一 引言
JAVA1.8得益于Lambda所带来的函数式编程,引入了一个全新的Stream流概念Stream流式思想类似于工厂车间的“生产流水线”,Stream流不是一种数据结构,不保存数据,而是对数据进行加工处理。Stream可以看作是流水线上的一个工序。在流水线上,通过多个工序让一个原材料加工成一个商品。
二 常用方法介绍
2.1 获取Stream流
所有的 Collection 集合都可以通过 stream 默认方法获取流;
java.util.Collection 接口中加入了default方法 stream 用来获取流,所以其所有实现类均可获取流。
ArrayList<XyBug> xyBugList = new ArrayList();
Stream<XyBug> stream = xyBugList.stream();
Stream 接口的静态方法 of 可以获取数组对应的流。
//String
Stream<String> stream = Stream.of("aa", "bb", "cc");
//数组
String[] arr = {"aa", "bb", "cc"};
Stream<String> stream7 = Stream.of(arr);
Integer[] arr2 = {11, 22, 33};
Stream<Integer> stream8 = Stream.of(arr2);
//对象
XyBug xyBug1 = new XyBug();
XyBug xyBug2 = new XyBug();
XyBug xyBug3 = new XyBug();
Stream<XyBug> bugStream = Stream.of(xyBug1, xyBug2, xyBug3);
2.2 Stream 数据处理常用方法
forEach方法
该方法接收一个 Consumer 接口函数,会将每一个流元素交给该函数进行处理
List<String> list = new ArrayList<>();
Collections.addAll(list, "str1", "str2", "str3", "str4", "str5", "str6");
list.stream().forEach((String s) -> {
System.out.println(s);
});
//简写
list.stream().forEach(s -> System.out.println(s));
s代表list中的每一个元素,流式处理依次遍历每个元素
->后的代码为每个元素处理逻辑
count方法
count 方法来统计其中的元素个数,返回值为long类型
long count = list.stream().count();
distinct方法
对流中的数据进行去重操作,普通类型可直接去重
//将22、33重复数据去除
Stream.of(22, 33, 22, 11, 33).distinct().collect(Collectors.toList());
自定义类型是根据对象的hashCode和equals来去除重复元素的
XyBug实体类中加@Data注解,hashCode和equals会别重写,在使用distinct方法时判断去重
ArrayList bugList = JSON.parseObject(bugs, ArrayList.class);
ArrayList<XyBug> xyBugList = new ArrayList();
List collect = (List) bugList.stream().distinct().collect(Collectors.toList());
通过distinct()方法去重,去重后的数据通过collect(Collectors.toList())组成新6的list
limit方法
方法可以对流进行截取,只取用前n个,参数是一个long型,如果集合当前长度大于参数则进行截取。否则不进行操作
List<String> list = new ArrayList<>();
Collections.addAll(list, "1", "2", "3", "4", "5", "6");
List<String> collect = list.stream().limit(3).collect(Collectors.toList());
将前3个String对象截取,组成新的list
skip方法
如果希望跳过前几个元素,可以使用 skip 方法获取一个截取之后的新流,如果流的当前长度大于n,则跳过前n个;否则将会得到一个长度为0的空流
List<String> list = new ArrayList<>();
Collections.addAll(list, "1", "2", "3", "4", "5", "6");
List<String> collect = list.stream().skip(3).collect(Collectors.toList());
跳过前3个String对象,后三个组成新的list
filter方法
filter用于过滤数据,返回符合过滤条件的数据,可以通过 filter 方法将一个流转换成另一个子集流,该接口接收一个 Predicate 函数式接口参数(可以是一个Lambda或方法引用)作为筛选条件
List<String> list = new ArrayList<>();
Collections.addAll(list, "1", "22", "3", "4", "55", "6");
//filter方法中写入筛选条件,将过滤后的数据组成新的list
list.stream().filter(s -> s.length() == 2).collect(Collectors.toList());
通过该条语句s -> s.length() == 2,筛选出22、55
map方法
将流中的元素映射到另一个流中,可以将当前流中的T类型数据转换为另一种R类型的流
List<PersonCrDto> laputaCrDtos = queryListLaputaByBeginEndTime(begin, end);
//将list中的PersonCrDto对象的userName属性取到,收集成set集合
laputaCrDtos.stream().map(PersonCrDto::getUserName).collect(Collectors.toSet())
将list中的每个对象的userName数据拿到,组成Set集合
stream分组
List<XyBug> list = new ArrayList<>();
Map<String, List<XyBug>> collect = list.stream().collect(Collectors.groupingBy(XyBug::getBugType));
根据bug类型进行分组,分组后会组成map,key是组名,value是组下的数据
stream排序
sort(),默认正序排列,加入reversed()方法后倒叙排列
List<XyBug> list = new ArrayList<>();
//根据createTime正序排列
List<XyBug> collect = list.stream().sorted(Comparator.comparing(XyBug::getCreateTime)).collect(Collectors.toList());
//根据createTime倒叙排列
List<XyBug> collect = list.stream().sorted(Comparator.comparing(XyBug::getCreateTime).reversed()).collect(Collectors.toList());
collect方法
将处理后数据收集为list,collect(Collectors.toList())
将处理后数据收集为set,collect(Collectors.toSet())
根据某个字段值将数据分组map,collect(Collectors.groupingBy(o -> o.value())))
三 实践举例
需求:将bug数据通过orgTierName分组,存储到map中
未使用Stream,需要使用for循环并且进行各种判断,代码行数较多
HashMap<String, List<XyBug>> map = new HashMap<>();
for (XyBug one : bugList){
if(one.getOrgTierName() != null){
if(map.get(one.getOrgTierName()) == null){
List<XyBug> list = new ArrayList();
list.add(one);
map.put(one.getOrgTierName(),list);
}else {
map.get(one.getOrgTierName()).add(one);
}
}
}
使用Stream,一行代码搞定,直观并高效
collectDeptBugMap = bugList.stream().filter(o -> o.getOrgTierName() != null).collect(Collectors.groupingBy(o -> o.getOrgTierName()));
四 总结
Stream是对集合(Collection)对象功能的增强,能对集合对象进行各种非常便利、高效的聚合操作,或者大批量数据操作,提高编程效率、简洁性和程序可读性。本文通过简单举例,希望帮助读者快速上手使用流处理,Stream流处理功能非常强全,更多方法请参考API文档。
作者:京东物流 杨靖平
来源:京东云开发者社区 自猿其说Tech 转载请注明来源