前言

Java 8 (又称为 jdk 1.8) 是 Java 语言开发的一个主要版本。 Oracle 公司于 2014 年 3 月 18 日发布 Java 8 ，它支持函数式编程，新的 JavaScript 引擎，新的日期 API，新的Stream API 等。
新添加的Stream API（java.util.stream） 把真正的函数式编程风格引入到Java中。它可以让你以一种声明的方式处理数据，从而写出高效率、干净、简洁的代码。
这种风格将要处理的元素集合看作一种流， 流在管道中传输， 并且可以在管道的节点上进行处理， 比如筛选， 排序，聚合等。

一、Stream 特性

• 元素是特定类型的对象，形成一个队列。 Java中的Stream不会存储元素，而是按需计算按照特定的规则对数据进行计算，一般会输出结果。
• Stream不会改变数据源，一般情况下会产生一个新的集合或者新值。
• Stream流的来源，可以是集合，数组，I/O channel， 产生器generator 等等。
• 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。中间操作都会返回流对象本身。 这样多个操作可以串联成一个管道， 如同流式风格（fluent style）。
• 以前对集合遍历都是通过Iterator或者For-Each的方式, 显式的在集合外部进行迭代， 这叫做外部迭代。 Stream提供了内部迭代的方式， 通过访问者模式(Visitor)实现。

Stream流的操作可以大概分为2种：
1、中间操作：每次操作都返回流对象本身。
2、终端操作：一个流只可以进行一次终端操作，即产生一个新的集合或者新值。终端操作结束后流无法再次使用。

二、Stream 创建

在 Java 8 中, Stream可以由集合或数组创建而来，生成的流有2种类型：
1、stream() ：串行流，由主线程按顺序对流执行操作。
2、parallelStream() ：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。例如计算集合中的数量之和。如果流种数据量很大，并行流可以加快处理速度。串行流可以通过parallel()方法把顺序流转换成并行流。

2.1 用集合创建流

因为集合继承或实现了java.util.Collection接口，而Collection接口定义了stream()和parallelStream()方法，所以可通过集合的stream() 和parallelStream()方法创建流。

// 创建集合
List<String> list = Arrays.asList("张三", "李四", "王五");
// 创建一个串行流
Stream<String> stream = list.stream();
// 创建一个并行流
Stream<String> parallelStream = list.parallelStream();

2.2 用数组创建流

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

// 创建数组
String[] persons = {"张三", "李四", "王五"};
// 创建一个串行流
Stream<String> stream = Arrays.stream(persons);
// 创建一个并行流
Stream<String> parallelStream = Arrays.stream(persons).parallel();

2.3 Stream静态方法

使用Stream的静态方法生成Stream，例如of()、iterate()、generate()等。

Stream<String> stream2 = Stream.of("张三", "李四", "王五");

// 输出5个奇数 1 3 5 7 9
Stream<Integer> stream3 = Stream.iterate(1, x -> x + 2).limit(5);
stream3.forEach(System.out::println);

// 生成2个UUID
Stream<UUID> stream4 = Stream.generate(UUID::randomUUID).limit(2);
stream4.forEach(System.out::println);

三、Stream 使用案例

数据准备，学生数据，学生类，以及测试数据

/**
 * @Description 学生类
 * @Author Mr.nobody
 * @Date 2021/1/17
 * @Version 1.0
 */
public class Student {
    // 主键
    private String id;
    // 姓名
    private String name;
    // 年龄
    private int age;
    // 性别
    private String sex;
    // 成绩
    private double score;

    public Student(String id, String name, int age, String sex, double score) {
        this.id = id;
        this.name = name;
        this.age = age;
        this.sex = sex;
        this.score = score;
    }
    // 省略get和set方法，toString方法，如若测试需自行添加
}

List<Student> students = new ArrayList<>(16);
students.add(new Student("1", "张三", 18, "male", 88));
students.add(new Student("2", "李四", 17, "male", 60));
students.add(new Student("3", "王五", 18, "male", 100));
students.add(new Student("4", "赵六", 20, "male", 10));
students.add(new Student("5", "董七", 14, "female", 95));
students.add(new Student("6", "幺八", 21, "male", 55));
students.add(new Student("7", "老九", 20, "female", 66));
students.add(new Student("8", "小明", 18, "male", 100));
students.add(new Student("9", "小红", 22, "female", 95));
students.add(new Student("10", "小张", 25, "male", 90));

3.1 遍历 forEach

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

// 输出结果
Student{id='1', name='张三', age=18, sex=male, score=88.0}
Student{id='2', name='李四', age=17, sex=male, score=60.0}
Student{id='3', name='王五', age=18, sex=male, score=100.0}
Student{id='4', name='赵六', age=20, sex=male, score=10.0}
Student{id='5', name='董七', age=14, sex=female, score=95.0}
Student{id='6', name='幺八', age=21, sex=male, score=55.0}
Student{id='7', name='老九', age=20, sex=female, score=66.0}
Student{id='8', name='小明', age=18, sex=male, score=100.0}
Student{id='9', name='小红', age=22, sex=female, score=95.0}
Student{id='10', name='小张', age=25, sex=male, score=90.0}

3.2 过滤 filter

// 过滤出成绩100分的学生
List<Student> students1 =
        students.stream().filter(student -> student.getScore() == 100).collect(Collectors.toList());
students1.forEach(System.out::println);

// 输出结果
Student{id='3', name='王五', age=18, sex=male, score=100.0}
Student{id='8', name='小明', age=18, sex=male, score=100.0}

3.3 查找 findFirst，findAny

一般filter和find搭配使用，即从过滤符合条件的数据中，获得一个数据。

// 串行流，匹配第一个
Optional<Student> studentOptional =
        students.stream().filter(student -> student.getAge() >= 20).findFirst();
if (studentOptional.isPresent()) {
    Student student = studentOptional.get();
    System.out.println(student);
}
// 上面输出语句可简写如下
// studentOptional.ifPresent(System.out::println);

// 并行流，匹配任意一个，findAny一般用于并行流
Optional<Student> studentOptiona2 =
        students.parallelStream().filter(student -> student.getAge() >= 20).findAny();
studentOptiona2.ifPresent(System.out::println);

// 输出结果
Student{id='4', name='赵六', age=20, sex=male, score=10.0}
Student{id='7', name='老九', age=20, sex=female, score=66.0}

3.4 匹配 match

// 是否存在100分的学生
boolean anyMatch = students.stream().anyMatch(student -> student.getScore() == 100);
// 是否全部学生都100分
boolean allMatch = students.stream().allMatch(student -> student.getScore() == 100);
// 是否全部学生都没有100分
boolean noneMatch = students.stream().noneMatch(student -> student.getScore() == 100);
System.out.println(anyMatch);
System.out.println(allMatch);
System.out.println(noneMatch);

// 输出结果
true
false
false

3.5 映射 map

映射，顾名思义，将一个对象映射成另外一个对象。即一个Stream流中的所有元素按照一定的映射规则，映射到另一个流中。映射有map和flatMap两种类型：
1、map：接收一个函数作为参数，此函数作用到Stream中每一个元素，形成一个新的元素，所有新的元素组成一个新的流。
2、flatMap：接收一个函数作为参数，它将流中的每个元素都转换成另一个流，然后把所有流再连接形成一个最终流。

// 获取每个学生的姓名
List<String> studentNames =
        students.stream().map(Student::getName).collect(Collectors.toList());
System.out.println(studentNames);
// 每个学生的成绩加10分
List<Double> studentScores = students.stream().map(student -> student.getScore() + 10)
        .collect(Collectors.toList());
System.out.println(studentScores);

// 输出结果
[张三, 李四, 王五, 赵六, 董七, 幺八, 老九, 小明, 小红, 小张]
[98.0, 70.0, 110.0, 20.0, 105.0, 65.0, 76.0, 110.0, 105.0, 100.0]

List<String> list = Arrays.asList("a-b-c-d", "g-h-i");
List<String> list1 = list.stream().flatMap(s -> Arrays.stream(s.split("-"))).collect(Collectors.toList());
System.out.println(list1);

// 输出结果
[a, b, c, d, g, h, i]

3.6 截取流 limit

// limit方法用于获取指定数量的流。例如下面演示取出学习成绩大于70的5个人
List<Student> students2 = students.stream().filter(student -> student.getScore() > 70)
        .limit(5).collect(Collectors.toList());
students2.forEach(System.out::println);
// 跳过第一个再取2个
List<Student> students8 = students.stream().skip(1).limit(2).collect(Collectors.toList());
// 获取5个int随机数,按从小到大排序
Random random = new Random();
random.ints().limit(5).sorted().forEach(System.out::println);

// 输出结果
Student{id='1', name='张三', age=18, sex=male, score=88.0}
Student{id='3', name='王五', age=18, sex=male, score=100.0}
Student{id='5', name='董七', age=14, sex=female, score=95.0}
Student{id='8', name='小明', age=18, sex=male, score=100.0}
Student{id='9', name='小红', age=22, sex=female, score=95.0}
-1490202714
145340547
368332155
388399398
1099579920

3.7 排序 sorted

sorted 方法用于对流中的元素进行排序，有两种排序：
sorted()：自然排序，流中元素需要实现Comparable接口。
sorted(Comparator<? super T> comparator)：需要自定义排序器。

// 按成绩升序
List<Student> students3 = students.stream().sorted(Comparator.comparing(Student::getScore))
        .collect(Collectors.toList());
System.out.println("按成绩升序");
students3.forEach(System.out::println);
// 按成绩降序
List<Student> students4 =
        students.stream().sorted(Comparator.comparing(Student::getScore).reversed())
                .collect(Collectors.toList());
System.out.println("按成绩降序");
students4.forEach(System.out::println);
// 按成绩升序，再按年龄升序
List<Student> students5 = students.stream()
        .sorted(Comparator.comparing(Student::getScore).thenComparing(Student::getAge))
        .collect(Collectors.toList());
System.out.println("按成绩升序，再按年龄升序");
students5.forEach(System.out::println);
// 按成绩升序，再按年龄降序
List<Student> students6 = students.stream().sorted((s1, s2) -> {
    if (s1.getScore() != s2.getScore()) {
        return (int) (s1.getScore() - s2.getScore());
    } else {
        return (s2.getAge() - s1.getAge());
    }
}).collect(Collectors.toList());
System.out.println("按成绩升序，再按年龄降序");
students6.forEach(System.out::println);

3.8 去重 distinct

List<String> list2 = Arrays.asList("a", "b", "a", "c", "f", "e", "f");
List<String> list3 = list2.stream().distinct().collect(Collectors.toList());
Set<String> stringSet = list2.stream().collect(Collectors.toSet()); // list转set也可以达到去重效果
System.out.println(list3);
System.out.println(stringSet);

// 输出结果
[a, b, c, f, e]
[a, b, c, e, f]

3.9 统计 summaryStatistics

一些收集器能产生统计结果，例如Collectors提供了一系列用于数据统计的静态方法，它们主要用于int、double、long等基本类型上。

// 总和统计summaryStatistics
DoubleSummaryStatistics doubleSummaryStatistics =
        students.stream().mapToDouble(Student::getScore).summaryStatistics();
System.out.println("平均值：" + doubleSummaryStatistics.getAverage());
System.out.println("总个数：" + doubleSummaryStatistics.getCount());
System.out.println("最大值：" + doubleSummaryStatistics.getMax());
System.out.println("最小值：" + doubleSummaryStatistics.getMin());
System.out.println("总和值：" + doubleSummaryStatistics.getSum());

// 输出结果
平均值：75.9
总个数：10
最大值：100.0
最小值：10.0
总和值：759.0

// 统计个数
long count = students.stream().count();
// 平均值
Double averageScore =
        students.stream().collect(Collectors.averagingDouble(Student::getScore));
// 最大值和最小值
Optional<Double> maxScore = students.stream().map(Student::getScore).max(Double::compare);
Optional<Double> minScore = students.stream().map(Student::getScore).min(Double::compare);
// 求和
double sumScore = students.stream().mapToDouble(Student::getScore).sum();
// 一次性统计所有
DoubleSummaryStatistics doubleSummaryStatistics1 =
        students.stream().collect(Collectors.summarizingDouble(Student::getScore));
System.out.println("单个维度计算：");
System.out.println("统计个数：" + count);
System.out.println("平均值：" + averageScore);
maxScore.ifPresent(aDouble -> System.out.println("最大值：" + aDouble));
minScore.ifPresent(aDouble -> System.out.println("最小值：" + aDouble));
System.out.println("求和：" + sumScore);
System.out.println("一次性统计所有：" + doubleSummaryStatistics1);

// 输出结果
单个维度计算：
统计个数：10
平均值：75.9
最大值：100.0
最小值：10.0
求和：759.0

3.10 归约 reduce

归约，把一个流归约(缩减)成一个值，能实现对集合求和、求乘积和求最值等操作。

List<Integer> integerList = Arrays.asList(6, 7, 1, 10, 11, 7, 13, 20);
// 求和
Optional<Integer> sum1 = integerList.stream().reduce(Integer::sum);
// 求和,基于10的基础上
Integer sum2 = integerList.stream().reduce(10, Integer::sum);
// 求最大值
Optional<Integer> max1 = integerList.stream().reduce((x, y) -> x > y ? x : y);
// 求最大值,基于与50比较的基础上
Integer max2 = integerList.stream().reduce(50, Integer::max);
Optional<Integer> min = integerList.stream().reduce(Integer::min);
// 求乘积
Optional<Integer> product = integerList.stream().reduce((x, y) -> x * y);
System.out.println("原始集合：" + integerList);
System.out.println("集合求和：" + sum1.get() + "," + sum2);
System.out.println("集合求最大值：" + max1.get() + "," + max2);
System.out.println("集合求最小值：" + min.get());
System.out.println("集合求积：" + product.get());

// 输出结果
原始集合：[6, 7, 1, 10, 11, 7, 13, 20]
集合求和：75,85
集合求最大值：20,50
集合求最小值：1
集合求积：8408400

3.11 归集 toList，toSet，toMap

Java中的Stream不会存储元素，而是按需计算按照特定的规则对数据进行计算，一般会输出结果。所以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。比较常用的是toList、toSet和toMap，以及复杂的toCollection、toConcurrentMap等。

// 获取学生名字，形成新的list集合
List<String> studentNames1 =
        students.stream().map(Student::getName).collect(Collectors.toList());
// 获取年龄大于等于15的年龄set集合
Set<Integer> ageSet = students.stream().filter(student -> student.getAge() >= 15)
        .map(Student::getAge).collect(Collectors.toSet());
// 创建学生ID和学生实体的map
Map<String, Student> studentMap =
        students.stream().collect(Collectors.toMap(Student::getId, student -> student));
System.out.println(studentNames1);
System.out.println(ageSet);
studentMap.forEach((key, value) -> System.out.println(key + ":" + value));

// 输出结果
[张三, 李四, 王五, 赵六, 董七, 幺八, 老九, 小明, 小红, 小张]
[17, 18, 20, 21, 22, 25]
1:Student{id='1', name='张三', age=18, sex=male, score=88.0}
2:Student{id='2', name='李四', age=17, sex=male, score=60.0}
3:Student{id='3', name='王五', age=18, sex=male, score=100.0}
4:Student{id='4', name='赵六', age=20, sex=male, score=10.0}
5:Student{id='5', name='董七', age=14, sex=female, score=95.0}
6:Student{id='6', name='幺八', age=21, sex=male, score=55.0}
7:Student{id='7', name='老九', age=20, sex=female, score=66.0}
8:Student{id='8', name='小明', age=18, sex=male, score=100.0}
9:Student{id='9', name='小红', age=22, sex=female, score=95.0}
10:Student{id='10', name='小张', age=25, sex=male, score=90.0}

3.12 分组 partitioningBy，groupingBy

partitioningBy（分区）：stream中的元素按条件被分为两个Map。
groupingBy（分组）：stream中的元素按条件被分为多个Map。

// 按条件学生成绩是否大于等于60，划分为2个组
Map<Boolean, List<Student>> studentScorePart = students.stream()
        .collect(Collectors.partitioningBy(student -> student.getScore() >= 60));
// 按性别分组
Map<String, List<Student>> studentSexMap =
        students.stream().collect(Collectors.groupingBy(Student::getSex));
// 按年龄分组
Map<Integer, List<Student>> studentAgeMap =
        students.stream().collect(Collectors.groupingBy(Student::getAge));
// 先按性别分组，再按年龄分组
Map<String, Map<Integer, List<Student>>> collect = students.stream().collect(
        Collectors.groupingBy(Student::getSex, Collectors.groupingBy(Student::getAge)));
System.out.println("按条件学生成绩是否大于等于60，划分为2个组:");
studentScorePart.forEach((aBoolean, students7) -> {
    System.out.println("成绩大于等于60?:" + aBoolean);
    students7.forEach(System.out::println);
});
System.out.println("按性别分组:");
studentSexMap.forEach((sex, students7) -> {
    System.out.println("性别?:" + sex);
    students7.forEach(System.out::println);
});
System.out.println("按年龄分组:");
studentAgeMap.forEach((age, students7) -> {
    System.out.println("年龄:" + age);
    students7.forEach(System.out::println);
});
System.out.println("先按性别分组，再按年龄分组:");
collect.forEach((sex, integerListMap) -> {
    System.out.println("性别：" + sex);
    integerListMap.forEach((age, students7) -> {
        System.out.println("年龄:" + age);
        students7.forEach(System.out::println);
    });
});

//输出结果
按条件学生成绩是否大于等于60，划分为2个组:
成绩大于等于60?:false
Student{id='4', name='赵六', age=20, sex=male, score=10.0}
Student{id='6', name='幺八', age=21, sex=male, score=55.0}
成绩大于等于60?:true
Student{id='1', name='张三', age=18, sex=male, score=88.0}
Student{id='2', name='李四', age=17, sex=male, score=60.0}
Student{id='3', name='王五', age=18, sex=male, score=100.0}
Student{id='5', name='董七', age=14, sex=female, score=95.0}
Student{id='7', name='老九', age=20, sex=female, score=66.0}
Student{id='8', name='小明', age=18, sex=male, score=100.0}
Student{id='9', name='小红', age=22, sex=female, score=95.0}
Student{id='10', name='小张', age=25, sex=male, score=90.0}
按性别分组:
性别?:female
Student{id='5', name='董七', age=14, sex=female, score=95.0}
Student{id='7', name='老九', age=20, sex=female, score=66.0}
Student{id='9', name='小红', age=22, sex=female, score=95.0}
性别?:male
Student{id='1', name='张三', age=18, sex=male, score=88.0}
Student{id='2', name='李四', age=17, sex=male, score=60.0}
Student{id='3', name='王五', age=18, sex=male, score=100.0}
Student{id='4', name='赵六', age=20, sex=male, score=10.0}
Student{id='6', name='幺八', age=21, sex=male, score=55.0}
Student{id='8', name='小明', age=18, sex=male, score=100.0}
Student{id='10', name='小张', age=25, sex=male, score=90.0}
按年龄分组:
年龄:17
Student{id='2', name='李四', age=17, sex=male, score=60.0}
年龄:18
Student{id='1', name='张三', age=18, sex=male, score=88.0}
Student{id='3', name='王五', age=18, sex=male, score=100.0}
Student{id='8', name='小明', age=18, sex=male, score=100.0}
年龄:20
Student{id='4', name='赵六', age=20, sex=male, score=10.0}
Student{id='7', name='老九', age=20, sex=female, score=66.0}
年龄:21
Student{id='6', name='幺八', age=21, sex=male, score=55.0}
年龄:22
Student{id='9', name='小红', age=22, sex=female, score=95.0}
年龄:25
Student{id='10', name='小张', age=25, sex=male, score=90.0}
年龄:14
Student{id='5', name='董七', age=14, sex=female, score=95.0}
先按性别分组，再按年龄分组:
性别：female
年龄:20
Student{id='7', name='老九', age=20, sex=female, score=66.0}
年龄:22
Student{id='9', name='小红', age=22, sex=female, score=95.0}
年龄:14
Student{id='5', name='董七', age=14, sex=female, score=95.0}
性别：male
年龄:17
Student{id='2', name='李四', age=17, sex=male, score=60.0}
年龄:18
Student{id='1', name='张三', age=18, sex=male, score=88.0}
Student{id='3', name='王五', age=18, sex=male, score=100.0}
Student{id='8', name='小明', age=18, sex=male, score=100.0}
年龄:20
Student{id='4', name='赵六', age=20, sex=male, score=10.0}
年龄:21
Student{id='6', name='幺八', age=21, sex=male, score=55.0}
年龄:25
Student{id='10', name='小张', age=25, sex=male, score=90.0}

3.13 合并 joining

将stream中的元素用指定的连接符（没有的话，则直接连接）连接成一个字符串。

String joinName = students.stream().map(Student::getName).collect(Collectors.joining(", "));
System.out.println(joinName);

// 输出结果
张三, 李四, 王五, 赵六, 董七, 幺八, 老九, 小明, 小红, 小张

四、演示代码获取

此演示代码程序已放到Github：https://github.com/LucioChn/java8-stream-demo
欢迎Star，给个支持！

作者：Μr.ηobοdy
链接：https://blog.csdn.net/chenlixiao007/article/details/112752413
来源：CSDN