Stream是Java 8提供的新功能，是对集合（Collection）对象功能的增强，能对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。 与Lambda 表达式结合，也可以提高编程效率、简洁性和程序可读性。同时它提供串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。通常编写并行代码很难而且容易出错, 但使用 Stream API 无需编写一行多线程的代码，就可以很方便地写出高性能的并发程序。 

看下面的例子：我们先遍历姓“花”的到集合A，再找出名字是3个字的到集合B，最后遍历输出B中的元素。传统的做法是：

上面我们进行了3次遍历，每操作一次就会遍历一次，为了完成最终目标我们循环遍历了太多次。如果采用Stream + Lambda可以更简洁：

Stream流其实是一个集合元素的函数模型，它并不是集合，也不是数据结构，其本身并不存储任何 元素（或其地址值），Stream是一个来自数据源的元素队列。它是有关算法和计算的，它更像一个高级版本的 Iterator。原始版本的 Iterator，用户只能显式地一个一个遍历元素并对其执行某些操作；高级版本的 Stream，用户只要给出需要对其包含的元素执行什么操作，比如 “过滤掉长度大于 10 的字符串”、“获取每个字符串的首字母”等，Stream 会隐式地在内部进行遍历，做出相应的数据转换。

需要注意的是：Stream 就如同一个迭代器（Iterator），单向，不可往复，数据只能遍历一次，遍历过一次后即用尽了，就好比流水从面前流过，一去不复返。

Stream流的构造如下： 

 range和rangeClosed就是[1,3)和[1,3]的区别。

Stream流的转换如下：

Intermediate：一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。

        包含的操作有：map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered 

Terminal：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。

       包含的操作有：forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator

下面对每一个常见的流操作进行举例介绍。

它们的作用就是把 input Stream 的每一个元素，映射成 output Stream 的另外一个元素。

再比如：

从上面例子可以看出，map 生成的是个 1:1 映射，每个输入元素，都按照规则转换成为另外一个元素。还有一些场景，是一对多映射关系的，这时需要 flatMap：

可以看出flatMap是把多个流集合在一起。

filter 对原始 Stream 进行某项测试，通过测试的元素被留下来生成一个新 Stream，就像我们的第一个例子。下面是提取出偶数：

filter 当然还有一些高端点的操作，那就是去重。比如根据集合元素的某个属性进行去重：

 结果：

forEach 往往接收一个 Lambda 表达式，然后在 Stream 的每一个元素上执行该表达式，可以替代for循环。例子参考前面的代码。

需要注意的是：

1) 普通for循环和增强for循环: break跳出整个for循环，使用continue跳出本次循环。

2) stream.forEach()循环:

peek 对每个元素执行操作并返回一个新的 Stream，可以在执行Terminal类型操作之前使用。比如上面的获取偶数的例子，可以在toArray（）前进行打印操作：

返回 Stream 的第一个元素，或者空。

findFirst 操作的返回值类型：Optional。这也是一个模仿 Scala 语言中的概念，作为一个容器，它可能含有某值，或者不包含。使用它的目的是尽可能避免 NullPointerException。

主要作用是把 Stream 元素组合起来。它提供一个起始值（种子），然后依照运算规则（BinaryOperator），和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说，字符串拼接、数值的 sum、min、max、average 都是特殊的 reduce。例如 Stream 的 sum 就相当于

Integer sum = integers.reduce(0, (a, b) -> a+b); 或

Integer sum = integers.reduce(0, Integer::sum);

也有没有起始值的情况，这时会把 Stream 的前面两个元素组合起来，返回的是 Optional。

上面代码例如第一个示例的 reduce()，第一个参数（空白字符）即为起始值，第二个参数（String::concat）为 BinaryOperator。

limit 返回 Stream 的前面 n 个元素；skip 则是扔掉前 n 个元素。

或者

这里需要注意排序依据：

下面代码以自然序排序一个list list.stream().sorted()自然序逆序元素，使用Comparator 提供的reverseOrder() 方法 list.stream().sorted(Comparator.reverseOrder())使用Comparator 来排序一个list list.stream().sorted(Comparator.comparing(Student::getAge))把上面的元素逆序 list.stream().sorted(Comparator.comparing(Student::getAge).reversed())

并行和并发有什么区别？

并发当有多个线程在操作时,如果系统只有一个CPU,则它根本不可能真正同时进行一个以上的线程，它只能把CPU运行时间划分成若干个时间段,再将时间 段分配给各个线程执行，在一个时间段的线程代码运行时，其它线程处于挂起状。这种方式我们称之为并发(Concurrent)。

并行：当系统有一个以上CPU时,则线程的操作有可能非并发。当一个CPU执行一个线程时，另一个CPU可以执行另一个线程，两个线程互不抢占CPU资源，可以同时进行，这种方式我们称之为并行(Parallel)。

 使用stream的parallel操作可以使得循环是并行的，而不是一个循环结束下一个才能开始，最终的总处理时间取决于时间最长的那次循环，可以大大提高效率。

Collectors.toMap()方法接受两个参数，一个是key的提取函数，一个是value的提取函数，用于指定生成Map中的key和value。

Collectors.toMap()方法还可以将多个字段组成一个key。例如，我们有一个Person类，它有name和age两个字段，我们想将它们组合成一个key，并将整个对象作为值收集到一个Map中：

用后面的 value 覆盖前面的：

上面的是较简单的代码演示，复杂的情况（比如Map类型数据的比较，分组等）咋办？可以参考下面的方式》代码详情参见 ： GitHub - ImOk520/myspringcloud

* （2）Terminal（终止操作）： * 一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。 * 所以这必定是流的最后一个操作。Terminal 操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。 * forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator *

* （3）short-circuiting（短路操作）。 * 用以指： * • 对于一个 intermediate 操作，如果它接受的是一个无限流，它可以返回一个有限的新 Stream。 * • 对于一个 terminal 操作，如果它接受的是一个无限流，但能在有限的时间计算出结果。 * anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 limit *

* Feng, Ge 2020-10-20 17:28 */ public class MyLambdaTest { @Test public void test1() { List list = StreamAPI.getStringList(); Stream distinct = list.stream().distinct(); System.out.println("【1】:" + distinct); Object collect = distinct.collect(Collectors.toList()); System.out.println("【2】:" + collect); long count = list.stream().distinct().count(); System.out.println("【3】:" + count); } @Test public void test2() { List intList = StreamAPI.getIntegerList(); Stream stream1 = intList.stream().filter(element -> element > 5); stream1.forEach(System.out::println); System.out.println("=============================================================="); List strList = StreamAPI.getStringList(); Stream stream2 = strList.stream().filter(element -> Integer.valueOf(element).intValue() > 5); stream2.forEach(System.out::println); System.out.println("=============================================================="); List list = StreamAPI.getStringList(); Stream stream = list.stream().filter(element -> !element.contains("8")); stream.forEach(System.out::println); boolean hasDiagInfo = false; if (!org.springframework.util.CollectionUtils.isEmpty(StreamAPI.getBNullList())) { List diagnoseInfos = StreamAPI.getBNullList().stream().filter(dia -> StringUtils.isNotEmpty(dia.getName())).collect(Collectors.toList()); if (diagnoseInfos != null && diagnoseInfos.size() > 0){ hasDiagInfo = true; } System.out.println(diagnoseInfos); System.out.println(hasDiagInfo); } } @Test public void test3() { List strList = StreamAPI.getStringList(); Stream stream = strList.stream().map(String::length); stream.forEach(System.out::println); System.out.println("=============================================================="); List numbers = Arrays.asList(3, 2, 2, 3, 7, 3, 5); List collect = numbers.stream().map(num -> num * 2).collect(Collectors.toList()); collect.stream().forEach(System.out::println); System.out.println("=============================================================="); List bList = StreamAPI.getBList(); List nameList = bList.stream().map(b -> b.getName()).collect(Collectors.toList()); nameList.stream().forEach(System.out::println); } /** * anyMatch()，只要有一个元素匹配传入的条件，就返回 true。 * allMatch()，只有有一个元素不匹配传入的条件，就返回 false；如果全部匹配，则返回 true。 * noneMatch()，只要有一个元素匹配传入的条件，就返回 false；如果全部匹配，则返回 true。 */ @Test public void test4() { List bList = StreamAPI.getBList(); boolean anyMatchFlag = bList.stream().anyMatch(element -> element.getName().contains("小")); boolean allMatchFlag = bList.stream().allMatch(element -> element.getName().length() > 1); boolean noneMatchFlag = bList.stream().noneMatch(element -> element.getName().startsWith("小")); System.out.println(anyMatchFlag); System.out.println(allMatchFlag); System.out.println(noneMatchFlag); } /** * Stream.reduce()合并流的元素并产生单个值。 */ @Test public void test5() { int[] numbers = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}; int sum = 0; for (int i : numbers) { sum += i; } System.out.println("sum : " + sum); // 55 System.out.println("=============================================================="); int sum1 = Arrays.stream(numbers).reduce(0, (a, b) -> a + b); System.out.println("sum : " + sum1); // 55 System.out.println("=============================================================="); int sum2 = Arrays.stream(numbers).reduce(0, Integer::sum); System.out.println("sum : " + sum2); // 55 System.out.println("=============================================================="); int max = Arrays.stream(numbers).reduce(0, (a, b) -> a > b ? a : b); // 10 int max1 = Arrays.stream(numbers).reduce(0, Integer::max); // 10 System.out.println("max : " + max); System.out.println("max1 : " + max1); System.out.println("=============================================================="); int min = Arrays.stream(numbers).reduce(0, (a, b) -> a < b ? a : b); // 0 int min1 = Arrays.stream(numbers).reduce(0, Integer::min); // 0 System.out.println("min : " + min); System.out.println("min1 : " + min1); System.out.println("=============================================================="); String[] strings = {"a", "b", "c", "d", "e"}; // |a|b|c|d|e , the initial | join is not what we want String reduce = Arrays.stream(strings).reduce("", (a, b) -> a + "|" + b); System.out.println("reduce : " + reduce); // a|b|c|d|e, filter the initial "" empty string String reduce2 = Arrays.stream(strings).reduce("", (a, b) -> { if (!"".equals(a)) { return a + "|" + b; } else { return b; } }); System.out.println("reduce2 : " + reduce2); // a|b|c|d|e , better uses the Java 8 String.join :) （最好使用 Java 8 的 String.join） String join = String.join("|", strings); System.out.println("join : " + join); } /** * 根据limit(n)，直接截断流，后续操作不继续，限制其流中元素个数为n，此操作称为短路操作，提高效率时可以考虑短路操作 */ @Test public void test6() { List bList = StreamAPI.getBList(); bList.stream().filter(b -> b.getAge() > 3).limit(2).forEach(System.out::println); } /** * averagingDouble-求平均值并转换成Double类型，同理还有averagingInt、averagingLong */ @Test public void test7() { List bList = StreamAPI.getBList(); Double ageAve = bList.stream().collect(Collectors.averagingDouble(B::getAge)); System.out.println(ageAve); } /** * summingDouble-求和转换成Double类型，同理还有summingInt、summingLong */ @Test public void test8() { List bList = StreamAPI.getBList(); Double ageAve = bList.stream().collect(Collectors.summingDouble(B::getAge)); System.out.println(ageAve); } /** * maxBy-根据函数条件求最大值 ，minBy-根据函数条件求最小值 */ @Test public void test9() { List bList = StreamAPI.getBList(); Optional stuOptional = bList.stream().collect(Collectors.maxBy((a, b) -> Double.compare(a.getAge(), b.getAge()))); System.out.println(stuOptional.get()); } /** * groupingBy-分组，支持多级分组 */ @Test public void test10() { List bList = StreamAPI.getBList(); Map ageGroup = bList.stream().collect(Collectors.groupingBy(B::getAge)); Object single = JSONObject.toJSON(ageGroup); System.out.println(ageGroup); System.out.println(single); System.out.println("===================多级分组（先姓名后年龄）===================="); Map groupmap = bList.stream() .collect(Collectors.groupingBy(B::getName, Collectors.groupingBy((e) -> { if (e.getAge() 9)); System.out.println(booleanGroup); } /** * joining-连接字符串 */ @Test public void test12() { List bList = StreamAPI.getBList(); String nameStr = bList.stream().map(B::getName) .collect(Collectors.joining()); System.out.println(nameStr); System.out.println("======================================="); String nameSplitStr = bList.stream().map(B::getName) .collect(Collectors.joining(",")); System.out.println(nameSplitStr); } /** * sorted-排序，和reversed结合使用实现正序、倒序 */ @Test public void test13() { List bList = StreamAPI.getBList(); bList.stream() .sorted(Comparator.comparing(B::getAge).reversed()).forEach(e -> { System.out.println(e); }); System.out.println("=================Map比较排序======================"); List resultList = new ArrayList(); Map map1 = new HashMap(); map1.put("name", "ok"); map1.put("age", 6); Map map2 = new HashMap(); map2.put("name", "okok"); map2.put("age", 66); Map map3 = new HashMap(); map3.put("name", "okokok"); map3.put("age", 666); resultList.add(map1); resultList.add(map2); resultList.add(map3); Stream sorted = resultList.stream().sorted(Comparator.comparing(MyLambdaTest::comparedByAge).reversed()); List collect = sorted.collect(Collectors.toList()); System.out.println(JSONUtils.toJSONString(collect)); } private static long comparedByAge(Map map) { return Long.parseLong(map.get("age").toString()); } /** * Stream流中的常用方法skip：用于跳过元素 * 如果希望跳过前几个元素，可以使用skip方法获取一个截取之后的新流 * 如果流的当前长度大于n，则跳过前n个，否则会得到一个长度为0的空流 */ @Test public void test14() { List strings = StreamAPI.getStringList(); Stream stream = strings.stream(); Stream streamLimit = stream.skip(2); streamLimit.forEach(s -> System.out.println(s)); } /** * parallelStream() stream().parallel() * parallelStream提供了流的并行处理，它是Stream的另一重要特性，其底层使用Fork/Join框架实现。 * 简单理解就是多线程异步任务的一种实现。 * 我们可以通过虚拟机启动参数 -Djava.util.concurrent.ForkJoinPool.common.parallelism=N 来设置worker的数量。 *

* 并行可能带来的问题： * 由于并行流使用多线程，则一切线程安全问题都应该是需要考虑的问题，如：资源竞争、死锁、事务、可见性等等。 * 如果某个生产者生产了许多重量级的任务（耗时很长），那么其他任务毫无疑问将会没有工作线程可用；更可怕的事情是这些工作线程正在进行IO阻塞。 * 串行流：适合存在线程安全问题、阻塞任务、重量级任务，以及需要使用同一事务的逻辑。 * 并行流：适合没有线程安全问题、较单纯的数据处理任务。 */ @Test public void test15() { List bList = StreamAPI.getBList(); bList.parallelStream().forEach(num -> System.out.println(Thread.currentThread().getName() + ">>" + num.getName())); System.out.println("======================================="); bList.stream().parallel().forEach(num -> System.out.println(Thread.currentThread().getName() + ">>" + num.getName())); } /** * 加上.sequential(), 将并行流变成顺序流(串行流) * 串行流：适合存在线程安全问题、阻塞任务、重量级任务，以及需要使用同一事务的逻辑。 */ @Test public void test16() { List bList = StreamAPI.getBList(); bList.parallelStream().sequential().forEach(num -> System.out.println(Thread.currentThread().getName() + ">>" + num.getName())); } /** * forEach 和 forEachOrdered * 因为是并行处理 * 第一种输出的情况不确定 * 第二行输出的一直是确定的 */ @Test public void test17() { Stream.of("AAA", "BBB", "CCC").parallel().forEach(s -> System.out.println("Output:" + s)); System.out.println("======================================="); Stream.of("AAA", "BBB", "CCC").parallel().forEachOrdered(s -> System.out.println("Output:" + s)); } @Test public void test18() { int[] array = {1, 2, 5, 5, 5, 5, 6, 6, 7, 2, 9, 2}; List numbers = Arrays.asList(3, 2, 2, 3, 7, 3, 5); /*int[]转list*///java8及以上版本 List list1 = Arrays.stream(array).boxed().collect(Collectors.toList()); /*list转int[]*/ //方法一： Integer[] intArr = numbers.toArray(new Integer[numbers.size()]); //方法二：java8及以上版本 int[] intArr1 = numbers.stream().mapToInt(Integer::valueOf).toArray(); } } 补充二、for、foreach、stream 哪家的效率更高？ 1万以内的数据，for循环的性能要高于foreach和stream；数据量上去之后（1000万），三种遍历方式基本已经没有什么差距了，但是Stream提供并行处理，在数据量大了之后，效率会明显增强。（但是单核CPU，Stream并行处理可能会效率更慢）