本文共 12113 字，大约阅读时间需要 40 分钟。

Java Stream的基本用法

项目遇到一个需求，需要对集合 List 进行遍历、筛选，按照传统的写法，就是直接 for 循环进行条件判断，这样的做法很是啰嗦麻烦，Java8 Stream 流操作能够简洁地解决这个问题。网上对于 Stream 的介绍及相关用法很详细，这里列举简单的用法。

博客参考文章1：

博客参考文章2：

1、Stream介绍

Stream 是 Java 8 的新特性之一，它能够将数组、集合转换成流，借助Stream API 对流中的元素进行操作，比如筛选、排序、聚合等。这种对流中数据的操作，类似于使用SQL执行的数据库查询。

Stream 有下面几个特性：

1. stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。
2. stream不会改变数据源，通常情况下会产生一个新的集合或一个值。
3. stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。

2、Stream操作分类

Stream可以由数组或集合创建，对流的操作分为两种：

1. 中间操作：每次返回一个新的流，可以有多个。
2. 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、Stream 创建

Stream可以由数组、集合创建

3.1、通过 java.util.Collection.stream() 方法用集合创建流

List
   
     list = Arrays.asList("hello","world","stream");//创建顺序流Stream
    
      stream = list.stream();//创建并行流Stream
     
       parallelStream = list.parallelStream();
     
    
   

3.2、使用java.util.Arrays.stream(T[] array)方法用数组创建流

String[] array = {"h", "e", "l", "l", "o"};Stream
   
     arrayStream = Arrays.stream(array);
   

3.3、使用Stream的静态方法：of()、iterate()、generate()

Stream
   
     stream1 = Stream.of(1, 2, 3, 4, 5, 6);Stream
    
      stream2 = Stream.iterate(0, (x) -> x + 2).limit(3);stream2.forEach(System.out::println);Stream
     
       stream3 = Stream.generate(Math::random).limit(3);stream3.forEach(System.out::println)
     
    
   

输出结果如下：

0240.96203191038524260.83036729056585370.09203215202737569

3.4、stream和parallelStream的简单区分

stream是顺序流，由主线程按顺序对流执行操作，而parallelStream是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数，两者的处理不同之处：

如果流中的数据量足够大，并行流可以加快处速度。

除了直接创建并行流，还可以通过parallel()把顺序流转换成并行流：

Optional
   
     findFirst = list.stream().parallel().filter(x->x>4).findFirst();
   

4、Stream 使用

4.1 遍历/匹配（foreach/find/match）

Stream也是支持类似集合的遍历和匹配元素的，只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。

Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true，调用get()方法会返回该对象。后面会出关于'Optional类的博客。

public static void main(String[] args) {    List
   
     list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);    // 遍历输出符合条件的元素    list.stream().filter(x -> x > 6).forEach(System.out::println);    // 匹配第一个    Optional
    
      findFirst = list.stream().filter(x -> x > 6).findFirst();    // 匹配任意（适用于并行流）    Optional
     
       findAny = list.parallelStream().filter(x -> x > 6).findAny();    // 是否包含符合特定条件的元素    boolean anyMatch = list.stream().anyMatch(x -> x < 6);    System.out.println("匹配第一个值：" + findFirst.get());    System.out.println("匹配任意一个值：" + findAny.get());    System.out.println("是否存在大于6的值：" + anyMatch);}
     
    
   

4.2 筛选（filter）

筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。

筛选出集合中大于5的元素，并打印出来。

public static void main(String[] args) {    List
   
     list = Arrays.asList(6, 7, 3, 8, 1, 2);    Stream
    
      stream = list.stream();    stream.filter(x -> x > 5).forEach(System.out::println);}
    
   

结果如下：

678

4.3 聚合（max/min/count)

max、min、count这些字眼你一定不陌生，没错，在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。

获取String集合中最长的元素。

public static void main(String[] args) {    List
   
     list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "helloStream");    Optional
    
      max = list.stream().max(Comparator.comparing(String::length));    System.out.println("最长的字符串：" + max.get());}
    
   

结果如下：

最长的字符串：helloStream

4.4 映射(map/flatMap)

映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap：

• 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。

map:英文字符串数组的元素全部改为大写。整数数组每个元素+3。

public static void main(String[] args) {    String[] strArr = { "abcd", "bcdd", "defde", "fTr" };    List
   
     strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());    List
    
      intList = Arrays.asList(1, 3, 5, 7, 9, 11);    List
     
       intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());    System.out.println("每个元素大写：" + strList);    System.out.println("每个元素+3：" + intListNew);}
     
    
   

结果如下：

每个元素大写：[ABCD, BCDD, DEFDE, FTR]每个元素+3：[4, 6, 8, 10, 12, 14]

flatMap: 将两个字符数组合并成一个新的字符数组。

public static void main(String[] args) {    List
   
     list1 = Arrays.asList("m,k,l,a", "1,3,5,7");    List
    
      listNew = list1.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;    }).collect(Collectors.toList());    System.out.println("处理前的集合：" + list1);    System.out.println("处理后的集合：" + listNew);}
     
    
   

结果如下：

处理前的集合：[m,k,l,a, 1,3,5,7]处理后的集合：[m, k, l, a, 1, 3, 5, 7]

4.5 归约(reduce)

归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

求Integer集合的元素之和、乘积和最大值

public static void main(String[] args) {    List
   
     list2 = Arrays.asList(1, 3, 2, 8, 11, 4);    // 求和方式1    Optional
    
      sum = list2.stream().reduce((x, y) -> x + y);    // 求和方式2    Optional
     
       sum2 = list2.stream().reduce(Integer::sum);    // 求和方式3    Integer sum3 = list2.stream().reduce(0, Integer::sum);    // 求乘积    Optional
      
        product = list2.stream().reduce((x, y) -> x * y);    // 求最大值方式1    Optional
       
         max = list2.stream().reduce((x, y) -> x > y ? x : y);    // 求最大值写法2    Integer max2 = list2.stream().reduce(1, Integer::max);    System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);    System.out.println("list求积：" + product.get());    System.out.println("list求和：" + max.get() + "," + max2);}
       
      
     
    
   

4.6 收集(collect)

collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。

collect主要依赖java.util.stream.Collectors类内置的静态方法。

4.6.1 归集(toList/toSet/toMap)

因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。

演示toList、toSet和toMap

User 实体类

@Data@EqualsAndHashCode(callSuper = false)@AllArgsConstructor@NoArgsConstructor@Builder@ApiModel(value="User对象", description="")public class User implements Serializable {    private static final long serialVersionUID=1L;    @ApiModelProperty(value = "主键ID")    @TableId(value = "id", type = IdType.AUTO)    private Long id;    @ApiModelProperty(value = "姓名")    private String name;    @ApiModelProperty(value = "年龄")    private Integer age;    @ApiModelProperty(value = "邮箱")    private String email;}

案例演示toList、toSet和toMap

public static void main(String[] args) {    List
   
     list3 = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);    List
    
      listNew3 = list3.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());    Set
     
       set = list3.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());    List
      
        userList = new ArrayList<>();    userList.add(new User(1L, "tony", 12, "202@qq.com"));    userList.add(new User(2L, "hai", 15, "372@qq.com"));    userList.add(new User(3L, "summer", 20, "865@163.com"));    Map
        map = userList.stream().filter(p -> p.getAge() > 14)        .collect(Collectors.toMap(User::getName, p -> p));    System.out.println("toList:" + listNew3);    System.out.println("toSet:" + set);    System.out.println("toMap:" + map);}
      
     
    
   

结果如下：

toList:[6, 4, 6, 6, 20]toSet:[4, 20, 6]toMap:{hai=User(id=2, name=hai, age=15, email=372@qq.com), summer=User(id=3, name=summer, age=20, email=865@163.com)}

4.6.2 统计(count/averaging)

Collectors提供了一系列用于数据统计的静态方法：

• 计数：count
• 平均值：averagingInt、averagingLong、averagingDouble
• 最值：maxBy、minBy
• 求和：summingInt、summingLong、summingDouble
• 统计以上所有：summarizingInt、summarizingLong、summarizingDouble

统计用户数、平均年龄、年龄总数、最大年龄。

public static void main(String[] args) {        List
   
     userList = new ArrayList<>();        userList.add(new User(1L, "tony", 12, "202@qq.com"));        userList.add(new User(2L, "hai", 15, "372@qq.com"));        userList.add(new User(3L, "summer", 20, "865@163.com"));        // 求用户数        Long count = userList.stream().collect(Collectors.counting());        // 求平均年龄        Double average = userList.stream().collect(Collectors.averagingDouble(User::getAge));        // 求最大年龄        Optional
    
      max1 = userList.stream().map(User::getAge).collect(Collectors.maxBy(Integer::compare));        // 求年龄总数        Integer sum1 = userList.stream().collect(Collectors.summingInt(User::getAge));        // 一次性统计所有信息        IntSummaryStatistics collect = userList.stream().collect(Collectors.summarizingInt(User::getAge));        System.out.println("用户总数：" + count);        System.out.println("用户平均年龄：" + average);        System.out.println("用户年龄总和：" + sum1);        System.out.println("用户年龄所有统计：" + collect);	}
    
   

结果如下：

用户总数：3用户平均年龄：15.666666666666666用户年龄总和：47用户年龄所有统计：IntSummaryStatistics{count=3, sum=47, min=12, average=15.666667, max=20}

4.6.3 分组(partitioningBy/groupingBy)

• 分区：将stream按条件分为两个Map，比如用户按年龄是否高于14分为两部分。
• 分组：将集合分为多个Map，比如用户按邮箱类型分组。有单级分组和多级分组。

public static void main(String[] args) {    List
   
     userList = new ArrayList<>();    userList.add(new User(1L, "tony", 12, "202@qq.com"));    userList.add(new User(2L, "hai", 15, "372@qq.com"));    userList.add(new User(3L, "summer", 20, "865@163.com"));    // 用户按年龄是否高于14分组    Map
    
     > part = userList.stream().collect(Collectors.partitioningBy(User -> User.getAge() > 8000));    // 用户按邮箱类型分组分组    Map
     
      > group = userList.stream().collect(Collectors.groupingBy(User -> User.getEmail().contains("qq.com")));    System.out.println("用户按年龄是否高于14分组:" + part);    System.out.println("用户按邮箱类型分组分组：" + group);}
     
    
   

结果如下

用户按年龄是否高于14分组:{false=[User(id=1, name=tony, age=12, email=202@qq.com), User(id=2, name=hai, age=15, email=372@qq.com), User(id=3, name=summer, age=20, email=865@163.com)], true=[]}用户按邮箱类型分组分组：{false=[User(id=3, name=summer, age=20, email=865@163.com)], true=[User(id=1, name=tony, age=12, email=202@qq.com), User(id=2, name=hai, age=15, email=372@qq.com)]}

4.6.4 接合(joining)

joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

public static void main(String[] args) {    List
   
     userList = new ArrayList<>();    userList.add(new User(1L, "tony", 12, "202@qq.com"));    userList.add(new User(2L, "hai", 15, "372@qq.com"));    userList.add(new User(3L, "summer", 20, "865@163.com"));    String names = userList.stream().map(user -> user.getName()).collect(Collectors.joining(","));    System.out.println("所有用户的姓名：" + names);}
   

结果如下

所有用户的姓名：tony,hai,summer

4.6.5 归约(reducing)

Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。

public static void main(String[] args) {    List
   
     userList = new ArrayList<>();    userList.add(new User(1L, "tony", 12, "202@qq.com"));    userList.add(new User(2L, "hai", 15, "372@qq.com"));    userList.add(new User(3L, "summer", 20, "865@163.com"));        // 每个用户年龄数加0减去2    Integer sum4 = userList.stream().collect(Collectors.reducing(0, User::getAge, (i, j) -> (i + j - 2)));    System.out.println("用户剩余年龄总和：" + sum4);}
   

4.7 排序(sorted)

sorted，中间操作。有两种排序：

• sorted()：自然排序，流中元素需实现Comparable接口
• sorted(Comparator com)：Comparator排序器自定义排序

public static void main(String[] args) {    List
   
     userList = new ArrayList<>();    userList.add(new User(1L, "tony", 12, "202@qq.com"));    userList.add(new User(2L, "hai", 15, "372@qq.com"));    userList.add(new User(3L, "summer", 20, "865@163.com"));        // 按用户年龄降序排序    List
    
      newList2 = userList.stream().sorted(Comparator.comparing(User::getAge).reversed())        .map(User::getName).collect(Collectors.toList());    System.out.println("按工资降序排序：" + newList2);}
    
   

4.8 提取/组合

流也可以进行合并、去重、限制、跳过等操作。

public static void main(String[] args) {    String[] arr1 = { "a", "b", "c", "d" };    String[] arr2 = { "d", "e", "f", "g" };    Stream
   
     streamExample1 = Stream.of(arr1);    Stream
    
      streamExample2 = Stream.of(arr2);    // concat:合并两个流 distinct：去重    List
     
       newList = Stream.concat(streamExample1, streamExample2).distinct().collect(Collectors.toList());    // limit：限制从流中获得前n个数据    List
      
        collect1 = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());    // skip：跳过前n个数据    List
       
         collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());    System.out.println("流合并：" + newList);    System.out.println("limit：" + collect1);    System.out.println("skip：" + collect2);}
       
      
     
    
   

结果如下

流合并：[a, b, c, d, e, f, g]limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]skip：[3, 5, 7, 9, 11]

至此，基本用法演示完毕，后续使用到新的用法，将会持续更新。