java中stream常用api介绍

stream相关api对于集合操作非常方便，可以通过链式编程完成数据的处理，有时候很复杂的数据处理通过使用stream的相关api可以非常方便的完成，使用lambda表达式更可以简化为一行代码，下面就介绍一下stream的相关api方法，感受一下如何使用。

一、构建stream操作流

构建stream流的方式有很多种，比较常见的两种方式：
一是通过集合的 .stream() 构建流或 .parallelStream() 构建并行流；二是通过Stream类的相关api构建流。

1. 通过集合的stream()或parallelStream()方法构建：

List<Integer> list = new ArrayList<>(Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10));
Set<Integer> set = new HashSet<>(list);

// 构建普通流
Stream<Integer> stream1 = list.stream();
Stream<Integer> stream2 = set.stream();

// 构建并行流
Stream<Integer> pstream1 = list.parallelStream();
Stream<Integer> pstream2 = set.parallelStream();

这里的并行流要注意，它默认使用的是系统中的 ForkJoinPool.commonPool 线程池，这个线程池默认大小是CPU核数，如果要调整线程池大小，可以有两种方法调整系统变量：

System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "4");
或
-Djava.util.concurrent.ForkJoinPool.common.parallelism=4

添加一个打印逻辑验证处理线程名：

pstream1.forEach(item -> System.out.println(Thread.currentThread().getName() + " : " + item));

没有添加上面的参数打印输出内容是：

main : 7
main : 6
ForkJoinPool.commonPool-worker-18 : 2
ForkJoinPool.commonPool-worker-4 : 1
ForkJoinPool.commonPool-worker-18 : 10
main : 9
ForkJoinPool.commonPool-worker-4 : 4
ForkJoinPool.commonPool-worker-25 : 3
ForkJoinPool.commonPool-worker-11 : 8
ForkJoinPool.commonPool-worker-29 : 5

添加配置后的输出内容：

main : 7
main : 6
ForkJoinPool.commonPool-worker-1 : 3
ForkJoinPool.commonPool-worker-1 : 5
ForkJoinPool.commonPool-worker-2 : 9
ForkJoinPool.commonPool-worker-3 : 2
ForkJoinPool.commonPool-worker-1 : 4
ForkJoinPool.commonPool-worker-3 : 1
ForkJoinPool.commonPool-worker-0 : 8
ForkJoinPool.commonPool-worker-2 : 10

可见配置参数确实调整了系统线程池的大小，由于主线程也会参与计算，所以对于计算密集型的服务，线程池一般设置为CPU核数 – 1。

2. 通过Stream的api构建
   通过stream的api构建，主要是Stream.of()方法构建：

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);
stream.forEach(System.out::println);

对于特定类型的stream还有专门的api构建，比如IntStream的range()和rangeClosed()方法构建一个范围内的数据，其中range()方法包含开始数据不包含结束数据，rangeClosed()方法包含开始数据同时包含结束数据。

// 包括开始不包括结束
System.out.println("----------------stream1----------------");
IntStream stream1 = IntStream.range(1, 10);
stream1.forEach(System.out::println);

// 包括开始和结束
System.out.println("----------------stream2----------------");
IntStream stream2 = IntStream.rangeClosed(1, 10);
stream2.forEach(System.out::println);

3. 通过Arrays的stream()方法构建：

int[] arr = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
IntStream stream = Arrays.stream(arr);
stream.forEach(System.out::println);

上面就是几种常用的构建stream流方式，使用stream流主要是处理数据，处理数据又分为中间方法和终结方法，它们的主要区别就是中间方法处理完后还可以继续使用stream流进行接下来的处理；而终结方法执行后的流不能继续使用，要想继续使用就必须重新开启一个流再次执行。
下面所有的流使用的都是这个stream做演示：

List<Integer> list = new ArrayList<>(Arrays.asList(3, 6, 10, 5, 5, 2, 6, 4, 9, 7, 8, 1, 8, 9));
Stream<Integer> stream = list.stream();

二、中间方法

中间方法执行后获取到的仍然是一个可以使用的流，常用的中间方法如下：

1. 过滤数据filter()

// 筛选大于3且小于8的数据
stream.filter(new Predicate<Integer>() {
    @Override
    public boolean test(Integer i) {
        return i > 3 && i < 8;
    }
}).forEach(item -> System.out.println(item));

// lambda表达式
stream.filter(i -> i > 3 && i < 8).forEach(System.out::println);

2. 选择一个区间的数据：skip()是跳过的数据条数，limit()是返回的数据条数

// 跳过前2条数据返回5条数据
stream.skip(2).limit(5).forEach(System.out::println);

3. 数据去重distinct()

stream.distinct().forEach(System.out::println);

4. 数据排序sorted()

// 默认排序是升序排列
stream.sorted().forEach(System.out::println);

// 自定义排序：降序排列
stream.sorted(new Comparator<Integer>() {
    @Override
    public int compare(Integer o1, Integer o2) {
        return o1 > o2 ? -1 : (o1.intValue() == o2.intValue() ? 0 : 1);
    }
}).forEach(item -> System.out.println(item));

// lambda表达式
stream.sorted((o1, o2) -> o1 > o2 ? -1 : (o1.intValue() == o2.intValue() ? 0 : 1)).forEach(System.out::println);

5. 修改数据类型map()

stream.map(new Function<Integer, String>() {
    @Override
    public String apply(Integer i) {
        return "i-" + i;
    }
}).forEach(item -> System.out.println(item));

// lambda表达式
stream.map(i -> "i-" + i).forEach(System.out::println);

6. 修改数据类型flatMap()

stream.flatMap((Function<Integer, Stream<?>>) num -> {
    // 因式分解该整数
    if(num <= 2) {
        return Stream.of(num);
    }

    List<Integer> nums = new ArrayList<>();
    int i = num;
    while (i >= 2) {
        for(int j = 2; j <= i; j++) {
            if(i % j == 0) {
                nums.add(j);
                i /= j;
                break;
            }
        }
    }
    return nums.stream();
}).forEach(System.out::println);

注意：map()和flatMap()这两个方法都能实现改变数据类型，主要区别是map()方法修改类型后返回的是单个元素、flatMap()方法修改类型后返回的是一个stream流，主要用于修改类型后返回的是一个集合的场景。
7. 获取数据peek()方法
在数据流处理过程中，我们想查看一下当前数据的内容或记录数据信息到日志中，可以通过peek()方法执行，该方法只是对数据查看而不会改变数据的内容：

// 打印数据
stream.peek(System.out::println).forEach(System.out::println);

peek()方法与forEach()方法的区别是：peek()输出数据后不影响流的继续操作；而forEach()方法输出数据后流不能继续执行。peek()方法执行虽然不能修改元素，但是可以修改元素内属性的值而对流的执行不产生影响。

@Data
@Builder
public class DemoVo {

    private int id;
    private String name;
}

List<DemoVo> list = Arrays.asList(DemoVo.builder().build(), DemoVo.builder().build(), DemoVo.builder().build());
// 通过peek()方法设置对象的属性值
list.stream().peek(System.out::println).peek(c -> c.setName("name")).forEach(System.out::println);

三、终结方法

终结方法执行完后，这个流不能继续执行，常见的终结方法有下面这些：

1. max()、min()、count()三个取值方法

// 最大值
Integer max = stream.max(Comparator.comparingInt(o -> o)).get();
System.out.println(max);

// 最小值
Integer min = stream.min(Comparator.comparingInt(o -> o)).get();
System.out.println(min);

// 计数
long count = stream.count();
System.out.println(count);

2. forEach() 遍历流中的数据

stream.forEach(System.out::println);

3. toArray()方法将流转换为数组

Integer[] arr = stream.toArray(new IntFunction<Integer[]>() {
    @Override
    public Integer[] apply(int value) {
        return new Integer[value];
    }
});

// lambda表达式
Integer[] arr = stream.toArray(value -> new Integer[value]);
System.out.println(Arrays.toString(arr));

4. collect()将流收集到指定类型集合中

// 收集到list
List<Integer> list = stream.collect(Collectors.toList());

// 收集到set
Set<Integer> set = stream.collect(Collectors.toSet());

// 收集到map：两个函数分别用于键的生成规则和值的生成规则，要注意键不能重复，否则会抛出异常
Map<Integer, String> map = stream.collect(Collectors.toMap(new Function<Integer, Integer>() {
    @Override
    public Integer apply(Integer i) {
        return i;
    }
}, new Function<Integer, String>() {
    @Override
    public String apply(Integer i) {
        return "val-" + i;
    }
}));

// lambda表达式
Map<Integer, String> map = stream.collect(Collectors.toMap(i -> i, i -> "val-" + i));