初識(shí)Java8中的Stream

更新時(shí)間：2017年08月23日 12:03:26 作者：【蘭陵笑笑生】

lambda表達(dá)式是stream的基礎(chǔ)，接下來(lái)通過(guò)實(shí)例代碼給大家詳細(xì)介紹java8中的stream，感興趣的朋友一起看看吧

lambda表達(dá)式是stream的基礎(chǔ)，初學(xué)者建議先學(xué)習(xí)lambda表達(dá)式，http://m.dhdzp.com/article/121129.htm

1.初識(shí)stream

先來(lái)一個(gè)總綱：

東西就是這么多啦，stream是java8中加入的一個(gè)非常實(shí)用的功能，最初看時(shí)以為是io中的流（其實(shí)一點(diǎn)關(guān)系都沒(méi)有），讓我們先來(lái)看一個(gè)小例子感受一下：

@Before
public void init() {
 random = new Random();
 stuList = new ArrayList<Student>() {
 {
 for (int i = 0; i < 100; i++) {
 add(new Student("student" + i, random.nextInt(50) + 50));
 }
 }
 };
}
public class Student {
 private String name;
 private Integer score;
 //-----getters and setters-----
}
//1列出班上超過(guò)85分的學(xué)生姓名，并按照分?jǐn)?shù)降序輸出用戶名字
@Test
public void test1() {
 List<String> studentList = stuList.stream()
 .filter(x->x.getScore()>85)
 .sorted(Comparator.comparing(Student::getScore).reversed())
 .map(Student::getName)
 .collect(Collectors.toList());
 System.out.println(studentList);
}

列出班上分?jǐn)?shù)超過(guò)85分的學(xué)生姓名，并按照分?jǐn)?shù)降序輸出用戶名字，在java8之前我們需要三個(gè)步驟：

1）新建一個(gè)List<Student> newList，在for循環(huán)中遍歷stuList，將分?jǐn)?shù)超過(guò)85分的學(xué)生裝入新的集合中

2）對(duì)于新的集合newList進(jìn)行排序操作

3）遍歷打印newList

這三個(gè)步驟在java8中只需要兩條語(yǔ)句，如果緊緊需要打印，不需要保存新生產(chǎn)list的話實(shí)際上只需要一條，是不是非常方便。

2.stream的特性

我們首先列出stream的如下三點(diǎn)特性，在之后我們會(huì)對(duì)照著詳細(xì)說(shuō)明

1.stream不存儲(chǔ)數(shù)據(jù)

2.stream不改變?cè)磾?shù)據(jù)

3.stream的延遲執(zhí)行特性

通常我們?cè)跀?shù)組或集合的基礎(chǔ)上創(chuàng)建stream，stream不會(huì)專門存儲(chǔ)數(shù)據(jù)，對(duì)stream的操作也不會(huì)影響到創(chuàng)建它的數(shù)組和集合,對(duì)于stream的聚合、消費(fèi)或收集操作只能進(jìn)行一次，再次操作會(huì)報(bào)錯(cuò)，如下代碼：

@Test
public void test1(){
 Stream<String> stream = Stream.generate(()->"user").limit(20);
 stream.forEach(System.out::println);
 stream.forEach(System.out::println);
}

程序在正常完成一次打印工作后報(bào)錯(cuò)。

stream的操作是延遲執(zhí)行的，在列出班上超過(guò)85分的學(xué)生姓名例子中，在collect方法執(zhí)行之前，filter、sorted、map方法還未執(zhí)行，只有當(dāng)collect方法執(zhí)行時(shí)才會(huì)觸發(fā)之前轉(zhuǎn)換操作

看如下代碼：

public boolean filter(Student s) {
 System.out.println("begin compare");
 return s.getScore() > 85;
}
 
@Test
public void test() {
 Stream<Student> stream = Stream.of(stuArr).filter(this::filter);
 System.out.println("split-------------------------------------");
 List<Student> studentList = stream.collect(toList());
}

我們將filter中的邏輯抽象成方法，在方法中加入打印邏輯，如果stream的轉(zhuǎn)換操作是延遲執(zhí)行的，那么split會(huì)先打印，否則后打印，代碼運(yùn)行結(jié)果為

可見(jiàn)stream的操作是延遲執(zhí)行的。

TIP：

當(dāng)我們操作一個(gè)流的時(shí)候，并不會(huì)修改流底層的集合（即使集合是線程安全的），如果想要修改原有的集合，就無(wú)法定義流操作的輸出。

由于stream的延遲執(zhí)行特性，在聚合操作執(zhí)行前修改數(shù)據(jù)源是允許的。

List<String> wordList;
 @Before
public void init() {
 wordList = new ArrayList<String>() {
 {
 add("a");
 add("b");
 add("c");
 add("d");
 add("e");
 add("f");
 add("g");
 }
 };
}
/**
 * 延遲執(zhí)行特性，在聚合操作之前都可以添加相應(yīng)元素
 */
@Test
public void test() {
 Stream<String> words = wordList.stream();
 wordList.add("END");
 long n = words.distinct().count();
 System.out.println(n);
}

最后打印的結(jié)果是8

如下代碼是錯(cuò)誤的

/**
 * 延遲執(zhí)行特性，會(huì)產(chǎn)生干擾
 * nullPointException
 */
@Test
public void test2(){
 Stream<String> words1 = wordList.stream();
 words1.forEach(s -> {
 System.out.println("s->"+s);
 if (s.length() < 4) {
 System.out.println("select->"+s);
 wordList.remove(s);
 System.out.println(wordList);
 }
 });
}

結(jié)果報(bào)空指針異常

3.創(chuàng)建stream

1）通過(guò)數(shù)組創(chuàng)建

/**
 * 通過(guò)數(shù)組創(chuàng)建流
 */
@Test
public void testArrayStream(){
 //1.通過(guò)Arrays.stream
 //1.1基本類型
 int[] arr = new int[]{1,2,34,5};
 IntStream intStream = Arrays.stream(arr);
 //1.2引用類型
 Student[] studentArr = new Student[]{new Student("s1",29),new Student("s2",27)};
 Stream<Student> studentStream = Arrays.stream(studentArr);
 //2.通過(guò)Stream.of
 Stream<Integer> stream1 = Stream.of(1,2,34,5,65);
 //注意生成的是int[]的流
 Stream<int[]> stream2 = Stream.of(arr,arr);
 stream2.forEach(System.out::println);
}

2）通過(guò)集合創(chuàng)建流

/**
 * 通過(guò)集合創(chuàng)建流
 */
@Test
public void testCollectionStream(){
 List<String> strs = Arrays.asList("11212","dfd","2323","dfhgf");
 //創(chuàng)建普通流
 Stream<String> stream = strs.stream();
 //創(chuàng)建并行流
 Stream<String> stream1 = strs.parallelStream();
}

3）創(chuàng)建空的流

@Test
public void testEmptyStream(){
 //創(chuàng)建一個(gè)空的stream
 Stream<Integer> stream = Stream.empty();
}
4）創(chuàng)建無(wú)限流
@Test
public void testUnlimitStream(){
 //創(chuàng)建無(wú)限流，通過(guò)limit提取指定大小
 Stream.generate(()->"number"+new Random().nextInt()).limit(100).forEach(System.out::println);
 Stream.generate(()->new Student("name",10)).limit(20).forEach(System.out::println);
}

5）創(chuàng)建規(guī)律的無(wú)限流

/**
 * 產(chǎn)生規(guī)律的數(shù)據(jù)
 */
@Test
public void testUnlimitStream1(){
 Stream.iterate(0,x->x+1).limit(10).forEach(System.out::println);
 Stream.iterate(0,x->x).limit(10).forEach(System.out::println);
 //Stream.iterate(0,x->x).limit(10).forEach(System.out::println);與如下代碼意思是一樣的
 Stream.iterate(0, UnaryOperator.identity()).limit(10).forEach(System.out::println);
}

4.對(duì)stream的操作

1）最常使用

map：轉(zhuǎn)換流，將一種類型的流轉(zhuǎn)換為另外一種流

/**
 * map把一種類型的流轉(zhuǎn)換為另外一種類型的流
 * 將String數(shù)組中字母轉(zhuǎn)換為大寫
 */
@Test
public void testMap() {
 String[] arr = new String[]{"yes", "YES", "no", "NO"};
 Arrays.stream(arr).map(x -> x.toLowerCase()).forEach(System.out::println);
}

filter：過(guò)濾流，過(guò)濾流中的元素

@Test
public void testFilter(){
 Integer[] arr = new Integer[]{1,2,3,4,5,6,7,8,9,10};
 Arrays.stream(arr).filter(x->x>3&&x<8).forEach(System.out::println);
}

flapMap：拆解流，將流中每一個(gè)元素拆解成一個(gè)流

/**
 * flapMap：拆解流
 */
@Test
public void testFlapMap1() {
 String[] arr1 = {"a", "b", "c", "d"};
 String[] arr2 = {"e", "f", "c", "d"};
 String[] arr3 = {"h", "j", "c", "d"};
 // Stream.of(arr1, arr2, arr3).flatMap(x -> Arrays.stream(x)).forEach(System.out::println);
 Stream.of(arr1, arr2, arr3).flatMap(Arrays::stream).forEach(System.out::println);
}

sorted：對(duì)流進(jìn)行排序

String[] arr1 = {"abc","a","bc","abcd"};
/**
 * Comparator.comparing是一個(gè)鍵提取的功能
 * 以下兩個(gè)語(yǔ)句表示相同意義
 */
@Test
public void testSorted1_(){
 /**
 * 按照字符長(zhǎng)度排序
 */
 Arrays.stream(arr1).sorted((x,y)->{
 if (x.length()>y.length())
 return 1;
 else if (x.length()<y.length())
 return -1;
 else
 return 0;
 }).forEach(System.out::println);
 Arrays.stream(arr1).sorted(Comparator.comparing(String::length)).forEach(System.out::println);
}
/**
 * 倒序
 * reversed(),java8泛型推導(dǎo)的問(wèn)題，所以如果comparing里面是非方法引用的lambda表達(dá)式就沒(méi)辦法直接使用reversed()
 * Comparator.reverseOrder():也是用于翻轉(zhuǎn)順序，用于比較對(duì)象（Stream里面的類型必須是可比較的）
 * Comparator. naturalOrder()：返回一個(gè)自然排序比較器，用于比較對(duì)象（Stream里面的類型必須是可比較的）
 */
@Test
public void testSorted2_(){
 Arrays.stream(arr1).sorted(Comparator.comparing(String::length).reversed()).forEach(System.out::println);
 Arrays.stream(arr1).sorted(Comparator.reverseOrder()).forEach(System.out::println);
 Arrays.stream(arr1).sorted(Comparator.naturalOrder()).forEach(System.out::println);
}
/**
 * thenComparing
 * 先按照首字母排序
 * 之后按照String的長(zhǎng)度排序
 */
@Test
public void testSorted3_(){
 Arrays.stream(arr1).sorted(Comparator.comparing(this::com1).thenComparing(String::length)).forEach(System.out::println);
}
public char com1(String x){
 return x.charAt(0);
}

2）提取流和組合流

@Before
 public void init(){
 arr1 = new String[]{"a","b","c","d"};
 arr2 = new String[]{"d","e","f","g"};
 arr3 = new String[]{"i","j","k","l"};
 }
 /**
 * limit，限制從流中獲得前n個(gè)數(shù)據(jù)
 */
 @Test
 public void testLimit(){
 Stream.iterate(1,x->x+2).limit(10).forEach(System.out::println);
 }
 /**
 * skip，跳過(guò)前n個(gè)數(shù)據(jù)
 */
 @Test
 public void testSkip(){
// Stream.of(arr1).skip(2).limit(2).forEach(System.out::println);
 Stream.iterate(1,x->x+2).skip(1).limit(5).forEach(System.out::println);
 }
 /**
 * 可以把兩個(gè)stream合并成一個(gè)stream（合并的stream類型必須相同）
 * 只能兩兩合并
 */
 @Test
 public void testConcat(){
 Stream<String> stream1 = Stream.of(arr1);
 Stream<String> stream2 = Stream.of(arr2);
 Stream.concat(stream1,stream2).distinct().forEach(System.out::println);
 }

3）聚合操作

@Before
public void init(){
 arr = new String[]{"b","ab","abc","abcd","abcde"};
}
/**
 * max、min
 * 最大最小值
 */
@Test
public void testMaxAndMin(){
 Stream.of(arr).max(Comparator.comparing(String::length)).ifPresent(System.out::println);
 Stream.of(arr).min(Comparator.comparing(String::length)).ifPresent(System.out::println);
}
/**
 * count
 * 計(jì)算數(shù)量
 */
@Test
public void testCount(){
 long count = Stream.of(arr).count();
 System.out.println(count);
}
/**
 * findFirst
 * 查找第一個(gè)
 */
@Test
public void testFindFirst(){
 String str = Stream.of(arr).parallel().filter(x->x.length()>3).findFirst().orElse("noghing");
 System.out.println(str);
}
/**
 * findAny
 * 找到所有匹配的元素
 * 對(duì)并行流十分有效
 * 只要在任何片段發(fā)現(xiàn)了第一個(gè)匹配元素就會(huì)結(jié)束整個(gè)運(yùn)算
 */
@Test
public void testFindAny(){
 Optional<String> optional = Stream.of(arr).parallel().filter(x->x.length()>3).findAny();
 optional.ifPresent(System.out::println);
}
/**
 * anyMatch
 * 是否含有匹配元素
 */
@Test
public void testAnyMatch(){
 Boolean aBoolean = Stream.of(arr).anyMatch(x->x.startsWith("a"));
 System.out.println(aBoolean);
}
@Test
public void testStream1() {
 Optional<Integer> optional = Stream.of(1,2,3).filter(x->x>1).reduce((x,y)->x+y);
 System.out.println(optional.get());
}

4）Optional類型

通常聚合操作會(huì)返回一個(gè)Optional類型，Optional表示一個(gè)安全的指定結(jié)果類型，所謂的安全指的是避免直接調(diào)用返回類型的null值而造成空指針異常，調(diào)用optional.ifPresent()可以判斷返回值是否為空，或者直接調(diào)用ifPresent(Consumer<? super T> consumer)在結(jié)果部位空時(shí)進(jìn)行消費(fèi)操作；調(diào)用optional.get()獲取返回值。通常的使用方式如下：

@Test
 public void testOptional() {
 List<String> list = new ArrayList<String>() {
 {
 add("user1");
 add("user2");
 }
 };
 Optional<String> opt = Optional.of("andy with u");
 opt.ifPresent(list::add);
 list.forEach(System.out::println);
 }

使用Optional可以在沒(méi)有值時(shí)指定一個(gè)返回值，例如

@Test
public void testOptional2() {
 Integer[] arr = new Integer[]{4,5,6,7,8,9};
 Integer result = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElse(-1);
 System.out.println(result);
 Integer result1 = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElseGet(()->-1);
 System.out.println(result1);
 Integer result2 = Stream.of(arr).filter(x->x>9).max(Comparator.naturalOrder()).orElseThrow(RuntimeException::new);
 System.out.println(result2);
}

Optional的創(chuàng)建

采用Optional.empty()創(chuàng)建一個(gè)空的Optional，使用Optional.of()創(chuàng)建指定值的Optional。同樣也可以調(diào)用Optional對(duì)象的map方法進(jìn)行Optional的轉(zhuǎn)換，調(diào)用flatMap方法進(jìn)行Optional的迭代

@Test
public void testStream1() {
 Optional<Student> studentOptional = Optional.of(new Student("user1",21));
 Optional<String> optionalStr = studentOptional.map(Student::getName);
 System.out.println(optionalStr.get());
}
public static Optional<Double> inverse(Double x) {
 return x == 0 ? Optional.empty() : Optional.of(1 / x);
}
public static Optional<Double> squareRoot(Double x) {
 return x < 0 ? Optional.empty() : Optional.of(Math.sqrt(x));
}
/**
 * Optional的迭代
 */
@Test
public void testStream2() {
 double x = 4d;
 Optional<Double> result1 = inverse(x).flatMap(StreamTest7::squareRoot);
 result1.ifPresent(System.out::println);
 Optional<Double> result2 = Optional.of(4.0).flatMap(StreamTest7::inverse).flatMap(StreamTest7::squareRoot);
 result2.ifPresent(System.out::println);
}

5）收集結(jié)果

Student[] students;
@Before
public void init(){
 students = new Student[100];
 for (int i=0;i<30;i++){
 Student student = new Student("user",i);
 students[i] = student;
 }
 for (int i=30;i<60;i++){
 Student student = new Student("user"+i,i);
 students[i] = student;
 }
 for (int i=60;i<100;i++){
 Student student = new Student("user"+i,i);
 students[i] = student;
 }
}
@Test
public void testCollect1(){
 /**
 * 生成List
 */
 List<Student> list = Arrays.stream(students).collect(toList());
 list.forEach((x)-> System.out.println(x));
 /**
 * 生成Set
 */
 Set<Student> set = Arrays.stream(students).collect(toSet());
 set.forEach((x)-> System.out.println(x));
 /**
 * 如果包含相同的key，則需要提供第三個(gè)參數(shù)，否則報(bào)錯(cuò)
 */
 Map<String,Integer> map = Arrays.stream(students).collect(toMap(Student::getName,Student::getScore,(s,a)->s+a));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * 生成數(shù)組
 */
@Test
public void testCollect2(){
 Student[] s = Arrays.stream(students).toArray(Student[]::new);
 for (int i=0;i<s.length;i++)
 System.out.println(s[i]);
}
/**
 * 指定生成的類型
 */
@Test
public void testCollect3(){
 HashSet<Student> s = Arrays.stream(students).collect(toCollection(HashSet::new));
 s.forEach(System.out::println);
}
/**
 * 統(tǒng)計(jì)
 */
@Test
public void testCollect4(){
 IntSummaryStatistics summaryStatistics = Arrays.stream(students).collect(Collectors.summarizingInt(Student::getScore));
 System.out.println("getAverage->"+summaryStatistics.getAverage());
 System.out.println("getMax->"+summaryStatistics.getMax());
 System.out.println("getMin->"+summaryStatistics.getMin());
 System.out.println("getCount->"+summaryStatistics.getCount());
 System.out.println("getSum->"+summaryStatistics.getSum());
}

6）分組和分片

分組和分片的意義是，將collect的結(jié)果集展示位Map<key,val>的形式，通常的用法如下：

Student[] students;
@Before
public void init(){
 students = new Student[100];
 for (int i=0;i<30;i++){
 Student student = new Student("user1",i);
 students[i] = student;
 }
 for (int i=30;i<60;i++){
 Student student = new Student("user2",i);
 students[i] = student;
 }
 for (int i=60;i<100;i++){
 Student student = new Student("user3",i);
 students[i] = student;
 }
}
@Test
public void testGroupBy1(){
 Map<String,List<Student>> map = Arrays.stream(students).collect(groupingBy(Student::getName));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * 如果只有兩類，使用partitioningBy會(huì)比groupingBy更有效率
 */
@Test
public void testPartitioningBy(){
 Map<Boolean,List<Student>> map = Arrays.stream(students).collect(partitioningBy(x->x.getScore()>50));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * downstream指定類型
 */
@Test
public void testGroupBy2(){
 Map<String,Set<Student>> map = Arrays.stream(students).collect(groupingBy(Student::getName,toSet()));
 map.forEach((x,y)-> System.out.println(x+"->"+y));
}
/**
 * downstream 聚合操作
 */
@Test
public void testGroupBy3(){
 /**
 * counting
 */
 Map<String,Long> map1 = Arrays.stream(students).collect(groupingBy(Student::getName,counting()));
 map1.forEach((x,y)-> System.out.println(x+"->"+y));
 /**
 * summingInt
 */
 Map<String,Integer> map2 = Arrays.stream(students).collect(groupingBy(Student::getName,summingInt(Student::getScore)));
 map2.forEach((x,y)-> System.out.println(x+"->"+y));
 /**
 * maxBy
 */
 Map<String,Optional<Student>> map3 = Arrays.stream(students).collect(groupingBy(Student::getName,maxBy(Comparator.comparing(Student::getScore))));
 map3.forEach((x,y)-> System.out.println(x+"->"+y));
 /**
 * mapping
 */
 Map<String,Set<Integer>> map4 = Arrays.stream(students).collect(groupingBy(Student::getName,mapping(Student::getScore,toSet())));
 map4.forEach((x,y)-> System.out.println(x+"->"+y));
}

5.原始類型流

在數(shù)據(jù)量比較大的情況下，將基本數(shù)據(jù)類型（int,double...）包裝成相應(yīng)對(duì)象流的做法是低效的，因此，我們也可以直接將數(shù)據(jù)初始化為原始類型流，在原始類型流上的操作與對(duì)象流類似，我們只需要記住兩點(diǎn)

1.原始類型流的初始化

2.原始類型流與流對(duì)象的轉(zhuǎn)換

DoubleStream doubleStream;
 IntStream intStream;
 /**
 * 原始類型流的初始化
 */
 @Before
 public void testStream1(){
 doubleStream = DoubleStream.of(0.1,0.2,0.3,0.8);
 intStream = IntStream.of(1,3,5,7,9);
 IntStream stream1 = IntStream.rangeClosed(0,100);
 IntStream stream2 = IntStream.range(0,100);
 }
 /**
 * 流與原始類型流的轉(zhuǎn)換
 */
 @Test
 public void testStream2(){
 Stream<Double> stream = doubleStream.boxed();
 doubleStream = stream.mapToDouble(Double::new);
 }

6.并行流

可以將普通順序執(zhí)行的流轉(zhuǎn)變?yōu)椴⑿辛?，只需要調(diào)用順序流的parallel() 方法即可，如Stream.iterate(1, x -> x + 1).limit(10).parallel()。

1）并行流的執(zhí)行順序

我們調(diào)用peek方法來(lái)瞧瞧并行流和串行流的執(zhí)行順序，peek方法顧名思義，就是偷窺流內(nèi)的數(shù)據(jù)，peek方法聲明為Stream<T> peek(Consumer<? super T> action);加入打印程序可以觀察到通過(guò)流內(nèi)數(shù)據(jù)，見(jiàn)如下代碼：

public void peek1(int x) {
 System.out.println(Thread.currentThread().getName() + ":->peek1->" + x);
 }
 public void peek2(int x) {
 System.out.println(Thread.currentThread().getName() + ":->peek2->" + x);
 }
 public void peek3(int x) {
 System.out.println(Thread.currentThread().getName() + ":->final result->" + x);
 }
 /**
 * peek，監(jiān)控方法
 * 串行流和并行流的執(zhí)行順序
 */
 @org.junit.Test
 public void testPeek() {
 Stream<Integer> stream = Stream.iterate(1, x -> x + 1).limit(10);
 stream.peek(this::peek1).filter(x -> x > 5)
 .peek(this::peek2).filter(x -> x < 8)
 .peek(this::peek3)
 .forEach(System.out::println);
 }
 @Test
 public void testPeekPal() {
 Stream<Integer> stream = Stream.iterate(1, x -> x + 1).limit(10).parallel();
 stream.peek(this::peek1).filter(x -> x > 5)
 .peek(this::peek2).filter(x -> x < 8)
 .peek(this::peek3)
 .forEach(System.out::println);
 }

串行流打印結(jié)果如下：

并行流打印結(jié)果如下：

咋看不一定能看懂，我們用如下的圖來(lái)解釋

我們將stream.filter(x -> x > 5).filter(x -> x < 8).forEach(System.out::println)的過(guò)程想象成上圖的管道，我們?cè)诠艿郎霞尤氲膒eek相當(dāng)于一個(gè)閥門，透過(guò)這個(gè)閥門查看流經(jīng)的數(shù)據(jù)，

1）當(dāng)我們使用順序流時(shí)，數(shù)據(jù)按照源數(shù)據(jù)的順序依次通過(guò)管道，當(dāng)一個(gè)數(shù)據(jù)被filter過(guò)濾，或者經(jīng)過(guò)整個(gè)管道而輸出后，第二個(gè)數(shù)據(jù)才會(huì)開(kāi)始重復(fù)這一過(guò)程

2）當(dāng)我們使用并行流時(shí)，系統(tǒng)除了主線程外啟動(dòng)了七個(gè)線程（我的電腦是4核八線程）來(lái)執(zhí)行處理任務(wù)，因此執(zhí)行是無(wú)序的，但同一個(gè)線程內(nèi)處理的數(shù)據(jù)是按順序進(jìn)行的。

2） sorted()、distinct()等對(duì)并行流的影響

sorted()、distinct()是元素相關(guān)方法，和整體的數(shù)據(jù)是有關(guān)系的,map，filter等方法和已經(jīng)通過(guò)的元素是不相關(guān)的,不需要知道流里面有哪些元素，并行執(zhí)行和sorted會(huì)不會(huì)產(chǎn)生沖突呢？

結(jié)論：1.并行流和排序是不沖突的，2.一個(gè)流是否是有序的，對(duì)于一些api可能會(huì)提高執(zhí)行效率，對(duì)于另一些api可能會(huì)降低執(zhí)行效率

3.如果想要輸出的結(jié)果是有序的，對(duì)于并行的流需要使用forEachOrdered(forEach的輸出效率更高)

我們做如下實(shí)驗(yàn)：

/**
 * 生成一億條0-100之間的記錄
 */
@Before
public void init() {
 Random random = new Random();
 list = Stream.generate(() -> random.nextInt(100)).limit(100000000).collect(toList());
}
/**
 * tip
 */
@org.junit.Test
public void test1() {
 long begin1 = System.currentTimeMillis();
 list.stream().filter(x->(x > 10)).filter(x->x<80).count();
 long end1 = System.currentTimeMillis();
 System.out.println(end1-begin1);
 list.stream().parallel().filter(x->(x > 10)).filter(x->x<80).count();
 long end2 = System.currentTimeMillis();
 System.out.println(end2-end1);
 long begin1_ = System.currentTimeMillis();
 list.stream().filter(x->(x > 10)).filter(x->x<80).distinct().sorted().count();
 long end1_ = System.currentTimeMillis();
 System.out.println(end1-begin1);
 list.stream().parallel().filter(x->(x > 10)).filter(x->x<80).distinct().sorted().count();
 long end2_ = System.currentTimeMillis();
 System.out.println(end2_-end1_);
}

可見(jiàn)，對(duì)于串行流.distinct().sorted()方法對(duì)于運(yùn)行時(shí)間沒(méi)有影響，但是對(duì)于串行流，會(huì)使得運(yùn)行時(shí)間大大增加，因此對(duì)于包含sorted、distinct()等與全局?jǐn)?shù)據(jù)相關(guān)的操作，不推薦使用并行流。

7.stream vs spark rdd

最初看到stream的一個(gè)直觀感受是和spark像，真的像

val count = sc.parallelize(1 to NUM_SAMPLES).filter { _ =>
 val x = math.random
 val y = math.random
 x*x + y*y < 1}.count()println(s"Pi is roughly ${4.0 * count / NUM_SAMPLES}")

以上代碼摘自spark官網(wǎng)，使用的是scala語(yǔ)言，一個(gè)最基礎(chǔ)的word count代碼，這里我們簡(jiǎn)單介紹一下spark，spark是當(dāng)今最流行的基于內(nèi)存的大數(shù)據(jù)處理框架，spark中的一個(gè)核心概念是RDD（彈性分布式數(shù)據(jù)集），將分布于不同處理器上的數(shù)據(jù)抽象成rdd，rdd上支持兩種類型的操作1） Transformation（變換）2） Action（行動(dòng)），對(duì)于rdd的Transformation算子并不會(huì)立即執(zhí)行，只有當(dāng)使用了Action算子后，才會(huì)觸發(fā)。