当前位置：首页 > news >正文

Java Stream API详解：高效处理集合数据的利器

news 来源：原创 2024/9/20 12:07:11

引言

Java 8引入了许多新特性，其中最为显著的莫过于Lambda表达式和Stream API。Stream API提供了一种高效、简洁的方法来处理集合数据，使代码更加简洁明了，且具有较高的可读性和可维护性。本文将深入探讨Java Stream API的使用，包括基础概念、常用操作、并行处理、实战案例以及最佳实践等内容。

什么是Stream API
Stream API的基础操作
- 创建Stream
- 中间操作
- 终端操作
Stream API的高级操作
- 排序
- 筛选
- 映射
- 规约
- 收集
并行Stream
Stream API实战案例
- 处理集合数据
- 文件操作
- 数据库操作
Stream API的最佳实践
常见问题与解决方案
总结

什么是Stream API

Stream API是Java 8引入的一种用于处理集合数据的抽象，它允许以声明性方式（类似SQL语句）来处理数据。Stream API提供了许多强大的操作，可以用来对集合进行过滤、排序、映射、规约等操作，极大地简化了代码。

特点

声明性编程：使用Stream API可以以声明性的方式编写代码，减少样板代码。
链式调用：Stream API的操作可以链式调用，提高代码的可读性。
惰性求值：中间操作是惰性求值的，只有在执行终端操作时才会进行计算。
并行处理：支持并行处理，可以充分利用多核CPU的优势。

Stream API的基础操作

创建Stream

Stream API提供了多种方式来创建Stream，常见的有以下几种：

从集合创建：

List<String> list = Arrays.asList("a", "b", "c");
Stream<String> stream = list.stream();

从数组创建：

String[] array = {"a", "b", "c"};
Stream<String> stream = Arrays.stream(array);

使用Stream.of：

Stream<String> stream = Stream.of("a", "b", "c");

使用Stream.generate：

Stream<Double> stream = Stream.generate(Math::random).limit(10);

使用Stream.iterate：

Stream<Integer> stream = Stream.iterate(0, n -> n + 2).limit(10);

中间操作

中间操作用于转换Stream，是惰性求值的，常见的中间操作有以下几种：

filter：用于过滤元素。

Stream<String> stream = list.stream().filter(s -> s.startsWith("a"));

map：用于映射每个元素到对应的结果。

Stream<String> stream = list.stream().map(String::toUpperCase);

flatMap：用于将每个元素转换为Stream，然后合并成一个Stream。

Stream<String> stream = list.stream().flatMap(s -> Stream.of(s.split("")));

distinct：用于去重。

Stream<String> stream = list.stream().distinct();

sorted：用于排序。

Stream<String> stream = list.stream().sorted();

peek：用于在处理过程中查看每个元素。

Stream<String> stream = list.stream().peek(System.out::println);

终端操作

终端操作用于启动Stream的计算，并生成结果，常见的终端操作有以下几种：

forEach：对每个元素执行操作。

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

collect：将Stream转换为其他形式。

List<String> result = list.stream().collect(Collectors.toList());

reduce：将Stream中的元素规约成一个值。

Optional<String> result = list.stream().reduce((s1, s2) -> s1 + s2);

toArray：将Stream转换为数组。

String[] array = list.stream().toArray(String[]::new);

count：计算元素个数。

long count = list.stream().count();

anyMatch、allMatch、noneMatch：用于匹配判断。

boolean anyMatch = list.stream().anyMatch(s -> s.startsWith("a"));
boolean allMatch = list.stream().allMatch(s -> s.startsWith("a"));
boolean noneMatch = list.stream().noneMatch(s -> s.startsWith("a"));

findFirst、findAny：用于查找元素。

Optional<String> first = list.stream().findFirst();
Optional<String> any = list.stream().findAny();

Stream API的高级操作

排序

使用sorted方法对Stream进行排序，可以传入一个比较器。

List<String> list = Arrays.asList("b", "c", "a");
List<String> sortedList = list.stream().sorted().collect(Collectors.toList());
// 逆序排序
List<String> sortedListDesc = list.stream().sorted(Comparator.reverseOrder()).collect(Collectors.toList());

筛选

使用filter方法对Stream中的元素进行筛选。

List<String> list = Arrays.asList("a", "b", "c");
List<String> filteredList = list.stream().filter(s -> s.startsWith("a")).collect(Collectors.toList());

映射

使用map方法对Stream中的元素进行映射。

List<String> list = Arrays.asList("a", "b", "c");
List<String> mappedList = list.stream().map(String::toUpperCase).collect(Collectors.toList());

规约

使用reduce方法对Stream中的元素进行规约。

List<String> list = Arrays.asList("a", "b", "c");
String result = list.stream().reduce("", (s1, s2) -> s1 + s2);

收集

使用collect方法将Stream转换为其他形式。

List<String> list = Arrays.asList("a", "b", "c");
List<String> collectedList = list.stream().collect(Collectors.toList());
Set<String> collectedSet = list.stream().collect(Collectors.toSet());
String joinedString = list.stream().collect(Collectors.joining(","));

并行Stream

并行Stream可以充分利用多核CPU的优势，提高数据处理的效率。可以使用parallelStream方法创建并行Stream。

List<String> list = Arrays.asList("a", "b", "c");
List<String> parallelList = list.parallelStream().map(String::toUpperCase).collect(Collectors.toList());

也可以使用parallel方法将普通Stream转换为并行Stream。

List<String> list = Arrays.asList("a", "b", "c");
List<String> parallelList = list.stream().parallel().map(String::toUpperCase).collect(Collectors.toList());

需要注意的是，并行Stream并不是总是比串行Stream更快，具体需要根据具体情况进行测试。

Stream API实战案例

处理集合数据

案例一：过滤并转换集合

给定一个包含若干字符串的集合，过滤掉长度小于3的字符串，并将剩余字符串转换为大写。

List<String> list = Arrays.asList("a", "ab", "abc", "abcd");
List<String> result = list.stream().filter(s -> s.length() >= 3).map(String::toUpperCase).collect(Collectors.toList());
System.out.println(result); // 输出：[ABC, ABCD]

案例二：计算平均值

给定一个包含若干整数的集合，计算所有整数的平均值。

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
OptionalDouble average = list.stream().mapToInt(Integer::intValue).average();
average.ifPresent(System.out::println); // 输出：3.0

文件操作

案例三：读取文件内容

使用Stream API

读取文件内容并输出到控制台。

try (Stream<String> lines = Files.lines(Paths.get("example.txt"))) {lines.forEach(System.out::println);
} catch (IOException e) {e.printStackTrace();
}

案例四：统计单词出现次数

读取文件内容并统计每个单词出现的次数。

try (Stream<String> lines = Files.lines(Paths.get("example.txt"))) {Map<String, Long> wordCount = lines.flatMap(line -> Arrays.stream(line.split("\\W+"))).collect(Collectors.groupingBy(String::toLowerCase, Collectors.counting()));wordCount.forEach((word, count) -> System.out.println(word + ": " + count));
} catch (IOException e) {e.printStackTrace();
}

数据库操作

案例五：处理数据库查询结果

假设我们有一个数据库表users，包含字段id、name和age。我们可以使用Stream API处理查询结果。

List<User> users = queryDatabase();
List<String> names = users.stream().filter(user -> user.getAge() > 18).map(User::getName).collect(Collectors.toList());
System.out.println(names);

Stream API的最佳实践

避免不必要的并行化：并行Stream并不是总是更快，应该根据具体情况进行选择。
合理使用中间操作和终端操作：中间操作是惰性求值的，只有在执行终端操作时才会进行计算。
注意Stream的可复用性：Stream一旦被消费就不能再使用，如果需要复用，可以考虑将Stream转换为集合再使用。
使用合适的收集器：Collectors类提供了多种收集器，可以根据具体需求选择合适的收集器。
处理异常：在使用Stream API时，需要处理可能出现的异常，尤其是在文件操作和数据库操作中。

常见问题与解决方案

Stream已关闭

Stream一旦被消费就不能再使用，如果需要复用，可以考虑将Stream转换为集合再使用。

List<String> list = Arrays.asList("a", "b", "c");
Stream<String> stream = list.stream();
stream.forEach(System.out::println);
stream.forEach(System.out::println); // 会抛出IllegalStateException

性能问题

并行Stream并不是总是比串行Stream更快，具体需要根据具体情况进行测试。可以使用ForkJoinPool来优化并行Stream的性能。

ForkJoinPool customThreadPool = new ForkJoinPool(4);
customThreadPool.submit(() ->list.parallelStream().forEach(System.out::println)
).get();

内存泄漏

在使用Stream API处理大数据量时，需要注意内存泄漏的问题。可以使用close方法关闭Stream，或者使用try-with-resources语句自动关闭Stream。

try (Stream<String> lines = Files.lines(Paths.get("example.txt"))) {lines.forEach(System.out::println);
} catch (IOException e) {e.printStackTrace();
}