Lambda表达式是Java8最重要的新特性，基础的内容这里就不说了，让我们从收集器开始。
什么是收集器
就是用于收集流运算后结果的角色。例如：
List<String> collect = list.stream().map(TestBean::getName).collect(Collectors.toList());
以上代码最后的Collectors.toList()，就是Java8原生的收集器，用于把流结果放到一个List中。
原生的收集器还有很多，大多定义在Collectors下的静态方法。
通过收集器的组合，能产生很复杂的收集效果，这里就不展开说了，有兴趣的可以去翻翻。
这里要说的是在原生收集器用的不趁手的时候，如何自定义一个收集器。
其实蛮简单的。
实现Collector接口就可以了。
拿一个例子来说吧，现在要定义把一个整数流中所有数求和的收集器。
比如对于流：1，2，3，4，5....
计算出来就是：1+2+3+....
好，现在来定义一个类，实现Collector接口：
Collector接口
public class LongSumCollector implements
Collector<Long, LongSumCollector, Long> {
...
}
Collector接口有三个范型定义：
第一个，定义流的数据类；
第二个，定义保存中间计算结果的类，这里我们写的是收集器自身，也可以定义其他计算类；
第三个，定义流收集器的最后结果类型，就是计算出来的最后结果是个什么类型；
Collector接口有多个方法要实现，结构如下：
public class LongSumCollector implements
Collector<Long, LongSumCollector, Long>{
@Override
public Supplier<LongSumCollector > supplier() {
return null;
}
@Override
public BiConsumer<LongSumCollector, Long> accumulator() {
return null;
}
@Override
public BinaryOperator<LongSumCollector> combiner() {
return null;
}
@Override
public Function<LongSumCollector, Long> finisher() {
return null;
}
@Override
public Set<java.util.stream.Collector.Characteristics> characteristics() {
return null;
}
}
下面来挨个说明一下：
supplier()方法
对计算器的初始化，就是接口范型中间那个定义的计算器类型，方法返回一个创建计算器的lambda：
@Override
public Supplier<LongSumCollector> supplier() {
return () -> new LongSumCollector();
}
accumulator()方法
计算器对流中数据的处理，方法返回的也是lambda，第一个参数为计算器，第二个参数为流程中的数据：
@Override
public BiConsumer<LongSumCollector, Long> accumulator() {
return (collector, value) -> {
collector.sum += value;
};
}
代码中的sum用来记录求合结果
combiner()方法
用于在并发计算的情况下，对各路并发计算的结果进行合并，方法返回的lambda，两个参数就是进行合并的两路计算器，lambda要求最后返回合并的结果。
@Override
public BinaryOperator<LongSumCollector> combiner() {
return (c1, c2) -> {
c1.sum += c2.sum;
return c1;
};
}
finisher()方法
输出最后的结果：
@Override
public Function<LongSumCollector, Long> finisher() {
return (c1) -> c1.sum;
}
characteristics() 方法
用于标记收集器的特性，这里先返回一个空Set。
@Override
public Set<java.util.stream.Collector.Characteristics> characteristics() {
return new HashSet<>();
}
好，现在收集器已经自定义完了，怎么用呢？
这里写一个测试代码
// 数据流列表
List<Long> list = new ArrayList<Long>(100 * 10000);
// 生成100W个数
LongStream.range(1, 100 * 10000).forEach((value) -> list.add(value));
// 用流进行数据计算
Long sum = list.stream().collect(new LongSumCollector());
最后collect方法返回的值就是求和的结果，这种方式是不是很优雅？
并行
=====
在流程计算下，并行的实现简直是有够简单粗暴。
只需要用parallelStream()方法返回的流进行的计算就是并行的：
Long sum = list.parallelStream().collect(new LongSumCollector());
为了展式并行和串行的差别，加以时间计算和结果输出进行对比：
// 数据流列表
List<Long> dataList = new ArrayList<Long>(1000 * 10000);
// 生成1000W个数
LongStream.range(1, 1000 * 10000).forEach(
(value) -> dataList.add(value));
System.out.println("start");
// 用串行流进行数据计算
long time1 = System.currentTimeMillis();
Long sum1 = dataList.stream().sequential()
.collect(new LongSumCollector());
time1 = System.currentTimeMillis() - time1;
System.out.println("stream :" + time1 + ":" + sum1);
// 用并行流进行数据计算
long time2 = System.currentTimeMillis();
Long sum2 = dataList.parallelStream().collect(new LongSumCollector());
time2 = System.currentTimeMillis() - time2;
System.out.println("parallelStream:" + time2 + ":" + sum2);
System.out.println(time2 / (time1 * 1.0));
打印的结果如下：
stream :68:49999995000000
parallelStream:121:49999995000000
1.7794117647058822
什么情况，并行居然是串行的近2倍的时间！
好吧，测试用机只有两核，所以并行的效率发挥不出来。
