当前位置：首页 > news >正文

Stream API：高效处理数据流！

news 来源：原创 2025/6/10 8:15:28

全文目录：

- 开篇语
- 前言
- - 一、Stream 的概念与操作
  - - 1.1 Stream 的特点
    - 1.2 创建 Stream
    - - 代码示例：创建 Stream
  - 二、中间操作与终端操作
  - - 2.1 中间操作
    - 2.2 终端操作
    - - 代码示例：中间操作与终端操作
  - 三、过滤、映射与聚合操作
  - - 3.1 过滤（Filter）
    - - 代码示例：使用 `filter()` 过滤元素
    - 3.2 映射（Map）
    - - 代码示例：使用 `map()` 映射元素
    - 3.3 聚合操作
    - - 代码示例：使用 `reduce()` 进行聚合
  - 四、并行流与性能优化
  - - 4.1 并行流（Parallel Stream）
    - - 代码示例：使用并行流
    - 4.2 性能优化
  - 总结：Stream API 的威力
- 文末

开篇语

哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛

今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。

我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，希望以这种方式帮助到更多的初学者或者想入门的小伙伴们，同时也能对自己的技术进行沉淀，加以复盘，查缺补漏。

小伙伴们在批阅的过程中，如果觉得文章不错，欢迎点赞、收藏、关注哦。三连即是对作者我写作道路上最好的鼓励与支持！

前言

在 Java 8 引入了 Stream API，这使得数据处理变得更加简洁、高效和表达力强。通过 Stream API，我们能够以声明式的方式处理集合和数组等数据源，极大地提升了代码的可读性和可维护性。今天我们将深入探讨 Stream 的概念与操作、中间操作与终端操作、过滤、映射与聚合操作，以及 并行流与性能优化。

一、Stream 的概念与操作

Stream 是一个可以从数据源（如集合、数组、I/O 通道等）生成的元素的集合，并且通过管道化的操作对这些元素进行处理。Stream 是 不存储数据 的，它们只是数据操作的一个视图或计算过程，每个中间操作都返回一个新的 Stream。

1.1 Stream 的特点

无存储：Stream 并不存储数据，它只是对数据源的一个视图。
函数式编程风格：Stream 使用链式调用，使得数据处理过程更加简洁。
延迟计算：Stream 的操作是懒执行的，只有在执行终端操作时，才会触发数据处理。

1.2 创建 Stream

Stream 可以从多种数据源创建，常见的创建方法包括：

从集合中创建：list.stream()
从数组中创建：Arrays.stream(array)
从文件中创建：Files.lines(path)
使用 Stream.of() 创建：Stream.of("a", "b", "c")

代码示例：创建 Stream

import java.util.Arrays;
import java.util.List;
import java.util.stream.Stream;public class StreamExample {public static void main(String[] args) {// 从集合中创建 StreamList<String> list = Arrays.asList("a", "b", "c");list.stream().forEach(System.out::println);  // 使用 forEach 遍历// 从数组中创建 StreamString[] array = {"1", "2", "3"};Arrays.stream(array).forEach(System.out::println);// 使用 Stream.of 创建 StreamStream<String> stream = Stream.of("x", "y", "z");stream.forEach(System.out::println);}
}

二、中间操作与终端操作

Stream API 中的操作可以分为 中间操作 和 终端操作。

2.1 中间操作

中间操作返回一个新的 Stream，因此它们是惰性的操作。常见的中间操作包括：

filter()：过滤流中的元素。
map()：对流中的每个元素进行操作，返回新的元素。
flatMap()：将元素转换成多个元素并平铺，通常用于嵌套集合的扁平化。
sorted()：对流中的元素进行排序。
distinct()：去重操作。

2.2 终端操作

终端操作会触发 Stream 的计算，并且会将结果返回或输出。常见的终端操作包括：

forEach()：对流中的每个元素进行操作。
collect()：将 Stream 转换为其他数据结构（如 List、Set、Map）。
reduce()：通过一个累加器将流中的元素聚合成一个结果。
count()：返回流中元素的数量。
anyMatch()、allMatch()、noneMatch()：用于判断流中的元素是否匹配某些条件。

代码示例：中间操作与终端操作

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;public class StreamOperationsExample {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);// 中间操作：filter 和 mapList<Integer> result = numbers.stream().filter(n -> n % 2 == 0)  // 过滤偶数.map(n -> n * n)          // 对每个元素平方.collect(Collectors.toList());  // 终端操作：收集结果System.out.println(result);  // 输出： [4, 16, 36, 64]// 终端操作：forEachnumbers.stream().forEach(System.out::println);}
}

三、过滤、映射与聚合操作

Stream API 提供了强大的数据处理能力，包括过滤、映射、聚合等操作。

3.1 过滤（Filter）

filter() 中间操作用于过滤符合条件的元素，返回一个新的 Stream。

代码示例：使用 `filter()` 过滤元素

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);
List<Integer> evenNumbers = numbers.stream().filter(n -> n % 2 == 0)  // 过滤偶数.collect(Collectors.toList());
System.out.println(evenNumbers);  // 输出： [2, 4, 6]

3.2 映射（Map）

map() 中间操作用于将流中的每个元素进行转换，并返回新的流。

代码示例：使用 `map()` 映射元素

List<String> words = Arrays.asList("hello", "world", "java");
List<String> upperCaseWords = words.stream().map(String::toUpperCase)  // 将每个字符串转换为大写.collect(Collectors.toList());
System.out.println(upperCaseWords);  // 输出： [HELLO, WORLD, JAVA]

3.3 聚合操作

Stream 提供了 reduce() 方法用于聚合流中的元素，通常用于求和、求积等操作。

代码示例：使用 `reduce()` 进行聚合

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
int sum = numbers.stream().reduce(0, Integer::sum);  // 求和
System.out.println(sum);  // 输出： 15

reduce() 方法接受两个参数：初始值和一个 BinaryOperator 函数，这里用来对流中的所有元素进行求和操作。

四、并行流与性能优化

4.1 并行流（Parallel Stream）

Java 的 Stream API 支持 并行流，它利用多核 CPU 的优势，将流中的操作并行化。通过 parallelStream() 或 stream().parallel() 方法可以轻松创建并行流。

优势：对于计算密集型任务，使用并行流可以显著提升性能。
劣势：对于 IO 密集型任务，并行流并不会提高性能，反而可能导致线程切换开销增加。

代码示例：使用并行流

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);
int sum = numbers.parallelStream()  // 创建并行流.reduce(0, Integer::sum);  // 求和
System.out.println(sum);  // 输出： 45