java8 stream 操作
Filter
Filter方法接收predicate接口參數,過濾流中所有元素。該操作屬于中間操作,是以可以在結果上繼續調用其他的流操作(如forEach)。ForEach接收consumer,在流過濾後的每個元素上執行consumer。ForEach是終止操作,傳回void,不能調用其他流操作。
stringCollection
.stream()
.filter((s) ->s.startsWith("a"))
.forEach(System.out::println);
// "aaa2", "aaa1"
Sorted
Sorted是中間操作,傳回順序排列的流視圖,元素安裝預設的方式排序,除非你傳遞特定的比較器。
stringCollection
.stream()
.sorted()
.filter((s) -> s.startsWith("a"))
.forEach(System.out::println);
// "aaa1", "aaa2"
注意,sorted僅僅傳回流視圖,并沒有真正操作後面集合的順序,集合的順序沒有受任何影響。
System.out.println(stringCollection);
// ddd2, aaa2, bbb1, aaa1, bbb3, ccc, bbb2, ddd1
Map
map屬于中間操作,它通過傳遞的函數轉換每個元素。下面示例轉換每個字元串值大寫形式。也可以使用map轉換每個對象至另一種類型。傳回類型取決于傳遞函數的泛型類型。
stringCollection
.stream()
.map(String::toUpperCase)
.sorted((a, b) -> b.compareTo(a))
.forEach(System.out::println);
// "DDD2", "DDD1", "CCC", "BBB3", "BBB2", "AAA2", "AAA1"
Match
幾個比對操作常用檢查指定predicate比對情況,所有比對操作都是終止操作,傳回布爾結果。
boolean anyStartsWithA =
stringCollection
.stream()
.anyMatch((s) -> s.startsWith("a"));
System.out.println(anyStartsWithA); // true
boolean allStartsWithA =
stringCollection
.stream()
.allMatch((s) -> s.startsWith("a"));
System.out.println(allStartsWithA); // false
boolean noneStartsWithZ =
stringCollection
.stream()
.noneMatch((s) -> s.startsWith("z"));
System.out.println(noneStartsWithZ); // true
Count
count是終止操作,傳回流中元素數量。
long startsWithB =
stringCollection
.stream()
.filter((s) -> s.startsWith("b"))
.count();
System.out.println(startsWithB); // 3
Reduce
terminal是終止操作,根據指定函數在流元素上執行reduction操作,傳回Optional對象,包括執行結果。
Optional<String> reduced =
stringCollection
.stream()
.sorted()
.reduce((s1, s2) -> s1 + "#" + s2);
reduced.ifPresent(System.out::println);
// "aaa1#aaa2#bbb1#bbb2#bbb3#ccc#ddd1#ddd2"
Parallel Streams
上面提到流可以是順序的或并行的;順序流操作是單線程執行,而并行流操作屬于多線程執行。下面示例示範使用并行流提升性能,非常簡單。首先建立list,包含大資料量的不重複元素。
int max = 1000000;
List<String> values = new ArrayList<>(max);
for (int i = 0; i < max; i++) {
UUID uuid = UUID.randomUUID();
values.add(uuid.toString());
}
現在我們測量針對該集合流排序所化的時間。
Sequential Sort
long t0 = System.nanoTime();
long count = values.stream().sorted().count();
System.out.println(count);
long t1 = System.nanoTime();
long millis = TimeUnit.NANOSECONDS.toMillis(t1 - t0);
System.out.println(String.format("sequential sort took: %d ms", millis));
// sequential sort took: 899 ms
Parallel Sort
long t0 = System.nanoTime();
long count = values.parallelStream().sorted().count();
System.out.println(count);
long t1 = System.nanoTime();
long millis = TimeUnit.NANOSECONDS.toMillis(t1 - t0);
System.out.println(String.format("parallel sort took: %d ms", millis));
// parallel sort took: 472 ms
可以看兩端代碼幾乎相同,但是并行流操作幾乎快樂50%。是以你當然要使用并行流代替順序流。
Map
前面提到,map不支援流。想法map提供了幾個新的、有用的方法實作通用任務。
Map<Integer, String> map = new HashMap<>();
for (int i = 0; i < 10; i++) {
map.putIfAbsent(i, "val" + i);
}
map.forEach((id, val) -> System.out.println(val));
上面代碼不解自明,putIfAbsent無需我們寫額外的null檢查;forEach接收consumer針對map的每個值進行操作。示例看map的使用函數。
map.computeIfPresent(3, (num, val) -> val + num);
map.get(3); // val33
map.computeIfPresent(9, (num, val) -> null);
map.containsKey(9); // false
map.computeIfAbsent(23, num -> "val" + num);
map.containsKey(23); // true
map.computeIfAbsent(3, num -> "bam");
map.get(3); // val33
接下來,我們學習如何根據指定的key删除entry,僅當正确的映射指定的值。
map.remove(3, "val3");
map.get(3); // val33
map.remove(3, "val33");
map.get(3); // null
另一個有用的方法:
map.getOrDefault(42, "not found"); // not found
Merging entries of a map is quite easy:
map.merge(9, "val9", (value, newValue) -> value.concat(newValue));
map.get(9); // val9
map.merge(9, "concat", (value, newValue) -> value.concat(newValue));
map.get(9); // val9concat
merge方法判斷,如果key沒有對應的entry,則key/value加入map,否則merge參數對應函數被調用改變對應的值。