Java 8 的流（Stream API）简介
Java 8 引入的 Stream API 是一个强大的工具，用于处理集合（如 List、Set）中的元素。它支持各种操作，包括过滤、排序、映射等，并且能够以声明式的方式表达复杂的查询操作。流操作可以是中间操作（返回流以便进一步处理）或终端操作（产生结果或副作用）。此外，Stream API 还支持并行执行，从而利用多核处理器的优势。
Stream 的基本概念
-
源
任何提供数据的集合（如List、Set、数组等）均可作为流的来源。 -
中间操作
返回新流对象，支持链式调用，惰性求值。常见操作包括：filter（筛选）map（映射）sorted（排序）distinct（去重）limit（限制数量）skip（跳过元素）flatMap（扁平化映射）peek（调试查看）
-
终端操作
触发流处理并生成结果，执行后流被消耗。常见操作包括：forEach（遍历）collect（收集到集合）reduce（聚合）count（统计数量）findFirst/findAny（查找元素）anyMatch/allMatch/noneMatch（匹配验证）
创建 Stream 的方式
-
从集合创建
List<String> list = Arrays.asList("apple", "banana", "pear"); Stream<String> stream = list.stream(); -
从数组创建
String[] arr = {"apple", "banana", "pear"}; Stream<String> stream = Arrays.stream(arr); -
生成无限流
// 迭代生成（0, 1, 2, ...） Stream<Integer> infiniteStream = Stream.iterate(0, n -> n + 1); // 随机生成 Stream<Double> randomStream = Stream.generate(Math::random);
中间操作详解
1. 筛选与切片
-
filter：按条件筛选元素List<String> filtered = list.stream() .filter(s -> s.length() > 3) .collect(Collectors.toList()); -
distinct：去重（需重写equals和hashCode）List<Integer> distinctList = Arrays.asList(1, 2, 2, 3) .stream() .distinct() .collect(Collectors.toList()); // [1, 2, 3] -
limit：截取前 N 个元素List<String> firstTwo = list.stream() .limit(2) .collect(Collectors.toList()); -
skip：跳过前 N 个元素List<String> skipped = list.stream() .skip(1) .collect(Collectors.toList());
2. 映射与扁平化
-
map：元素类型转换List<String> upperCase = list.stream() .map(String::toUpperCase) .collect(Collectors.toList()); -
flatMap：扁平化嵌套集合List<List<Integer>> nestedList = Arrays.asList( Arrays.asList(1, 2), Arrays.asList(3, 4) ); List<Integer> flatList = nestedList.stream() .flatMap(List::stream) .collect(Collectors.toList()); // [1, 2, 3, 4]
3. 排序
-
自然排序
List<String> sortedList = list.stream() .sorted() .collect(Collectors.toList()); -
自定义排序
List<Employee> sortedEmployees = employees.stream() .sorted((e1, e2) -> e2.getAge() - e1.getAge()) .collect(Collectors.toList());
4. 调试查看
peek：遍历元素时执行操作（如打印）list.stream() .peek(System.out::println) .collect(Collectors.toList());
终端操作详解
1. 收集结果
-
收集到集合
List<String> listResult = Stream.of("a", "b", "c") .collect(Collectors.toList()); Set<String> setResult = Stream.of("apple", "banana", "pear") .collect(Collectors.toSet()); -
分组与分区
Map<Integer, List<String>> grouped = list.stream() .collect(Collectors.groupingBy(s -> s.length()));
2. 聚合操作
-
reduce求和int sum = numbers.stream() .reduce(0, (a, b) -> a + b); -
拼接字符串
String joined = Stream.of("a", "b", "c") .reduce("", (a, b) -> a + b); // "abc" -
无初始值的聚合
Optional<Integer> max = numbers.stream() .reduce(Integer::max);
3. 查找与匹配
-
findFirst：获取第一个元素Optional<String> first = list.stream() .filter(s -> s.startsWith("a")) .findFirst(); -
findAny：获取任意元素（并行流中可能乱序）Optional<String> any = list.parallelStream() .findAny(); -
max/min：获取极值Optional<Integer> maxNumber = numbers.stream() .max(Integer::compare);
4. 匹配验证
-
anyMatch：至少一个元素满足条件boolean hasEven = numbers.stream() .anyMatch(n -> n % 2 == 0); -
allMatch：所有元素满足条件boolean allEven = numbers.stream() .allMatch(n -> n % 2 == 0); -
noneMatch：无元素满足条件boolean noEven = numbers.stream() .noneMatch(n -> n % 2 == 0);
5. 统计与转换
-
count：统计元素数量long count = list.stream() .filter(s -> s.length() > 3) .count(); -
toArray：转换为数组String[] array = list.stream() .toArray(String[]::new); -
数值统计
IntSummaryStatistics stats = numbers.stream() .mapToInt(Integer::intValue) .summaryStatistics(); System.out.println(stats.getAverage()); // 平均值
6. 遍历操作
forEach：执行副作用操作list.stream() .forEach(System.out::println);
并行流（Parallel Stream）
-
启用并行流
List<String> list = Arrays.asList("apple", "banana", "pear"); list.parallelStream().forEach(System.out::println); -
注意事项
- 并行流可能提高大数据集处理性能。
- 需确保线程安全性（如避免共享状态修改）。
- 并行排序（
sorted()）可能不稳定，需谨慎使用。
注意事项
-
中间操作顺序
逻辑顺序需合理（如先filter再map）。 -
对象去重
使用distinct()时需重写hashCode()和equals()。 -
流复用问题
终端操作后流被消耗，需重新创建流：Stream<String> stream = list.stream(); stream.forEach(System.out::println); // 首次使用 stream.forEach(System.out::println); // 报错！流已关闭 -
安全获取值
使用Optional的orElse()、orElseGet()或orElseThrow()避免空指针。
总结
Java 8 Stream API 通过声明式编程简化了集合操作，支持链式调用和并行处理。合理使用中间操作（如 filter、map）和终端操作（如 collect、reduce），可高效完成数据聚合、过滤及验证。结合并行流可显著提升大数据集处理性能，但需注意线程安全性和操作顺序。