JAVA面试题分享七十九：Stream的用法？ |
您所在的位置：网站首页 › 关于java集合的面试问题 › JAVA面试题分享七十九：Stream的用法？ |
JAVA面试题分享七十九：Stream的用法？
|
一、概述
Java 8 是一个非常成功的版本，这个版本新增的Stream，配合同版本出现的Lambda ，给我们操作集合（Collection）提供了极大的便利。Stream流是JDK8新增的成员，允许以声明性方式处理数据集合，可以把Stream流看作是遍历数据集合的一个高级迭代器。Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找/筛选/过滤、排序、聚合和映射数据等操作。使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数据库查询。也可以使用 Stream API 来并行执行操作。简而言之，Stream API 提供了一种高效且易于使用的处理数据的方式。 1、使用流的好处代码以声明性方式书写，说明想要完成什么，而不是说明如何完成一个操作。 可以把几个基础操作连接起来，来表达复杂的数据处理的流水线，同时保持代码清晰可读。 2、流是什么?从支持数据处理操作的源生成元素序列.数据源可以是集合,数组或IO资源。 从操作角度来看,流与集合是不同的. 流不存储数据值; 流的目的是处理数据,它是关于算法与计算的。 如果把集合作为流的数据源,创建流时不会导致数据流动; 如果流的终止操作需要值时,流会从集合中获取值; 流只使用一次。 流中心思想是延迟计算,流直到需要时才计算值。
Stream可以由数组或集合创建，对流的操作分为两种： 中间操作，每次返回一个新的流，可以有多个。终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。3、流的特性 不是数据结构，不会保存数据。不会修改原来的数据源，它会将操作后的数据保存到另外一个对象中。（保留意见：毕竟peek方法可以修改流中元素）惰性求值，流在中间处理过程中，只是对操作进行了记录，并不会立即执行，需要等到执行终止操作的时候才会进行实际的计算。 二、分类
无状态：指元素的处理不受之前元素的影响； 有状态：指该操作只有拿到所有元素之后才能继续下去。 非短路操作：指必须处理所有元素才能得到最终结果； 短路操作：指遇到某些符合条件的元素就可以得到最终结果，如 A || B，只要A为true，则无需判断B的结果。 三、具体用法 1. 流的常用创建方法1.1 使用Collection下的 stream() 和 parallelStream() 方法 List list = new ArrayList(); Stream stream = list.stream(); //获取一个顺序流 Stream parallelStream = list.parallelStream(); //获取一个并行流1.2 使用Arrays 中的stream()方法，将数组转成流 Integer[] nums = new Integer[10]; Stream stream = Arrays.stream(nums);1.3 使用Stream中的静态方法：of()、iterate()、generate() Stream stream = Stream.of(1,2,3,4,5,6); Stream stream2 = Stream.iterate(0, (x) -> x + 2).limit(6); stream2.forEach(System.out::println); // 0 2 4 6 8 10 Stream stream3 = Stream.generate(Math::random).limit(2); stream3.forEach(System.out::println);1.4 使用 BufferedReader.lines() 方法，将每行内容转成流 BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt")); Stream lineStream = reader.lines(); lineStream.forEach(System.out::println);1.5 使用 Pattern.splitAsStream() 方法，将字符串分隔成流 Pattern pattern = Pattern.compile(","); Stream stringStream = pattern.splitAsStream("a,b,c,d"); stringStream.forEach(System.out::println); 2. 流的中间操作2.1 筛选与切片 filter：过滤流中的某些元素limit(n)：获取n个元素skip(n)：跳过n元素，配合limit(n)可实现分页distinct：通过流中元素的 hashCode() 和 equals() 去除重复元素 Stream stream = Stream.of(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14); Stream newStream = stream.filter(s -> s > 5) //6 6 7 9 8 10 12 14 14 .distinct() //6 7 9 8 10 12 14 .skip(2) //9 8 10 12 14 .limit(2); //9 8 newStream.forEach(System.out::println);2.2 映射 map： 接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。flatMap： 接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。 List list = Arrays.asList("a,b,c", "1,2,3"); //将每个元素转成一个新的且不带逗号的元素 Stream s1 = list.stream().map(s -> s.replaceAll(",", "")); s1.forEach(System.out::println); // abc 123 Stream s3 = list.stream().flatMap(s -> { //将每个元素转换成一个stream String[] split = s.split(","); Stream s2 = Arrays.stream(split); return s2; }); s3.forEach(System.out::println); // a b c 1 2 32.3 排序 sorted()：自然排序，流中元素需实现Comparable接口sorted(Comparator com)：定制排序，自定义Comparator排序器 List list = Arrays.asList("aa", "ff", "dd"); //String 类自身已实现Compareable接口 list.stream().sorted().forEach(System.out::println);// aa dd ff Student s1 = new Student("aa", 10); Student s2 = new Student("bb", 20); Student s3 = new Student("aa", 30); Student s4 = new Student("dd", 40); List studentList = Arrays.asList(s1, s2, s3, s4); //自定义排序：先按姓名升序，姓名相同则按年龄升序 studentList.stream().sorted( (o1, o2) -> { if (o1.getName().equals(o2.getName())) { return o1.getAge() - o2.getAge(); } else { return o1.getName().compareTo(o2.getName()); } } ).forEach(System.out::println);2.4 消费 peek：如同于map，能得到流中的每一个元素。但map接收的是一个Function表达式，有返回值；而peek接收的是Consumer表达式，没有返回值。 Student s1 = new Student("aa", 10); Student s2 = new Student("bb", 20); List studentList = Arrays.asList(s1, s2); studentList.stream() .peek(o -> o.setAge(100)) .forEach(System.out::println); //结果： Student{name='aa', age=100} Student{name='bb', age=100} 3. 流的终止操作3.1 匹配、聚合操作 allMatch：接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回falsenoneMatch：接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回falseanyMatch：接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回falsefindFirst：返回流中第一个元素findAny：返回流中的任意元素count：返回流中元素的总个数max：返回流中元素最大值min：返回流中元素最小值 List list = Arrays.asList(1, 2, 3, 4, 5); boolean allMatch = list.stream().allMatch(e -> e > 10); //false boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true boolean anyMatch = list.stream().anyMatch(e -> e > 4); //true Integer findFirst = list.stream().findFirst().get(); //1 Integer findAny = list.stream().findAny().get(); //1 long count = list.stream().count(); //5 Integer max = list.stream().max(Integer::compareTo).get(); //5 Integer min = list.stream().min(Integer::compareTo).get(); //13.2 规约操作 Optional reduce(BinaryOperator accumulator)：第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。 T reduce(T identity, BinaryOperator accumulator)：流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。 U reduce(U identity,BiFunction accumulator,BinaryOperator combiner)：在串行流(stream)中，该方法跟第二个方法一样，即第三个参数combiner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样，而第三个参数combiner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。 //经过测试，当元素个数小于24时，并行时线程数等于元素个数，当大于等于24时，并行时线程数为16 List list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24); Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get(); System.out.println(v); // 300 Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2); System.out.println(v1); //310 Integer v2 = list.stream().reduce(0, (x1, x2) -> { System.out.println("stream accumulator: x1:" + x1 + " x2:" + x2); return x1 - x2; }, (x1, x2) -> { System.out.println("stream combiner: x1:" + x1 + " x2:" + x2); return x1 * x2; }); System.out.println(v2); // -300 Integer v3 = list.parallelStream().reduce(0, (x1, x2) -> { System.out.println("parallelStream accumulator: x1:" + x1 + " x2:" + x2); return x1 - x2; }, (x1, x2) -> { System.out.println("parallelStream combiner: x1:" + x1 + " x2:" + x2); return x1 * x2; }); System.out.println(v3); //1974740483.3 收集操作 collect：接收一个Collector实例，将流中元素收集成另外一个数据结构。 Collector 是一个接口，有以下5个抽象方法： Supplier supplier()：创建一个结果容器ABiConsumer accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。BinaryOperator combiner()：函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各个子进程的运行结果(accumulator函数操作后的容器A)进行合并。Function finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。Set characteristics()：返回一个不可变的Set集合，用来表明该Collector的特征。有以下三个特征： CONCURRENT：表示此收集器支持并发。（官方文档还有其他描述，暂时没去探索，故不作过多翻译）UNORDERED：表示该收集操作不会保留流中元素原有的顺序。IDENTITY_FINISH：表示finisher参数只是标识而已，可忽略。3.3.1 Collector 工具库：Collectors Student s1 = new Student("aa", 10,1); Student s2 = new Student("bb", 20,2); Student s3 = new Student("cc", 10,3); List list = Arrays.asList(s1, s2, s3); //装成list List ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10] //转成set Set ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10] //转成map,注:key不能相同，否则报错 Map studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10} //字符串分隔符连接 String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc) //聚合操作 //1.学生总数 Long count = list.stream().collect(Collectors.counting()); // 3 //2.最大年龄 (最小的minBy同理) Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20 //3.所有人的年龄 Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40 //4.平均年龄 Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334 // 带上以上所有方法 DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge)); System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage()); //分组 Map ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge)); //多重分组,先根据类型分再根据年龄分 Map typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge))); //分区 //分成两部分，一部分大于10岁，一部分小于等于10岁 Map partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10)); //规约 Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //403.3.2 Collectors.toList() 解析 //toList 源码 public static Collector toList() { return new CollectorImpl((Supplier) ArrayList::new, List::add, (left, right) -> { left.addAll(right); return left; }, CH_ID); } //为了更好地理解，我们转化一下源码中的lambda表达式 public Collector toList() { Supplier supplier = () -> new ArrayList(); BiConsumer accumulator = (list, t) -> list.add(t); BinaryOperator combiner = (list1, list2) -> { list1.addAll(list2); return list1; }; Function finisher = (list) -> list; Set characteristics = Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH)); return new Collector() { @Override public Supplier supplier() { return supplier; } @Override public BiConsumer accumulator() { return accumulator; } @Override public BinaryOperator combiner() { return combiner; } @Override public Function finisher() { return finisher; } @Override public Set characteristics() { return characteristics; } }; } |
【本文地址】
今日新闻 |
推荐新闻 |