一、概述

Stream 流是 Java 8 新提供給開發者的一組操作集合的 API，將要處理的元素集合看作一種流，流在管道中傳輸，並且可以在管道的節點上進行處理，比如篩選、排序、聚合等。元素流在管道中經過中間操作（intermediate operation）的處理，最後由終端操作 (terminal operation) 得到前面處理的結果。Stream 流可以極大的提高開發效率，也可以使用它寫出更加簡潔明瞭的程式碼。我自從接觸過 Stream 流之後，可以說對它愛不釋手。

二、Stream的建立

Stream可以通過集合陣列建立。

1、通過 java.util.Collection.stream() 方法用集合建立流

List<String> list = Arrays.asList("a", "b", "c");
// 建立一個順序流
Stream<String> stream = list.stream();
// 建立一個並行流
Stream<String> parallelStream = list.parallelStream();

2、使用java.util.Arrays.stream(T[] array)方法用陣列建立流

int[] array={1,3,5,7,9};
IntStream stream = Arrays.stream(array);

3、使用Stream的靜態方法：of()、iterate()、generate()

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

輸出結果：

0 3 6 9
0.6796156909271994
0.1914314208854283
0.8116932592396652

stream和parallelStream的簡單區分：

stream是順序流，由主執行緒按順序對流執行操作，而parallelStream是並行流，內部以多執行緒並行執行的方式對流進行操作，但前提是流中的資料處理沒有順序要求。如果流中的資料量足夠大，並行流可以加快處速度。除了直接建立並行流，還可以通過parallel()把順序流轉換成並行流：

Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();

三、Stream的使用（具體案例）

案例中用到的員工類：

/**
 * @description: 員工
 * @author: admin
 */
@Data
public class Person {
 
    /*** 姓名*/
    private String name;
    /*** 薪資*/
    private Integer salary;
    /*** 年齡*/
    private Integer age;
    /*** 性別*/
    private String sex;
    /*** 地區*/
    private String area;
 
    public Person(String name, Integer salary, Integer age, String sex, String area) {
        this.name = name;
        this.salary = salary;
        this.age = age;
        this.sex = sex;
        this.area = area;
    }
 
}

1.遍歷/匹配（foreach/find/match）

Stream也是支援類似集合的遍歷和匹配元素的，只是Stream中的元素是以Optional型別存在的。Stream的遍歷、匹配非常的簡單。

    public static void main(String[] args) {
 
        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);
 
        // 遍歷輸出符合條件的元素
        List<Integer> collect = list.stream().filter(x -> x > 6).collect(Collectors.toList());
        // 匹配第一個
        Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
        // 匹配任意（適用於並行流）
        Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
        // 是否包含符合特定條件的元素
        boolean anyMatch = list.stream().anyMatch(x -> x > 6);
        System.out.println("大於6的值：" + collect);
        System.out.println("匹配第一個值：" + findFirst.get());
        System.out.println("匹配任意一個值：" + findAny.get());
        System.out.println("是否存在大於6的值：" + anyMatch);
    }

結果：

2.篩選（filter）

篩選，是按照一定的規則校驗流中的元素，將符合條件的元素提取到新的流中的操作。

    public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "四川"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
 
        // 篩選出工作高於3000的員工
        List<String> list = personList.stream().filter(p -> p.getSalary() > 3000).map(Person::getName).collect(Collectors.toList());
        System.out.println("薪資高於3000元的員工：" + list);
    }

結果：

3.聚合（max/min/count)

max、min、count這些大家都不陌生，在mysql中我們常用它們進行資料運算和統計。Java stream中也引入了這些概念和用法，極大地方便了我們對集合、陣列的資料統計工作。

    public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "四川"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
 
        // 獲取工資最高的員工
        Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
        System.out.println("員工工資最大值：" + max.get().getSalary());
 
        // 計算工資大於2000的有多少人
        long count = personList.stream().filter(p -> p.getSalary() > 2000).count();
        System.out.println("工資大於2000元的人數：" + count);
        
        // 計算所有員工工資總和
        int sum = personList.stream().mapToInt(Person::getSalary).sum();
        System.out.println("所有員工工資總和：" + sum);
    }

結果：

4.對映(map/flatMap)

對映，可以將一個流的元素按照一定的對映規則對映到另一個流中。分為map和flatMap：

map：接收一個函數作為引數，該函數會被應用到每個元素上，並將其對映成一個新的元素。
flatMap：接收一個函數作為引數，將流中的每個值都換成另一個流，然後把所有流連線成一個流。

   public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "四川"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
 
        // 將員工工作全部增加10000元
        // 1、方式一：不改變原來員工集合
        List<Person> personListNew = personList.stream().map(person -> {
            Person personNew = new Person(person.getName(), 0, 0, null, null);
            personNew.setSalary(person.getSalary() + 10000);
            return personNew;
        }).collect(Collectors.toList());
        System.out.println("一次改動前：" + personList.get(0).getName() + ">>>" + personList.get(0).getSalary());
        System.out.println("一次改動後：" + personListNew.get(0).getName() + ">>>" + personListNew.get(0).getSalary());
 
        // 2、方式二：改變原來員工集合的方式
        List<Person> personListNew2 = personList.stream().map(person -> {
            person.setSalary(person.getSalary() + 10000);
            return person;
        }).collect(Collectors.toList());
        System.out.println("二次改動前：" + personList.get(0).getName() + ">>>" + personListNew.get(0).getSalary());
        System.out.println("二次改動後：" + personListNew2.get(0).getName() + ">>>" + personListNew.get(0).getSalary());
 
        // 將兩個字元陣列合併成一個新的字元陣列
        List<String> list = Arrays.asList("Hello", "World");
        Stream<String> map = list.stream().map(s -> s.split("")).flatMap(Arrays::stream);
        map.forEach(System.out::print);
        System.out.println();
 
        // 給定兩個數位列表 獲取所有的數對
        List<Integer> numbers1 = Arrays.asList(1, 2, 3);
        List<Integer> numbers2 = Arrays.asList(3, 4);
        // flatMap升維度
        List<int[]> pairs = numbers1.stream().flatMap(x -> numbers2.stream().map(y -> new int[] { x, y }))
                .collect(Collectors.toList());
        for (int[] pair : pairs) {
            System.out.print(Arrays.toString(pair));
        }
 
    }

結果：

5.歸約(reduce)

歸約，也稱縮減，顧名思義，是把一個流縮減成一個值，能實現對集合求和、求乘積和求最值操作。

public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "四川"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
 
        // 求所有員工的工資之和、最高工資
        // 求工資之和方法1：
        Optional<Integer> sumSalary = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        // 求工資之和方法2：
        Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);
 
        // 求最高工資方法1：
        Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), Integer::max);
        // 求最高工資方法2：
        Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(), (max1, max2) -> max1 > max2 ? max1 : max2);
        // 求最高工資方法3：
        Integer maxSalary3 = personList.stream().map(Person::getSalary).reduce(Integer::max).get();
        System.out.println("工資之和，方法1：" + sumSalary);
        System.out.println("工資之和，方法2：" + sumSalary2);
        System.out.println("最高工資，方法1：" + maxSalary);
        System.out.println("最高工資，方法2：" + maxSalary2);
        System.out.println("最高工資，方法3：" + maxSalary3);
    }

結果：

6.收集(collect)

collect，收集，可以說是內容最繁多、功能最豐富的部分了。從字面上去理解，就是把一個流收集起來，最終可以是收整合一個值也可以收整合一個新的集合。

collect主要依賴java.util.stream.Collectors類內建的靜態方法。

6.1歸集(toList/toSet/toMap)

因為流不儲存資料，那麼在流中的資料完成處理後，需要將流中的資料重新歸集到新的集合裡。toList、toSet和toMap比較常用，另外還有toCollection、toConcurrentMap等複雜一些的用法。

下面用一個案例演示toList、toSet和toMap：

public static void main(String[] args) {
 
        List<Integer> list = Arrays.asList(1, 3, 4, 8, 6, 2, 20, 13);
        List<Integer> list1 = list.stream().filter(a -> a % 2 == 0).collect(Collectors.toList());
        Set<Integer> list2 = list.stream().filter(a -> a % 2 == 0).collect(Collectors.toSet());
        System.out.println("被2整除的list集合" + list1);
        System.out.println("被2整除的set集合" + list2);
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "四川"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
        // 工資大於3000元的員工
        Map<String, Integer> map = personList.stream().filter(person -> person.getSalary() > 3000).collect(Collectors.toMap(Person::getName, person -> person.getSalary()));
        System.out.println("工資大於3000元的員工:" + map);
    }

結果：

6.2統計(count/averaging)

Collectors提供了一系列用於資料統計的靜態方法：

計數：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
統計以上所有：summarizingInt、summarizingLong、summarizingDouble

    public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "四川"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
 
        // 統計員工人數、平均工資、工資總額、最高工資
        // 員工總人數
        long count = personList.stream().count();
        // 平均工資
        Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
        // 最高工資
        Optional<Integer> max = personList.stream().map(Person::getSalary).max(Integer::compare);
        // 工資之和
        int sum = personList.stream().mapToInt(Person::getSalary).sum();
        // 一次性統計所有資訊
        DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));
 
        System.out.println("員工總人數：" + count);
        System.out.println("員工平均工資：" + average);
        System.out.println("員工工資總和：" + sum);
        System.out.println("員工工資所有統計：" + collect);
    }

結果：

6.3分組(partitioningBy/groupingBy)

分割區：將stream按條件分為兩個Map，比如員工按薪資是否高於8000分為兩部分。
分組：將集合分為多個Map，比如員工按性別分組。有單級分組和多級分組。

    public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "合肥"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
 
        // 按薪資高於3000分組
        Map<Boolean, List<Person>> salaryGroup = personList.stream().collect(Collectors.partitioningBy(p -> p.getSalary() > 3000));
        List<Person> group1 = salaryGroup.get(true);
        List<Person> group2 = salaryGroup.get(false);
        for (Person person : group1) {
            System.out.println("薪資高於3000元組：" + person);
        }
        for (Person person : group2) {
            System.out.println("薪資低於3000元組：" + person);
        }
 
        // 按性別分組
        Map<String, List<Person>> sexGroup = personList.stream().collect(Collectors.groupingBy(Person::getSex));
        List<Person> group3 = sexGroup.get("男");
        List<Person> group4 = sexGroup.get("女");
        for (Person person : group3) {
            System.out.println("男子組：" + person);
        }
        for (Person person : group4) {
            System.out.println("女子組：" + person);
        }
 
        // 將員工先按性別分組，再按地區分組
        Map<String, Map<String, List<Person>>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        Map<String, List<Person>> manGroup = group.get("男");
        Map<String, List<Person>> womenGroup = group.get("女");
        List<Person> group5 = manGroup.get("合肥");
        List<Person> group6 = womenGroup.get("上海");
        System.out.println("地區在合肥的男子組：" + group5);
        System.out.println("地區在上海的女子組：" + group6);
    }

結果：

6.4接合(joining)

joining可以將stream中的元素用特定的連線符（沒有的話，則直接連線）連線成一個字串。

    public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 1000, 20, "男", "北京"));
        personList.add(new Person("李四", 2000, 21, "男", "南京"));
        personList.add(new Person("王五", 3000, 20, "女", "合肥"));
        personList.add(new Person("趙六", 4000, 22, "男", "合肥"));
        personList.add(new Person("孫七", 5000, 25, "女", "上海"));
 
        String persons = personList.stream().map(p -> p.getName() + "-" + p.getSex() + "-" + p.getSalary()).collect(Collectors.joining(","));
        System.out.println("所有員工資訊：" + persons);
    }

結果：

6.5歸約(reducing)

Collectors類提供的reducing方法，相比於stream本身的reduce方法，增加了對自定義歸約的支援。

    public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 6000, 20, "男", "北京"));
        personList.add(new Person("李四", 6500, 21, "男", "南京"));
        personList.add(new Person("王五", 7300, 20, "女", "合肥"));
        personList.add(new Person("趙六", 8000, 22, "男", "合肥"));
        personList.add(new Person("孫七", 9860, 25, "女", "上海"));
 
        // 每個員工減去起徵點後的薪資之和（這裡個稅的演演算法並不正確，但沒想到更好的例子）
        Integer sum = personList.stream().map(Person::getSalary).reduce(0, (i, j) -> (i + j - 5000));
        System.out.println("員工扣稅薪資總和：" + sum);
 
        // stream的reduce
        Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        System.out.println("員工薪資總和：" + sum2.get());
    }

結果：

7.排序(sorted)

sorted，中間操作。有兩種排序：

sorted()：自然排序，流中元素需實現Comparable介面
sorted(Comparator com)：Comparator排序器自定義排序

    public static void main(String[] args) {
 
        List<Person> personList = new ArrayList<>();
        personList.add(new Person("張三", 16000, 20, "男", "北京"));
        personList.add(new Person("李四", 8500, 21, "男", "南京"));
        personList.add(new Person("王五", 7300, 20, "女", "合肥"));
        personList.add(new Person("趙六", 8000, 22, "男", "合肥"));
        personList.add(new Person("孫七", 15860, 25, "女", "上海"));
 
        // 按工資升序排序（自然排序）
        List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName).collect(Collectors.toList());
        // 按工資倒序排序
        List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()).map(Person::getName).collect(Collectors.toList());
        // 先按工資再按年齡升序排序
        List<String> newList3 = personList.stream().sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge)).map(Person::getName).collect(Collectors.toList());
        // 先按工資再按年齡自定義排序（降序）
        List<String> newList4 = personList.stream().sorted((p1, p2) -> {
            if (p1.getSalary().equals(p2.getSalary())) {
                return p2.getAge() - p1.getAge();
            } else {
                return p2.getSalary() - p1.getSalary();
            }
        }).map(Person::getName).collect(Collectors.toList());
 
        System.out.println("按工資升序排序：" + newList);
        System.out.println("按工資降序排序：" + newList2);
        System.out.println("先按工資再按年齡升序排序：" + newList3);
        System.out.println("先按工資再按年齡自定義降序排序：" + newList4);
    }

結果：

8.提取/組合

流也可以進行合併、去重、限制、跳過等操作。

    public static void main(String[] args) {
 
        String[] arr1 = {"a", "b", "c", "d"};
        String[] arr2 = {"d", "e", "f", "g"};
 
        Stream<String> stream1 = Stream.of(arr1);
        Stream<String> stream2 = Stream.of(arr2);
        // concat:合併兩個流 distinct：去重
        List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
        // limit：限制從流中獲得前n個資料
        List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
        // skip：跳過前n個資料
        List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());
 
        System.out.println("流合併：" + newList);
        System.out.println("limit：" + collect);
        System.out.println("skip：" + collect2);
    }

結果：

Java8新特性之Stream流（含具體案例）