Java8的Stream最佳实践

发布时间:2024年01月22日

从这一篇文章开始,我们会由浅入深,全面的学习stream API的最佳实践(结合我的使用经验),本想一篇写完,但写着写着发现需要写的内容太多了,所以分成一个系列慢慢来说。给大家分享我的经验的同时,也促使我复习每一个细节,大家共同进步。

Stream是什么

Java 8新增了一个API叫做Stream ,Stream的英文可以理解为流动的液体,可能很多人一听脑子里的第一印象就是流式计算,不自觉地就心生畏惧,感觉非常的高深莫测。其实这就是一个辅助处理集合数据的工具类,工具的更新必然带来的是生产力的提升,这里的生产力代表的就是整洁优雅的代码,更高的灵活度,更好的性能。相信各类的技术文章(包括博客和书籍)已经写过无数遍了。比如下面摘录《Java 8实战》关于流的描述:

流是Java API的新成员,它允许你以声明性方式处理数据集合(通过查询语句来表达,而不是临时编写一个实现)。就现在来说,你可以把它们看成遍历数据集的高级迭代器。此外,流还可以透明地并行处理,你无需写任何多线程代码了!

这段话的表述个人感觉类似于抓手、赋能、心智之类的PPT黑话,看着挺高级的,也能懂一些,但也不是很懂,反正如果对于不知道Stream的人,并不能建立直接的理解。

所以流到底是什么呢?是一个接口。让我们看看它的声明:

public interface Stream<T> extends BaseStream<T, Stream<T>> {

  Stream<T> filter(Predicate<? super T> predicate);

  <R> Stream<R> map(Function<? super T, ? extends R> mapper);

  void forEach(Consumer<? super T> action);
  ...
}

就是个接口,然后这个借口有一些抽象方法:filter,map,forEach等等。我们可以看到有些方法返回了新的Stream,有些直接是void。这个接口用来干什么用呢?处理集合数据。为什么这么说?看下面一个Collection接口的方法:

public interface Collection<E> extends Iterable<E> {
  ...
  default Stream<E> stream() {
        return StreamSupport.stream(spliterator(), false);
    }
}

那么所有继承了Collection的接口都可以直接创建Stream,然后再执行Stream里面的操作。所以这么看下来,首先得承认书中的表述是高度抽象且精炼的,这是书籍该做的事情。但从易于理解的角度,我觉得可以说是简洁高效安全的处理集合数据的工具类。如下图所示,Stream是一个中间过程。
在这里插入图片描述

需要注意的点

  • 首先Stream不是一个数据结构,它不存储任何数据,它是一种数据处理工具,代表了一种能力。
  • Stream不会对处理的数据本身做任何修改,永远都是返回新的Stream或者最终的处理结果。
  • Stream可以有多个中间操作,但只能有一个终端操作,因为终端操作就求值了。
  • 一个Stream只能用一次,不能多次复用。(因为它不存储数据,只是一个转换能力)。

能力范围

Stream随着Java 8的发布已经8年多了,在我有限的职业生涯里,碰到的一些职场新人依然有些人觉得使用for或者iterator来遍历集合更易读易懂。但如果他真正了解Stream所蕴含的能力后,应该会转变想法。下面简单介绍一下Stream都提供了什么样的能力。

1. 生成流

  • java.util.stream.Stream#of(T… values) 。首先stream接口本身提供了一个静态默认方法,可以直接创建,这里的可变参数会被解析成一个数组。
  • java.util.Collection#stream()
  • java.util.Arrays#stream(T[] array)
  • java.nio.file.Files#list(Path dir)
  • java.nio.file.Files#lines(Path path)

可以看到,可以操作stream的对象基本为List或者Array.

2. 筛选和切片

这可能是用的最多的功能。对应的方法为:

  • filter:接受一个Predicate断言函数,用来遍历元素是否符合断言条件。可以简单的理解为一个过滤器。
  • distinct:无参数,将所有元素去重,和数据库的distinct关键词能力一样。
  • limit:接受一个int型长度字段,表示要保留多少个元素,需要注意的时候limit并不排序。
  • skip:和limit相对应,接受一个int型长度字段表示跳过多少个元素,也不排序。
    下面举个例子:
Stream.of("d2", "a2", "b1", "a3", "c1", "a4", "a2", "a1")
        .filter(x -> x.startsWith("a"))
        .distinct()
        .skip(1)
        .limit(3)
        .forEach(System.out::println);
  }
// output: 
a3
a4
a1

3. 映射/转换

这里主要是map,map代表了一种对应关系,即地图坐标与实际地点的对应关系,我们有了经纬度就可以准确的找到地址,这个例子可以很形象的解释map命名的由来和功能。

  • map:接受一个Function作为参数,即输入一个值,返回另一个值,满足转换的语义。
  • flatmap:同样接受一个Function作为参数,不同的是这个Function中有一个参数是一个stream,返回的也是一个stream,意为将多个stream连成一个stream。

同样,举个简单的例子:

Stream.of("d2", "a2", "b1", "a3", "c1", "a4", "a2", "a1")
        .filter(x -> x.startsWith("a"))
        .map(String::toUpperCase)
        .forEach(System.out::println);
//output
A2
A3
A4
A2
A1

List<String> list = Stream.of("Hello", "world!")
        .map(s -> s.split(""))
        .flatMap(Arrays::stream)
        .collect(Collectors.toList());
System.out.println(list);
//output
[H, e, l, l, o, w, o, r, l, d, !]

4. 查找和匹配

这里的能力可以认为是一个加强版的contains方法,具备多种查找匹配能力。

  • allMatch:返回boolean,接受一个Predicate断言,确认全部元素均满足这个条件则返回true,否则返回false
  • anyMatch:与allMatch类似,但从语义上可以区分只要任意元素满足条件即可
  • noneMatch:同样,要求没有任何元素满足条件
  • findFirst:返回一个Optional,里面是满足条件的第一个元素
  • findAny:返回Optional,里面是满足条件的任一元素

这里需要解惑的是findAny与findFirst的区别,因为这两个都是找到满足条件的元素就返回,但findFirst会在限制并行流的计算,会严格按照集合中元素的顺序来依次查找。findAny就不会有这个限制。如果非并行计算场景,这二者并无区别。

下面依旧举简单的例子说明:

boolean b1 = Stream.of("d2", "a2", "b1", "a3", "c1", "a4", "a2", "a1")
        .anyMatch(x -> x.startsWith("a"));
    System.out.println(b1);
//output: true

String s2 = Stream.of("d2", "a2", "b1", "a3", "c1", "a4", "a2", "a1")
        .filter(x -> x.startsWith("a"))
        .findFirst()
        .get();
    System.out.println(s2);
//output: a2

String s3 = Stream.of("d2", "a2", "b1", "a3", "c1", "a4", "a2", "a1")
        .filter(x -> x.startsWith("a"))
        .findAny()
        .get();
    System.out.println(s3);
//output: a2

//换成并行流
String s4 = Stream.of("d2", "a2", "b1", "a3", "c1", "a4", "a2", "a1")
        .parallel()
        .filter(x -> x.startsWith("a"))
        .findFirst()
        .get();
    System.out.println(s4);
//output: a2


String s5 = Stream.of("d2", "a2", "b1", "a3", "c1", "a4", "a2", "a1")
        .parallel()
        .filter(x -> x.startsWith("a"))
        .findAny()
        .get();
    System.out.println(s5);
//output: a4

5. 归约

归约是一个比较复杂的数学理论,通常是用于将一个未知的问题转换成另一些已知问题,同时这些已知的问题和未知的问题存在某种关联。这里不做详细探讨。在Stream API有一些方法就是用的类似的归约的思想,将大的集合计算分解成小的函数计算并最终合成结果。

  • reduce
  • collect
    这两个方法都很重要,且都是终端操作,执行完即返回流的计算结果。我们逐个来说,先看reduce。reduce的英文含义为减少、归纳,在stream接口中的定义如下:
T reduce(T identity, BinaryOperator<T> accumulator);

Optional<T> reduce(BinaryOperator<T> accumulator);

<U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner);

这样的方法签名如同天书,先看一个简单的例子:

Integer i = Stream.of(1, 4, 6, 7, 9).reduce(1, (sum, i) -> sum + i);
System.out.println(i);

其中reduce我传了2个参数:

  • 1表示初始值,可以不给,不给的话默认从流的第一个元素开始计算,但返回是就是Optional
  • (sum, i) -> sum + i表示计算函数,每次计算的结果都会暂存在sum中,i则是下一个元素
    所以总的来说,这是一个迭代归纳的过程,将多个元素的流按照自己制定的计算规则变成一个元素。不仅仅可以做述职运算,也可以实现复杂对象的转换,先看例子(此例来源于与廖雪峰老师的网站并稍做修改,具体链接:https://www.liaoxuefeng.com/wiki/1252599548343744/1322402971648033):
List<String> props = Lists.newArrayList("profile=native", "debug=true", "logging=warn", "interval=500");
    Map<String, String> map = props.stream()
        .map(kv -> {
          String[] ss = kv.split("=", 2);
          Map<String, String> m = Maps.newHashMap();
          m.put(ss[0], ss[1]);
          return m;
        })
        .reduce(new HashMap<>(), (m, kv) -> {
          m.putAll(kv);
          return m;
        });
    map.forEach((k, v) -> System.out.println(k + " = " + v));

//output:
logging = warn
interval = 500
debug = true
profile = native

第一个map执行完之后返回了多个小map这里使用reduce进行一个map的累加:

  • new HashMap<>()是初始值,一个空map
  • (m, kv) ->中,m是暂存累加结果,kv表示下一个元素map
    以上看来,reduce的使用场景应该会很广泛,尤其是多个集合合成一个大集合的场景。

小结

本文介绍了stream是什么、创建stream的方法、stream的一些基本API的能力和reduce方法的使用。作为stream最佳实践的开篇,先从stream的基础开始写,后续会逐步深入并总结我个人使用下来的最佳实践,希望大家持续关注,共同学习。

文章来源:https://blog.csdn.net/qq_29012499/article/details/135736548
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。