素和操作符->,它将Lambda分成两个部分:

左侧:指定Lambda表达式需要的所有参数;

右侧:指定了Lambda体,即Lambda表达式要执行的功能。

语法格式一:无参,无返回值,Lambda体只需要一条语句

Runnable runnable = () -> System.out.println("Hello World"); runnable.run();

语法格式二:Lambda有一个参数,且无返回值

Consumer<String> com = (x) -> System.out.println(x); com.accept("Hello World");

语法格式三:Lambda有一个参数,参数的小括号可以省略

Consumer<String> com = x -> System.out.println(x); com.accept("Hello World");

语法格式四:Lambda有2个参数,并且有返回值,多条语句时必须加上{}

BinaryOperator<Integer> bi = (x, y) -> { System.out.println("加法"); return x + y; }; Integer apply = bi.apply(23, 45); System.out.println(apply);

语法格式五:当Lambda体只有一条语句时,return与大括号可以省略

语法格式六:Lambda的参数列表的类型可以不写,JVM编辑器可以通过上下文进行”类型推断“

BinaryOperator<Integer> bi = (x, y) -> x + y; System.out.println(bi.apply(20, 30));

函数式接口

只包含一个抽象方法的接口,称为函数式接口。

可以在任意函数式接口上使用@FunctionalInterface注解,这样可以检查此接口是否是一个函数式接口,同时javadoc也会包含一条声明,说明这是一个函数式接口。

@FunctionalInterface public interface ICalculate { //有且只有一个抽象函数 int calculate(int x, int y); //可以有默认方法 default void print(int x, int y) { System.out.println(String.format("[x:%d,y:%d]", x, y)); } //可以有静态方法 static int addition(int x, int y) { return x + y; } public static void main(String[] args) { ICalculate c = (x, y) -> 100 * x + 10 * y; System.out.println(c.calculate(5, 6)); } }

##使用场所

1、替代匿名内部类

//jdk1.8之前 new Thread(new Runnable() { @Override public void run() { System.out.println("jdk1.8 befare"); } }).start(); System.out.println("============================="); //jdk1.8 new Thread(() -> System.out.println("jdk1.8 lambda")).start();

2、对集合进行迭代

List<String> dict = Arrays.asList("java", "C#", "PHP", "C++"); //jdk1.8之前 for (String lang : dict){ System.out.println(lang); } System.out.println("============================="); //jdk1.8 //dict.forEach(lang -> System.out.println(lang)); dict.forEach(System.out::println);

3、对集合进行过滤

jdk1.8之前

//定义过滤接口 public interface FilterProcessor<T> { boolean process(T t); } //实现filter函数 public class Filter<T> { List<T> filter(List<T>list, FilterProcessor fp){ List<T> result = new ArrayList<T>(); for (T t : list){ if (fp.process(t)) result.add(t); } return result; } } //使用匿名内部类实现过滤 List<Integer> cost = Arrays.asList(1, 3, 5, 6, 7, 10, 20, 100); List<Integer> beferFilterCost = new Filter().filter(cost, new FilterProcessor<Integer>() { @Override public boolean process(Integer i) { if (i > 5) return true; return false; } }); beferFilterCost.forEach(System.out::println);

jdk1.8

List<Integer> cost = Arrays.asList(1, 3, 5, 6, 7, 10, 20, 100); List<Integer> filterCost = cost.stream().filter(x -> x > 5).collect(Collectors.toList()); filterCost.forEach(System.out::println);

4、实现map

map函数可以说是函数式编程里最重要的一个方法了。map的作用是将一个对象变换为另外一个。

//将cost增加了0,05倍的大小然后输出 List<Double> cost = Arrays.asList(10.0, 20.0,30.0); cost.stream().map(x -> x + x*0.05).forEach(x -> System.out.println(x));

5、实现reduce

reduce实现的是将所有值合并为一个

jdk1.8之前

List<Double> cost = Arrays.asList(10.0, 20.0,30.0); double sum = 0; for(double each:cost) { each += each * 0.05; sum += each; } System.out.println(sum);

jdk1.8

List<Double> cost = Arrays.asList(10.0, 20.0,30.0); double allCost = cost.stream().map(x -> x+x*0.05).reduce((sum,x) -> sum + x).get(); System.out.println(allCost);

6、与函数式接口Predicate配合

除了在语言层面支持函数式编程风格,Java 8也添加了一个包,叫做java.util.function。它包含了很多类,用来支持Java的函数式编程。其中一个便是Predicate,使用 java.util.function.Predicate 函数式接口以及lambda表达式,可以向API方法添加逻辑,用更少的代码支持更多的动态行为。Predicate接口非常适用于做过滤。

public static void filterTest(List<String> languages, Predicate<String> condition) { languages.stream().filter(x -> condition.test(x)).forEach(x -> System.out.println(x + " ")); } public static void main(String[] args) { List<String> languages = Arrays.asList("Java","Python","scala","Shell","R"); System.out.println("Language starts with J: "); filterTest(languages,x -> x.startsWith("J")); System.out.println("\nLanguage ends with a: "); filterTest(languages,x -> x.endsWith("a")); System.out.println("\nAll languages: "); filterTest(languages,x -> true); System.out.println("\nNo languages: "); filterTest(languages,x -> false); System.out.println("\nLanguage length bigger three: "); filterTest(languages,x -> x.length() > 4); }

Stream

Stream定义

Java 8 中的 Stream 是对集合(Collection)对象功能的增强,它专注于对集合对象进行各种非常便利、高效的聚合操作(aggregate operation),或者大批量数据操作 (bulk data operation)。

Stream API 借助于同样新出现的 Lambda 表达式,极大的提高编程效率和程序可读性。

同时它提供串行和并行两种模式进行汇聚操作,并发模式能够充分利用多核处理器的优势,使用 fork/join 并行方式来拆分任务和加速处理过程。

stream总览

Stream 不是集合元素,它不是数据结构并不保存数据,它是有关算法和计算的,它更像一个高级版本的 Iterator。

Stream 就如同一个迭代器(Iterator),单向,不可往复,数据只能遍历一次,遍历过一次后即用尽了,就好比流水从面前流过,一去不复返。

而和迭代器又不同的是,Stream 可以并行化操作,迭代器只能命令式地、串行化操作。

Stream 的另外一大特点是,数据源本身可以是无限的。

stream的构成

当我们使用一个流的时候,通常包括三个基本步骤:

获取一个数据源(source)→ 数据转换→执行操作获取想要的结果,每次转换原有 Stream 对象不改变,返回一个新的 Stream 对象(可以有多次转换),这就允许对其操作可以像链条一样排列,变成一个管道。

image.png![1534832555509](stream Pipeline.png)

有多种方式生成 Stream Source:

  • 从Collection和数组
    • COllection.steam()
    • Collection.parallelStream()
    • Arrays.stream(T arrary) or Stream.of()
  • 从BufferedReader
    • java.io.BuffereReader.lines()
  • 静态工厂
  • java.util.stream.IntStream.range()
  • java.nio.file.Files.walk()
  • 自己构建
    • java.util.Spliterator
  • 其他
    • Random.ints()
    • BitSet.stream()
    • Pattern.splitAsStream(java.lang.CharSequence)
    • JarFile.stream()

stream操作类型分为两种:

  • Intermediate : 一个流可以后面跟随零个或多个intermediate 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(lazy),就是说,仅仅调用到这类方法,并没有真正开始流的遍历。
  • Terminal : 一个流只能有一个 terminal 操作,当这个操作执行后,流就被使用“光”了,无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行,才会真正开始流的遍历,并且会生成一个结果,或者一个 side effect。

还有一种操作被称为 short-circuiting。用以指:

  • 对于一个 intermediate 操作,如果它接受的是一个无限大(infinite/unbounded)的 Stream,但返回一个有限的新 Stream。
  • 对于一个terminal 操作,如果它接受的是一个无限大的 Stream,但能在有限的时间计算出结果。

stream操作示例

int sum = widgets.stream() .filter(w -> w.getColor() == RED) .mapToInt(w -> w.getWeight()) .sum();

stream() 获取当前小物件的 source,filter 和 mapToInt 为 intermediate 操作,进行数据筛选和转换,最后一个 sum() 为 terminal 操作,对符合条件的全部小物件作重量求和。

stream使用详解

简单说,对 Stream 的使用就是实现一个 filter-map-reduce 过程,产生一个最终结果,或者导致一个副作用(side effect)。

stream的构造与转换

构造stream的几种常见方法

// 1. Individual values Stream stream = Stream.of("a", "b", "c"); // 2. Arrays String [] strArray = new String[] {"a", "b", "c"}; stream = Stream.of(strArray); stream = Arrays.stream(strArray); // 3. Collections List<String> list = Arrays.asList(strArray); stream = list.stream();

需要注意的是,对于基本数值型,目前有三种对应的包装类型 Stream:IntStreamLongStreamDoubleStream

当然我们也可以用 Stream、Stream >、Stream,但是 boxing 和 unboxing 会很耗时,所以特别为这三种基本数值型提供了对应的 Stream。

数据流的构造

IntStream.of(new int[]{1, 2, 3}).forEach(System.out::println); IntStream.range(1, 3).forEach(System.out::println); IntStream.rangeClosed(1, 3).forEach(System.out::println);

stream转换为其它数据结构

// 1. Array String[] strArray1 = stream.toArray(String[]::new); // 2. Collection List<String> list1 = stream.collect(Collectors.toList()); List<String> list2 = stream.collect(Collectors.toCollection(ArrayList::new)); Set set1 = stream.collect(Collectors.toSet()); Stack stack1 = stream.collect(Collectors.toCollection(Stack::new)); // 3. String String str = stream.collect(Collectors.joining()).toString();

一个 Stream 只可以使用一次,上面的代码为了简洁而重复使用了数次。

stream操作

当把一个数据结构包装成 Stream 后,就要开始对里面的元素进行各类操作了。常见的操作可以归类如下。

  • Intermediate
    • map(mapToInt, flatMap 等)
    • filter
    • distinct
    • sorted
    • peek
    • limit
    • skip
    • parallel
    • sequential
    • unordered
  • Terminal
    • forEach
    • forEachOrdered
    • toArray
    • reduce
    • collect
    • min
    • max
    • count
    • anyMatch
    • allMatch
    • noneMatch
    • findFirst
    • findAny
    • iterator
  • Short-circuiting
    • anyMatch
    • allMatch
    • noneMtch
    • findFirst
    • findAny
    • limit

典型用法

转换大写

List<String> output = wordList.stream(). map(String::toUpperCase). collect(Collectors.toList());

平方数

List<Integer> nums = Arrays.asList(1, 2, 3, 4); List<Integer> squareNums = nums.stream(). map(n -> n * n). collect(Collectors.toList());

map生成的是个 1:1 映射,每个输入元素,都按照规则转换成为另外一个元素。

一对多

Stream<List<Integer>> inputStream = Stream.of( Arrays.asList(1), Arrays.asList(2, 3), Arrays.asList(4, 5, 6) ); Stream<Integer> outputStream = inputStream.flatMap((childList) -> childList.stream());

flatMap把 input Stream 中的层级结构扁平化,就是将最底层元素抽出来放到一起,最终 output 的新 Stream 里面已经没有 List 了,都是直接的数字。

filter

//取偶数 Integer[] sixNums = {1, 2, 3, 4, 5, 6}; Integer[] evens = Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new); /** * 挑单词 * 把每行的单词用 flatMap 整理到新的 Stream,然后保留长度不为 0 的,就是整篇文章中的全部单词了 */ List<String> output = reader.lines(). flatMap(line -> Stream.of(line.split(REGEXP))). filter(word -> word.length() > 0). collect(Collectors.toList());

forEach

// Java 8 roster.stream() .filter(p -> p.getGender() == Person.Sex.MALE) .forEach(p -> System.out.println(p.getName())); // Pre-Java 8 for (Person p : roster) { if (p.getGender() == Person.Sex.MALE) { System.out.println(p.getName()); } }

forEach是为 Lambda而设计的,保持了最紧凑的风格。

当需要为多核系统优化时,可以parallelStream().forEach(),只是此时原有元素的次序没法保证,并行的情况下将改变串行时操作的行为,此时 forEach本身的实现不需要调整,而 Java8 以前的 for 循环 code 可能需要加入额外的多线程逻辑。

另外一点需要注意,forEach是 terminal操作,因此它执行后,Stream 的元素就被“消费”掉了,你无法对一个 Stream 进行两次 terminal运算。下面的代码是错误的:

stream.forEach(element -> doOneThing(element)); stream.forEach(element -> doAnotherThing(element));

相反,具有相似功能的 intermediate 操作 peek 可以达到上述目的 。

//peek 对每个元素执行操作并返回一个新的 Stream Stream.of("one", "two", "three", "four") .filter(e -> e.length() > 3) .peek(e -> System.out.println("Filtered value: " + e)) .map(String::toUpperCase) .peek(e -> System.out.println("Mapped value: " + e)) .collect(Collectors.toList());

forEach不能修改自己包含的本地变量值,也不能用 break/return 之类的关键字提前结束循环。

findFirst

这是一个 termimal兼 short-circuiting 操作,它总是返回 Stream 的第一个元素,或者空。

比较重点的是它的返回值类型:Optional。这也是一个模仿 Scala 语言中的概念,作为一个容器,它可能含有某值,或者不包含。使用它的目的是尽可能避免 NullPointerException

Optional 的两个用例

String strA = " abcd ", strB = null; print(strA); print(""); print(strB); getLength(strA); getLength(""); getLength(strB); public static void print(String text) { // Java 8 Optional.ofNullable(text).ifPresent(System.out::println); // Pre-Java 8 if (text != null) { System.out.println(text); } } public static int getLength(String text) { // Java 8 return Optional.ofNullable(text).map(String::length).orElse(-1); // Pre-Java 8 // return if (text != null) ? text.length() : -1; };

Stream 中的 findAnymax/minreduce等方法等返回 Optional值。还有例如 IntStream.average() 返回 OptionalDouble等等。

reduce

这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值(种子),然后依照运算规则(BinaryOperator),和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说,字符串拼接、数值的 summinmaxaverage都是特殊的 reduce

例如 Stream 的 sum 就相当于

Integer sum = integers.reduce(0, (a, b) -> a+b); //或 Integer sum = integers.reduce(0, Integer::sum);

也有没有起始值的情况,这时会把 Stream 的前面两个元素组合起来,返回的是 Optional

reduce示例

// 字符串连接,concat = "ABCD" String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat); // 求最小值,minValue = -3.0 double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min); // 求和,sumValue = 10, 有起始值 int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum); // 求和,sumValue = 10, 无起始值 sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get(); // 过滤,字符串连接,concat = "ace" concat = Stream.of("a", "B", "c", "D", "e", "F"). filter(x -> x.compareTo("Z") > 0). reduce("", String::concat);

limit/skip

limit返回 Stream 的前面 n 个元素;skip则是扔掉前 n 个元素(它是由一个叫 subStream的方法改名而来)。

public void testLimitAndSkip() { List<Person> persons = new ArrayList(); for (int i = 1; i <= 10000; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<String> personList2 = persons.stream(). map(Person::getName).limit(10).skip(3).collect(Collectors.toList()); System.out.println(personList2); } private class Person { public int no; private String name; public Person (int no, String name) { this.no = no; this.name = name; } public String getName() { System.out.println(name); return name; } }

有一种情况是 limit/skip 无法达到 short-circuiting目的的,就是把它们放在 Stream 的排序操作后,原因跟 sorted 这个 intermediate操作有关:此时系统并不知道 Stream 排序后的次序如何,所以 sorted中的操作看上去就像完全没有被 limit或者 skip一样。

List<Person> persons = new ArrayList(); for (int i = 1; i <= 5; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<Person> personList2 = persons.stream().sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).limit(2).collect(Collectors.toList()); System.out.println(personList2);

输出结果

name2 name1 name3 name2 name4 name3 name5 name4 [stream.StreamDW$Person@816f27d, stream.StreamDW$Person@87aac27]

有一点需要注意的是,对一个 parallel的 Steam 管道来说,如果其元素是有序的,那么 limit操作的成本会比较大,因为它的返回对象必须是前 n 个也有一样次序的元素。取而代之的策略是取消元素间的次序,或者不要用 parallel Stream

sorted

对 Stream 的排序通过 sorted 进行,它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后,再排序,这能帮助程序明显缩短执行时间。

//优化:排序前进行 limit 和 skip List<Person> persons = new ArrayList(); for (int i = 1; i <= 5; i++) { Person person = new Person(i, "name" + i); persons.add(person); } List<Person> personList2 = persons.stream().limit(2).sorted((p1, p2) -> p1.getName().compareTo(p2.getName())).collect(Collectors.toList()); System.out.println(personList2);

这种优化是有 business logic 上的局限性的:即不要求排序后再取值。

min/max/distinct

min和 max的功能也可以通过对 Stream 元素先排序,再 findFirst来实现,但前者的性能会更好,为 O(n),而 sorted的成本是 O(n log n)。同时它们作为特殊的 reduce方法被独立出来也是因为求最大最小值是很常见的操作。

//找出最长一行的长度 BufferedReader br = new BufferedReader(new FileReader("c:\\SUService.log")); int longest = br.lines(). mapToInt(String::length). max(). getAsInt(); br.close(); System.out.println(longest); //找出全文的单词,转小写,并排序 List<String> words = br.lines(). flatMap(line -> Stream.of(line.split(" "))). filter(word -> word.length() > 0). map(String::toLowerCase). distinct(). sorted(). collect(Collectors.toList()); br.close(); System.out.println(words);

Match

Stream 有三个 match 方法,从语义上说:

  • allMatch: Stream 中全部元素符合传入的 predicate,返回 true
  • anyMatch: Stream 中只要有一个元素符合传入的 predicate,返回 true
  • noneMatch: Stream 中没有一个元素符合传入的 predicate,返回 true

它们都不是要遍历全部元素才能返回结果。例如 allMatch只要一个元素不满足条件,就 skip剩下的所有元素,返回 false。

List<Person> persons = new ArrayList(); persons.add(new Person(1, "name" + 1, 10)); persons.add(new Person(2, "name" + 2, 21)); persons.add(new Person(3, "name" + 3, 34)); persons.add(new Person(4, "name" + 4, 6)); persons.add(new Person(5, "name" + 5, 55)); boolean isAllAdult = persons.stream(). allMatch(p -> p.getAge() > 18); System.out.println("All are adult? " + isAllAdult); boolean isThereAnyChild = persons.stream(). anyMatch(p -> p.getAge() < 12); System.out.println("Any child? " + isThereAnyChild);

总结

Stream特性可归纳为:

  • 不是数据结构
    • 没有内部存储,只是用操作管道从source(数据结构、数组、generator functionIO channe)抓取数据
    • 也绝不修改所封装的底层数据结构的数据。例如Stream的filter操作会产生一个不包含被过滤元素的新Stream,而不是从source删除那些元素
  • 所有Stream的操作必须以lambda表达式为参数
    • 不支持索引访问
    • 可以请求第一个元素,但无法请求第二个、第三个或最后一个
    • 很容易生成数据或List
  • 惰性化
    • 很多Stream操作是向后延迟的,一直到它弄清楚最后需要多少数据才会开始
    • Intermediate操作永远是惰性化的
  • 并行能力(parallelStream
    • 当一个Stream是并行的,就不需要再写多线程代码,所有对它的操作会自动并行进行
  • 可以是无限的
    • 集合有固定大小,Stream则不必。limit(n)findFirst()这类的short-circuiting操作可以对无限的Stream进行运算并很快完成
正文到此结束
本文目录