73 KiB
[TOC]
第十四章 流式编程
Collections 优化了对象的存储。Streams 是和对象组的处理有关。流是一系列与任何特定存储机制无关的元素 — 实际上我们说流没有“存储”。
不需要迭代集合中的元素，而是在管道中绘制元素并对其操作的流。这些管道经常被组合在一起，在流上形成一个操作管道。
在大多数情况下，将对象存储在集合中的原因是为了处理他们，因此你将会发现你将把编程的主要焦点从集合转移到了流上。流的一个核心好处是，它使得程序更加短小并且更易理解。当 Lambda 表达式和方法引用（method references）和流一起使用的时候感觉自成一体。流使得 Java 8 更巨吸引力。
例如，你想展现在 5 到 20 之间随机选择的序列中只出现一次的数字，并且是排序好的。事实上，你对他们进行排序可能使得你的精力首先集中在选择一个已排序的集合。但是对于流，你只需要简单的说明你想要什么：
// streams/Randoms.java
import java.util.*;
public class Randoms {
public static void main(String[] args) {
new Random(47)
.ints(5, 20)
.distinct()
.limit(7)
.sorted()
.forEach(System.out::println);
}
}
输出为：
6
10
13
16
17
18
19
首先，我们给 Random 对象一个种子（以便程序再次运行时产生相同的输出）。ints() 方法产生一个流并且 ints() 方法有多种方式的重载 — 两个参数限定了数值产生的边界。这将生成一个整数流。我们告诉他使用中间流操作（intermediate stream operation） distinct() 来获取它们的唯一值，然后使用 limit() 方法获取前 7 个元素。接下来，我们使用 sorted() 方法希望元素是有序的。最终，我们希望显示每个条目，因此使用 forEach()，它根据传递给它的函数对每个流对象执行操作。在这里，我们传递了一个可以在控制台展现每个元素的方法引用 System.out::println 。
注意 Randoms.java 中没有声明任何变量。流可以对具有状态的系统建模，并且不需要使用赋值或者可变数据，这非常有用。
声明式编程是一种风格，在这种风格中，我们声明我们想要做什么而不是指定如何去做，这就是你在函数式编程中所看到的。注意，理解命令式编程的形式要困难的多：
// streams/ImperativeRandoms.java
import java.util.*;
public class ImperativeRandoms {
public static void main(String[] args) {
Random rand = new Random(47);
SortedSet<Integer> rints = new TreeSet<>();
while(rints.size() < 7) {
int r = rand.nextint(20);
if(r < 5) continue;
rints.add(r);
}
System.out.println(rints);
}
}
输出为：
[7, 8, 9, 11, 13, 15, 18]
在 Randoms.java 中，我们无需定义任何变量，但是在这里我们定义了 3 个变量： rand，rints 和 r。这个代码变的更加复杂，是由于 nextInt() 没有下界选项 — 其内置的下界永远为 0，因此我们生成额外的数值并过滤小于 5 的值。
注意，你必须研究代码来弄清楚发生了什么，而在 Randoms.java 中，代码只是告诉了你它在做什么。这种清晰度是 Java 8 中流使人最信服的原因之一。
在 ImperativeRandoms.java 中显式的编写迭代机制称之为外部迭代。在 Randoms.java 中，你没有看到这些机制，你并没有看到这样类似的机制，它是流编程中的核心特征被称之为内部迭代。内部迭代产生更可读的代码，也更容易使用多个处理器。通过放松对迭代发生的控制，你可以将控制权交给并行化机制。你将在并发编程这一章了解这一点。
流另一个重要方面是他们是惰性（lazy）的，意味着它们只在绝对必要时进行评估。你可以将流看作“延迟列表”。由于评估延迟，流可以使我们表示非常大（甚至无限）的序列，并且没有内存担忧。
流支持
Java 设计者面临着这样一个难题：现存的大量类库不仅为 Java 所用，同时也被应用在整个 Java 生态圈数百万行的代码中。如何将一个全新的流的概念融入到现有类库中呢？
简单的例子,如在 Random 中添加更多的方法。因为只要不改变原有的方法，遗留代码就不会受到干扰。
问题是，接口部分怎么改造呢？特别是涉及集合类接口的部分。如果你想把一个集合转换为流，直接向接口添加新方法会破坏所有老的接口实现类。
Java 8 采用的解决方案是：在接口中添加被 default（默认）修饰的方法。通过这种方案，设计者们可以将流式（stream）方法平滑地嵌入到现有类中。流方法预置的操作几乎已满足了我们平常所有的需求。流操作的类型有三种：创建流，修改流元素（中间操作, Intermediate Operations），消费流元素（终端操作, Terminal Operations）。最后一种类型通常意味着收集流元素（通常是到集合中）。
下面我们来看下每种类型的流操作。
流创建
你可以通过 Stream.of() 很容易的将一组元素转化成为流（Bubble 类在之前的章节中已经定义过了）：
// streams/StreamOf.java
import java.util.stream.*;
public class StreamOf {
public static void main(String[] args) {
Stream.of(new Bubble(1), new Bubble(2), new Bubble(3))
.forEach(System.out::println);
Stream.of("It's ", "a ", "wonderful ", "day ", "for ", "pie!")
.forEach(System.out::print);
System.out.println();
Stream.of(3.14159, 2.718, 1.618)
.forEach(System.out::println);
}
}
输出为：
Bubble(1)
Bubble(2)
Bubble(3)
It's a wonderful day for pie!
3.14159
2.718
1.618
除此之外，每个 Collection 都可以通过 stream() 方法来产生一个流：
// streams/CollectionToStream.java
import java.util.*;
import java.util.stream.*;
public class CollectionToStream {
public static void main(String[] args) {
List<Bubble> bubbles = Arrays.asList(new Bubble(1), new Bubble(2), new Bubble(3));
System.out.println(bubbles.stream()
.mapToint(b -> b.i)
.sum());
Set<String> w = new HashSet<>(Arrays.asList("It's a wonderful day for pie!".split(" ")));
w.stream()
.map(x -> x + " ")
.forEach(System.out::print);
System.out.println();
Map<String, double> m = new HashMap<>();
m.put("pi", 3.14159);
m.put("e", 2.718);
m.put("phi", 1.618);
m.entrySet().stream()
.map(e -> e.getKey() + ": " + e.getValue())
.forEach(System.out::println);
}
}
输出为：
6
a pie! It's for wonderful day
phi: 1.618
e: 2.718
pi: 3.14159
在创建 List<Bubble> 对象之后，我们只需要简单的调用所有集合中都有的方法 stream()。中间操作 map() 会获取流中的所有元素，并且对流中元素应用操作从而产生新的元素，并将其传递到流中。通常情况 map() 方法获取对象并产生新的对象，但是这里有特殊版本的方法用于数值类型的流。例如，mapToInt() 方法将一个对象流（objects stream）转换成为包含整形数字的 IntStream。同样有针对 Float 和 Double 的类似名字的操作。
我们通过在 String 类型上面应用 split() - split 方法会根据参数来拆分字符串 - 获取元素用于定义 w。稍后你会看到这个参数十分复杂，但是在这里我们只是根据空格来分割字符串。
为了从 Map 集合中产生流数据，我们首先调用 entrySet() 去产生一个对象流，每个对象都包含一个键以及与其相关联的值。然后调用 getKey() 和 getValue() 将其分开。
随机数流
Random 类被一组生成流的方法增强了：
// streams/RandomGenerators.java
import java.util.*;
import java.util.stream.*;
public class RandomGenerators {
public static <T> void show(Stream<T> stream) {
stream
.limit(4)
.forEach(System.out::println);
System.out.println("++++++++");
}
public static void main(String[] args) {
Random rand = new Random(47);
show(rand.ints().boxed());
show(rand.longs().boxed());
show(rand.doubles().boxed());
// Control the lower and upper bounds:
show(rand.ints(10, 20).boxed());
show(rand.longs(50, 100).boxed());
show(rand.doubles(20, 30).boxed());
// Control the stream size:
show(rand.ints(2).boxed());
show(rand.longs(2).boxed());
show(rand.doubles(2).boxed());
// Control the stream size and bounds:
show(rand.ints(3, 3, 9).boxed());
show(rand.longs(3, 12, 22).boxed());
show(rand.doubles(3, 11.5, 12.3).boxed());
}
}
输出为：
-1172028779
1717241110
-2014573909
229403722
++++++++
2955289354441303771
3476817843704654257
-8917117694134521474
4941259272818818752
++++++++
0.2613610344283964
0.0508673570556899
0.8037155449603999
0.7620665811558285
++++++++
16
10
11
12
++++++++
65
99
54
58
++++++++
29.86777681078574
24.83968447804611
20.09247112332014
24.046793846338723
++++++++
1169976606
1947946283
++++++++
2970202997824602425
-2325326920272830366
++++++++
0.7024254510631527
0.6648552384607359
++++++++
6
7
7
++++++++
17
12
20
++++++++
12.27872414236691
11.732085449736195
12.196509449817267
++++++++
为了消除冗余代码，我创建了一个泛型方法 show(Stream<T> stream) （在讲解泛型之前就使用这个特性，确实有点作弊，但是回报是值得的）。类型参数 T 可以是任何类型，所以这个方法对 Integer， Long 和 Double 类型都生效。但是 Random 类只能生成原始数据类型 int， long， double 的流。幸运的是， boxed() 流操作将会自动的把基本类型包装成为对应的装箱类型，从而使得 show() 能够接受流。
我们可以使用 Random 为任意对象集合创建 Supplier。如下是一个从文本文件提供 String 对象的例子：
// streams/Cheese.dat
Not much of a cheese shop really, is it?
Finest in the district, sir.
And what leads you to that conclusion?
Well, it's so clean.
It's certainly uncontaminated by cheese.
We use the Files class to read all the lines from a file into a
List<String> :
// streams/RandomWords.java
import java.util.*;
import java.util.stream.*;
import java.util.function.*;
import java.io.*;
import java.nio.file.*;
public class RandomWords implements Supplier<String> {
List<String> words = new ArrayList<>();
Random rand = new Random(47);
RandomWords(String fname) throws IOException {
List<String> lines = Files.readAllLines(Paths.get(fname));
// Skip the first line:
for (String line : lines.subList(1, lines.size())) {
for (String word : line.split("[ .?,]+"))
words.add(word.toLowerCase());
}
}
public String get() {
return words.get(rand.nextint(words.size()));
}
@Override
public String toString() {
return words.stream()
.collect(Collectors.joining(" "));
}
public static void main(String[] args) throws Exception {
System.out.println(
Stream.generate(new RandomWords("Cheese.dat"))
.limit(10)
.collect(Collectors.joining(" ")));
}
}
输出为：
it shop sir the much cheese by conclusion district is
在这里你可以看到更为复杂的 split() 的使用。在构造器中，每一行都被 split() 方法通过空格或者被方括号包裹的任意标点符号进行分割。在结束方括号后面的 + 代表「+ 前面的东西可以出现一次或者多次」。
你将注意到在构造函数中循环体使用命令式编程（外部迭代）。在以后的例子中，你将会看到我门如何消除这一点。这种旧的形式不是特别糟糕，但是到处使用流会让你觉得更好一些。
在 toString() 和 main() 中你看到了 collect() 收集操作，它根据参数来组合所有流中的元素。
当你使用 Collectors.joining()，你将会得到一个 String 类型的结果，每个元素都根据 joining() 的参数来进行分割。还有许多不同的 Collectors 用于获取不同的结果。
在 main() 中，我们看到了 Stream.generate() 的预览版本，它可以把任意 Supplier<T> 用于生成 T 类型的流。
int 类型的范围（Ranges of int）
IntStream 类提供了 range() 方法用于生成整数序列的流。编写循环时，这个方法会更加便利：
// streams/Ranges.java
import static java.util.stream.IntStream.*;
public class Ranges {
public static void main(String[] args) {
// The traditional way:
int result = 0;
for (int i = 10; i < 20; i++)
result += i;
System.out.println(result);
// for-in with a range:
result = 0;
for (int i : range(10, 20).toArray())
result += i;
System.out.println(result);
// Use streams:
System.out.println(range(10, 20).sum());
}
}
输出为：
145
145
145
在 main() 方法中的第一种方式是我们传统编写 for 循环的方式。在第二种方法，我们使用 range() 创建了流并将其转化为数组，然后在 for-in 代码块中使用。但是，如果你能够像第三种方法全程使用流是很好的。在每种情况下，我们对范围中的数字进行求和，并且流中可以很方便的使用 sum() 操作求和。
注意 IntStream.range() 相比 onjava.Range.range() 拥有更多的限制。这是由于其可选的第三个参数，后者能够生成步长大于 1 的范围，并且可以从大到小来生成。
为了替换简单的 for 循环，这里是一个 repeat() 实用程序：
// onjava/Repeat.java
package onjava;
import static java.util.stream.IntStream.*;
public class Repeat {
public static void repeat(int n, Runnable action) {
range(0, n).forEach(i -> action.run());
}
}
其产生的循环更加清晰：
// streams/Looping.java
import static onjava.Repeat.*;
public class Looping {
static void hi() {
System.out.println("Hi!");
}
public static void main(String[] args) {
repeat(3, () -> System.out.println("Looping!"));
repeat(2, Looping::hi);
}
}
输出为：
Looping!
Looping!
Looping!
Hi!
Hi!
在代码中包含并解释 repeat() 似乎有些不值得。它似乎是一个相当透明的工具，但它取决于你的团队和公司的运作方式
generate()
RandomWords.java 在 Stream.generate() 中使用 Supplier<T>。这里是第二个示例：
// streams/Generator.java
import java.util.*;
import java.util.function.*;
import java.util.stream.*;
public class Generator implements Supplier<String> {
Random rand = new Random(47);
char[] letters = "ABCDEFGHIJKLMNOPQRSTUVWXYZ".toCharArray();
public String get() {
return "" + letters[rand.nextInt(letters.length)];
}
public static void main(String[] args) {
String word = Stream.generate(new Generator())
.limit(30)
.collect(Collectors.joining());
System.out.println(word);
}
}
输出为：
YNZBRNYGCFOWZNTCQRGSEGZMMJMROE
使用 Random.nextInt() 方法来挑选字母表中的大写字母。Random.nextInt() 的参数代表可以接受的最大的随机数范围，所以使用数组边界是经过深思熟虑的。
如果要创建包含相同对象的流，只需要传递一个生成那些对象 lambda 到 generate() 中：
// streams/Duplicator.java
import java.util.stream.*;
public class Duplicator {
public static void main(String[] args) {
Stream.generate(() -> "duplicate")
.limit(3)
.forEach(System.out::println);
}
}
输出为：
duplicate
duplicate
duplicate
如下是在这个章节中之前例子使用过的 Bubble 类。注意它包含了自己的静态生成器（static generator）方法。
// streams/Bubble.java
import java.util.function.*;
public class Bubble {
public final int i;
public Bubble(int n) {
i = n;
}
@Override
public String toString() {
return "Bubble(" + i + ")";
}
private static int count = 0;
public static Bubble bubbler() {
return new Bubble(count++);
}
}
由于 bubbler() 与 Supplier<Bubble> 是接口兼容的，我们可以将其方法引用直接传递给 Stream.generate()：
// streams/Bubbles.java
import java.util.stream.*;
public class Bubbles {
public static void main(String[] args) {
Stream.generate(Bubble::bubbler)
.limit(5)
.forEach(System.out::println);
}
}
输出为：
Bubble(0)
Bubble(1)
Bubble(2)
Bubble(3)
Bubble(4)
这是创建单独工厂类（ separate factory class）的另外一种方式。在很多方面它更加整洁，但是这代表着品味和代码组织的问题 - 你总是可以创建一个完全不同的工厂类。
iterate()
Stream.iterate() 以种子（第一个参数）开头，并将其传给方法（第二个参数）。方法的结果将添加到流，并存储作为第一个参数用于下次调用 iterate()，依次类推。我们可以使用 iterate() 用于生成一个 Fibonacci 序列（你在上一章中遇到）：
// streams/Fibonacci.java
import java.util.stream.*;
public class Fibonacci {
int x = 1;
Stream<Integer> numbers() {
return Stream.iterate(0, i -> {
int result = x + i;
x = i;
return result;
});
}
public static void main(String[] args) {
new Fibonacci().numbers()
.skip(20) // Don't use the first 20
.limit(10) // Then take 10 of them
.forEach(System.out::println);
}
}
输出为：
6765
10946
17711
28657
46368
75025
121393
196418
317811
514229
Fibonacci 序列将序列中最后两个元素进行求和以产生下一个元素。iterate() 只能记忆结果，因此我们需要使用一个变量 x 来用于追踪另外一个元素。
在 main() 中，我们使用了一个你之前没有见过的 **skip() ** 操作。它只是根据它的参数丢弃指定数量的流元素。在这里，我们丢弃了前 20 个元素。
Stream Builders
在建造者设计模式中，首先创建一个 builder 对象，传递给它多个构造器信息，最后执行“构造”。Stream 库提供了这样的 Builder。在这里，我们重新审视读取文件并将其转换成为单词流的过程：
// streams/FileToWordsBuilder.java
import java.io.*;
import java.nio.file.*;
import java.util.stream.*;
public class FileToWordsBuilder {
Stream.Builder<String> builder = Stream.builder();
public FileToWordsBuilder(String filePath) throws Exception {
Files.lines(Paths.get(filePath))
.skip(1) // Skip the comment line at the beginning
.forEach(line -> {
for (String w : line.split("[ .?,]+"))
builder.add(w);
});
}
Stream<String> stream() {
return builder.build();
}
public static void main(String[] args) throws Exception {
new FileToWordsBuilder("Cheese.dat")
.stream()
.limit(7)
.map(w -> w + " ")
.forEach(System.out::print);
}
}
输出为：
Not much of a cheese shop really
注意，构造器会添加文件中的所有单词（除了第一行，它是包含文件路径信息的注释），但是其并没有调用 build() 方法。这意味着，只要你不调用 stream() 方法，就可以继续向 builder 对象中添加单词。
在此类的更完整的版本中，你可以添加一个标志位用于查看 build() 方法是否被调用，并且可能的话增加一个可以添加更多单词的方法。在 Stream.Builder 调用 build() 方法后继续尝试添加单词会产生一个异常。
Arrays
Arrays 类中含有一个名为 stream() 的静态方法用于把数组转换成为流。我们可以重写 interfaces/Machine.java 中的 main() 方法用于创建一个流，并将 execute() 应用于每一个元素：
// streams/Machine2.java
import java.util.*;
import onjava.Operations;
public class Machine2 {
public static void main(String[] args) {
Arrays.stream(new Operations[] {
() -> Operations.show("Bing"),
() -> Operations.show("Crack"),
() -> Operations.show("Twist"),
() -> Operations.show("Pop")
}).forEach(Operations::execute);
}
}
输出为：
Bing
Crack
Twist
Pop
new Operations[] 表达式动态创建了 Operations 对象的数组。
stream() 方法同样可以产生 IntStream，LongStream 和 DoubleStream。
// streams/ArrayStreams.java
import java.util.*;
import java.util.stream.*;
public class ArrayStreams {
public static void main(String[] args) {
Arrays.stream(new double[] { 3.14159, 2.718, 1.618 })
.forEach(n -> System.out.format("%f ", n));
System.out.println();
Arrays.stream(new int[] { 1, 3, 5 })
.forEach(n -> System.out.format("%d ", n));
System.out.println();
Arrays.stream(new long[] { 11, 22, 44, 66 })
.forEach(n -> System.out.format("%d ", n));
System.out.println();
// Select a subrange:
Arrays.stream(new int[] { 1, 3, 5, 7, 15, 28, 37 }, 3, 6)
.forEach(n -> System.out.format("%d ", n));
}
}
输出为：
3.141590 2.718000 1.618000
1 3 5
11 22 44 66
7 15 28
最后一次 stream() 的调用有两个额外的参数。第一个参数告诉 stream() 从哪里开始在数组中选择元素，第二个参数用于告知在哪里停止。每种不同类型的 stream() 方法都有这个版本。
正则表达式（Regular Expressions）
Java 的正则表达式已经在字符串这一章节介绍过了。Java 8 在 java.util.regex.Pattern 中增加了一个新的方法 splitAsStream()，这个方法可以根据你所传入的公式将字符序列转化为流。但是这里有一个限制，输入只能是 CharSequence，因此不能将流作为 splitAsStream() 的参数。
我们再一次查看将文件处理为单词流的过程。这一次，我们使用流将文件分割为单独的字符串，接着使用正则表达式将字符串转化为单词流。
// streams/FileToWordsRegexp.java
import java.io.*;
import java.nio.file.*;
import java.util.stream.*;
import java.util.regex.Pattern;
public class FileToWordsRegexp {
private String all;
public FileToWordsRegexp(String filePath) throws Exception {
all = Files.lines(Paths.get(filePath))
.skip(1) // First (comment) line
.collect(Collectors.joining(" "));
}
public Stream<String> stream() {
return Pattern
.compile("[ .,?]+").splitAsStream(all);
}
public static void
main(String[] args) throws Exception {
FileToWordsRegexp fw = new FileToWordsRegexp("Cheese.dat");
fw.stream()
.limit(7)
.map(w -> w + " ")
.forEach(System.out::print);
fw.stream()
.skip(7)
.limit(2)
.map(w -> w + " ")
.forEach(System.out::print);
}
}
输出为：
Not much of a cheese shop really is it
在构造器中我们读取了文件中的所有内容（再一次跳过了第一行注释），并将其转化成为单行字符串。现在，当你调用 stream() 方法的时候，可以像往常一样获取一个流，但这次你可以多次调用 stream() 方法，在已存储的字符串中创建一个新的流。这里有个限制，整个文件必须存储在内存中；在大多数情况下这并不是什么问题，但是这损失了流中非常重要的好处：
- 流“不需要存储”。当然它们需要一些内部存储，但是这只是序列的一小部分，和持有整个序列所需要的并不相同。
- 它们是惰性评估的。幸运的是，我们将在稍晚一些的时候查看如何如解决这个问题。
中间操作
中间操作用于在一个流中获取元素，并将元素放入另一个流的后端用以连接不同的操作。
跟踪和调试
peek() 操作的目的是帮助调试。它允许你无修改的查看流中的元素：
// streams/Peeking.java
class Peeking {
public static void main(String[] args) throws Exception {
FileToWords.stream("Cheese.dat")
.skip(21)
.limit(4)
.map(w -> w + " ")
.peek(System.out::print)
.map(String::toUpperCase)
.peek(System.out::print)
.map(String::toLowerCase)
.forEach(System.out::print);
}
}
输出为：
Well WELL well it IT it s S s so SO so
FileToWords 很快就被定义好了，但是它的功能就像我们之前所看到的的版本那样：产生 String 对象的流。之后在他们通过管道的时候使用 peek() 偷窥它们。
因为 peek() 符合 没有返回值的 Consumer 函数式接口，所以不可能使用不同的元素来替换流中的对象。你只能观察它们。
排序流中元素
你已经在 Randoms.java 看到了使用默认比较器的 sorted() 函数。还有 sorted() 的第二种形式，需要传入一个 Comparator 参数：
// streams/SortedComparator.java
import java.util.*;
public class SortedComparator {
public static void main(String[] args) throws Exception {
FileToWords.stream("Cheese.dat")
.skip(10)
.limit(10)
.sorted(Comparator.reverseOrder())
.map(w -> w + " ")
.forEach(System.out::print);
}
}
输出为：
you what to the that sir leads in district And
你可以为 sorted() 传入一个 lambda 函数作为其参数，但是这里也有预先实现好的比较器 —— 在这里我们所使用的是反转“自然顺序”。
移除元素
distinct()：在 Randoms.java 中，distinct() 去除了流中的重复元素。使用 distinct() 相比创建一个 Set 用于消除重复元素的工作量要小得多。
filter(Predicate)：过滤操作只会保留那些传递给参数是产生 true 的元素 - 过滤器函数。
在这个例子中，过滤器函数是 isPrime()，用于检测质数。
// streams/Prime.java
import java.util.stream.*;
import static java.util.stream.LongStream.*;
public class Prime {
public static Boolean isPrime(long n) {
return rangeClosed(2, (long)Math.sqrt(n))
.noneMatch(i -> n % i == 0);
}
public LongStream numbers() {
return iterate(2, i -> i + 1)
.filter(Prime::isPrime);
}
public static void main(String[] args) {
new Prime().numbers()
.limit(10)
.forEach(n -> System.out.format("%d ", n));
System.out.println();
new Prime().numbers()
.skip(90)
.limit(10)
.forEach(n -> System.out.format("%d ", n));
}
}
输出为：
2 3 5 7 11 13 17 19 23 29
467 479 487 491 499 503 509 521 523 541
rangeClosed() 包含了上界值。如果余数没有产生 0，则 noneMatch() 操作返回 ture，如果出现任何等于 0 的则返回 false。 noneMatch() 操作在第一次失败之后就会推出，而不是进行全部尝试。
应用操作到所有元素
map(Function) ：将 Function 操作应用在输入流的每一个元素中，并将返回值传递到输出流中。
mapToInt(ToIntFunction)：操作同上，但结果是 IntStream。
mapToLong(ToLongFunction)：操作同上，但结果是 LongStream。
mapToDouble(ToDoubleFunction) ： 操作同上，但结果是 DoubleStream。
在这里，我们使用 map() 映射多种函数到一个字符串流中：
// streams/FunctionMap.java
import java.util.*;
import java.util.stream.*;
import java.util.function.*;
class FunctionMap {
static String[] elements = { "12", "", "23", "45" };
static Stream<String>
testStream() {
return Arrays.stream(elements);
}
static void test(String descr, Function<String, String> func) {
System.out.println(" ---( " + descr + " )---");
testStream()
.map(func)
.forEach(System.out::println);
}
public static void main(String[] args) {
test("add brackets", s -> "[" + s + "]");
test("Increment", s -> {
try {
return Integer.parseint(s) + 1 + "";
}
catch(NumberFormatException e) {
return s;
}
}
);
test("Replace", s -> s.replace("2", "9"));
test("Take last digit", s -> s.length() > 0 ?
s.charAt(s.length() - 1) + "" : s);
}
}
输出为：
---( add brackets )---
[12]
[]
[23]
[45]
---( Increment )---
13
24
46
---( Replace )---
19
93
45
---( Take last digit )---
2
3
5
在“Increment”测试中，我们使用 Integer.parseInt() 去试图将一个字符串转化为整数。如果字符串不能转化成为整数就会抛出一个 NumberFormatException 异常，我们只需回过头来将原始字符串放回到输出流中。
在以上例子中， map() 将一个字符串映射为另一个字符串，但是我们完全可以产生和接收类型完全不同的类型，从而改变流的数据类型。这里是一个例子：
// streams/FunctionMap2.java
// Different input and output types
import java.util.*;
import java.util.stream.*;
class Numbered {
final int n;
Numbered(int n) {
this.n = n;
}
@Override
public String toString() {
return "Numbered(" + n + ")";
}
}
class FunctionMap2 {
public static void main(String[] args) {
Stream.of(1, 5, 7, 9, 11, 13)
.map(Numbered::new)
.forEach(System.out::println);
}
}
输出为：
Numbered(1)
Numbered(5)
Numbered(7)
Numbered(9)
Numbered(11)
Numbered(13)
我们获取了许多 int 类型整数，并通过构造器 Numbered::new 将它们转化成为 Numbereds 类型。
如果使用 Function 产生的结果是数值类型的一种，你必须使用相似的 mapTo-operations 操作进行替代：
// streams/FunctionMap3.java
// Producing numeric output streams
import java.util.*;
import java.util.stream.*;
class FunctionMap3 {
public static void main(String[] args) {
Stream.of("5", "7", "9")
.mapToint(Integer::parseint)
.forEach(n -> System.out.format("%d ", n));
System.out.println();
Stream.of("17", "19", "23")
.mapTolong(long::parselong)
.forEach(n -> System.out.format("%d ", n));
System.out.println();
Stream.of("17", "1.9", ".23")
.mapTodouble(double::parsedouble)
.forEach(n -> System.out.format("%f ", n));
}
}
输出为：
5 7 9
17 19 23
17.000000 1.900000 0.230000
不幸的是，Java 设计者并没有尽最大的努力来消除原始类型。
在 map() 期间组合流
假如你有一个即将到来的元素流，并且你打算对流元素使用 map() 函数。你已经找到了那些你在其他地方找不到的可爱的函数功能，但是这里有一个问题：这个函数功能产生一个流。你想要的只是产生一个元素流，但是你生成的是一个元素流的流。
flatMap() 做了两件事情：它获取你的流产生（ stream-producing）函数，并将其应用于新到的元素（正如 map() 所做的），然后获取每一个流并将其“展平”为元素。所以它的输出只是元素。
flatMap(Function)：当 Function 产生流时使用。
flatMapToInt(Function)：当 Function 产生 IntStream 时使用。
flatMapToLong(Function)：当 Function 产生 LongStream 时使用。
flatMapToDouble(Function)：当 Function 产生 DoubleStream 时使用。
为了了解它是如何工作的，我们将从 map() 的一个刻意设计的函数开始，这个函数接受一个整数并产生一个字符串流：
// streams/StreamOfStreams.java
import java.util.stream.*;
public class StreamOfStreams {
public static void main(String[] args) {
Stream.of(1, 2, 3)
.map(i -> Stream.of("Gonzo", "Kermit", "Beaker"))
.map(e-> e.getClass().getName())
.forEach(System.out::println);
}
}
输出为：
java.util.stream.ReferencePipeline$Head
java.util.stream.ReferencePipeline$Head
java.util.stream.ReferencePipeline$Head
我们天真的希望能够得到字符串流，但是我们得到的确实流元素为“Head”流的流。但是我们可以使用 flatMap() 来轻松解决这个问题：
// streams/FlatMap.java
import java.util.stream.*;
public class FlatMap {
public static void main(String[] args) {
Stream.of(1, 2, 3)
.flatMap(i -> Stream.of("Gonzo", "Fozzie", "Beaker"))
.forEach(System.out::println);
}
}
输出为：
Gonzo
Fozzie
Beaker
Gonzo
Fozzie
Beaker
Gonzo
Fozzie
Beaker
因此，从映射返回的每个流都会自动展平为其组件字符串。
如下是另一演示，我们从一个整数流开始，然后使用每一个整数去创建许多随机数。
// streams/StreamOfRandoms.java
import java.util.*;
import java.util.stream.*;
public class StreamOfRandoms {
static Random rand = new Random(47);
public static void main(String[] args) {
Stream.of(1, 2, 3, 4, 5)
.flatMapToInt(i -> IntStream.concat(
rand.ints(0, 100).limit(i), IntStream.of(-1)))
.forEach(n -> System.out.format("%d ", n));
}
}
输出为：
58 -1 55 93 -1 61 61 29 -1 68 0 22 7 -1 88 28 51 89 9 -1
我在这里引入了concat()，它以参数顺序组合了两个流。 因此，在每个随机 Integer 流的末尾，我添加一个 -1 作为标记，因此ni你可以看到最终流确实是从一组展平流中创建的。
因为 rand.ints() 产生了一个 IntStream，所以我必须使用 flatMap()、concat() 和 of() 的特定整数版本。
让我们再看一下将文件划分为单词流的任务。我们上一次遇到的是 FileToWordsRegexp.java，它的问题是它需要我们将整个文件读入行列表中 —— 因此我们需要存储该列表。我们真正想要的是创建以一个不需要中间存储的单词流。
再一次，我们使用 flatMap() 来解决这个问题：
// streams/FileToWords.java
import java.nio.file.*;
import java.util.stream.*;
import java.util.regex.Pattern;
public class FileToWords {
public static Stream<String> stream(String filePath) throws Exception {
return Files.lines(Paths.get(filePath))
.skip(1) // First (comment) line
.flatMap(line ->
Pattern.compile("\W+").splitAsStream(line));
}
}
因为 stream() 方法可以自己完成整个创建流的构成，所以它现在是个静态方法。
注意 \\W+ 是一个正则表达式。\\W 的意思是 “非单词字符”，+ 的意思是“可以出现一次或者多次”。小写版本的 “\\w” 代表“单词字符”。
我们之前遇到的问题是 Pattern.compile().splitAsStream()产生的结果为流，这意味着当我们只是想要一个简单的单词流，在传入的行流（stream of lines）上调用 map() 会产生一个单词流的流。幸运的是，flatMap() 可以将元素流的流展平为一个简单的元素流。或者，我们可以使用 String.split() 生成一个数组，其可以被 Arrays.stream() 转化成为流：
.flatMap(line -> Arrays.stream(line.split("\\W+"))))
因为我们拥有了一个真的流（而不是在 FileToWordsRegexp.java 基于集合存储的流），每一次我们想要一个新的流就必须从头创建，因为这个流并不能被重复使用：
// streams/FileToWordsTest.java
import java.util.stream.*;
public class FileToWordsTest {
public static void main(String[] args) throws Exception {
FileToWords.stream("Cheese.dat")
.limit(7)
.forEach(s -> System.out.format("%s ", s));
System.out.println();
FileToWords.stream("Cheese.dat")
.skip(7)
.limit(2)
.forEach(s -> System.out.format("%s ", s));
}
}
输出为：
Not much of a cheese shop really
在 System.out.format() 中的 %s 表名参数为 String 类型。
Optional类
在我们查看终端操作之前，我们必须考虑如果你在一个空流中获取元素会发生什么。我们喜欢为了“happy path”而将流连接起来，并假设为空会被中断。在流中放置 null 是很好的中断方法。我们可以使用哪种对象作为流元素的持有者，如果我们寻找的元素并不存在也可以友好的告诉我们（也就是说，没有异常）？
这个想法是通过 Optional 实现的。确保标准流操作返回 Optional 对象，因为它们并不能保证预期结果一定存在。它们包括：
findFirst()返回一个包含第一个元素的 Optional 对象，如果流为空则返回 Optional.emptyfindAny()返回包含任意元素的 Optional 对象，如果流为空则返回 Optional.emptymax和min()返回一个包含最大值或者最小值的 Optional 对象，如果流为空则返回 Optional.empty
不再以 “identity”对象开头版本的 reduce()将其返回值包装在 Optional 中。（“identity”对象成为另一个版本的 reduce() 的默认结果，因此不存在空结果的风险）
对于数字流 IntStream、LongStream 和 DoubleStream，average() 会将结果包装在 Optional 以防止流为空。
以下是对空流进行的所有这些操作的简单测试：
// streams/OptionalsFromEmptyStreams.java
import java.util.*;
import java.util.stream.*;
class OptionalsFromEmptyStreams {
public static void main(String[] args) {
System.out.println(Stream.<String>empty()
.findFirst());
System.out.println(Stream.<String>empty()
.findAny());
System.out.println(Stream.<String>empty()
.max(String.CASE_INSENSITIVE_ORDER));
System.out.println(Stream.<String>empty()
.min(String.CASE_INSENSITIVE_ORDER));
System.out.println(Stream.<String>empty()
.reduce((s1, s2) -> s1 + s2));
System.out.println(IntStream.empty()
.average());
}
}
输出为：
Optional.empty
Optional.empty
Optional.empty
Optional.empty
Optional.empty
OptionalDouble.empty
当流为空的时候你会获得一个 Optional.empty 对象，而不是抛出异常。Optional 拥有 toString() 方法可以用于展示有用信息。
注意，空流是通过 Stream.<String>empty() 创建的。如果你在没有任何上下文环境的情况下调用 Stream.empty()，Java 并不知道它的数据类型；这个语法解决了这个问题。如果编译器拥有了足够的上下文信息，比如：
Stream<String> s = Stream.empty();
就可以在调用 empty() 时推断类型。
这个示例展现了 Optional 的两个基本用法：
// streams/OptionalBasics.java
import java.util.*;
import java.util.stream.*;
class OptionalBasics {
static void test(Optional<String> optString) {
if(optString.isPresent())
System.out.println(optString.get()); else
System.out.println("Nothing inside!");
}
public static void main(String[] args) {
test(Stream.of("Epithets").findFirst());
test(Stream.<String>empty().findFirst());
}
}
输出为：
Epithets
Nothing inside!
当你接收到 Optional 对象时，你首先调用 isPresent() 检查其中是否包含元素。如果存在，你可以使用 get() 获取。
便利函数（Convenience Functions）
解包 Optional 有许多便利函数，简化了“检查并对所包含的对象执行某些操作”的上述过程：
ifPresent(Consumer)：当值存在时调用 Consumer，否则什么不做。orElse(otherObject)：如果值存在则直接返回，否则生成 otherObject。orElseGet(Supplier)：如果值存在直接生成对象，否则使用 Supplier 函数生成一个可替代对象。orElseThrow(Supplier)：如果值存在直接生成对象，否则使用 Supplier 函数生成一个异常。
如下是针对不同便利函数的简单演示：
// streams/Optionals.java
import java.util.*;
import java.util.stream.*;
import java.util.function.*;
public class Optionals {
static void basics(Optional<String> optString) {
if(optString.isPresent())
System.out.println(optString.get());
else
System.out.println("Nothing inside!");
}
static void ifPresent(Optional<String> optString) {
optString.ifPresent(System.out::println);
}
static void orElse(Optional<String> optString) {
System.out.println(optString.orElse("Nada"));
}
static void orElseGet(Optional<String> optString) {
System.out.println(
optString.orElseGet(() -> "Generated"));
}
static void orElseThrow(Optional<String> optString) {
try {
System.out.println(optString.orElseThrow(
() -> new Exception("Supplied")));
}
catch(Exception e) {
System.out.println("Caught " + e);
}
}
static void test(String testName, Consumer<Optional<String>> cos) {
System.out.println(" === " + testName + " === ");
cos.accept(Stream.of("Epithets").findFirst());
cos.accept(Stream.<String>empty().findFirst());
}
public static void main(String[] args) {
test("basics", Optionals::basics);
test("ifPresent", Optionals::ifPresent);
test("orElse", Optionals::orElse);
test("orElseGet", Optionals::orElseGet);
test("orElseThrow", Optionals::orElseThrow);
}
}
输出为：
=== basics ===
Epithets
Nothing inside!
=== ifPresent ===
Epithets
=== orElse ===
Epithets
Nada
=== orElseGet ===
Epithets
Generated
=== orElseThrow ===
Epithets
Caught java.lang.Exception: Supplied
test() 方法通过使用与所有示例方法匹配的 Consumer 来防止代码重复。orElseThrow() 使用 catch 关键字来捕获 orElseThrow() 抛出的异常。你想会在 异常 这一章节中学习细节。
创建 Optional（Creating Optionals）
当你编写自己的代码生成 Optional 时，这里有 3 个你可以使用的静态方法：
empty()：生成一个内部没有任何东西的 Optional。of(value)：如果你已经确定值不为空，使用这个方法将值包装成 Optional。ofNullable(value)：如果你不知道值知否为空。这个方法会在值为空的时候自动生成 Optional.empty，否则将值包装在 Optional 中。
你可以查看这是如何工作的：
// streams/CreatingOptionals.java
import java.util.*;
import java.util.stream.*;
import java.util.function.*;
class CreatingOptionals {
static void test(String testName, Optional<String> opt) {
System.out.println(" === " + testName + " === ");
System.out.println(opt.orElse("Null"));
}
public static void main(String[] args) {
test("empty", Optional.empty());
test("of", Optional.of("Howdy"));
try {
test("of", Optional.of(null));
} catch(Exception e) {
System.out.println(e);
}
test("ofNullable", Optional.ofNullable("Hi"));
test("ofNullable", Optional.ofNullable(null));
}
}
输出为：
=== empty ===
Null
=== of ===
Howdy
java.lang.NullPointerException
=== ofNullable ===
Hi
=== ofNullable ===
Null
如果我们试图将 null 传递 of() 用于创建 Optional 对象，这就会爆炸。ofNullable() 会优雅的处理 null，所以它似乎是最安全的。
Optional 对象操作
3 个方法开启了 Optional 的后续操作，所以如果你的流管道生成了 Optional 对象，你可以在结尾做更多的事情：
filter(Predicate)：将 Predicate 应用于 Optional 的内容，并将结果返回。如果 Optional 不满足 Predicate，则返回 empty。如果 Optional 已经为空，则将其返回。map(Function)：如果 Optional 不为空，则将 Function 应用于 Optional 的内容，并将结果返回。否则，直接返回 Optional.empty。flatMap(Function)：如同map()， 但是提供的映射函数将结果包装在 Optional 对象中，因此flatMap()不会在最后进行任何包装。
如上方法都不适用于数值型 Optional。普通流过滤器会在 Predicate 返回 false 时删除流元素。Optional.filter() 当 Predicate 失败时不会删除 Optional——it leaves it, 但将其转化为空：
// streams/OptionalFilter.java
import java.util.*;
import java.util.stream.*;
import java.util.function.*;
class OptionalFilter {
static String[] elements = {
"Foo", "", "Bar", "Baz", "Bingo"
};
static Stream<String> testStream() {
return Arrays.stream(elements);
}
static void test(String descr, Predicate<String> pred) {
System.out.println(" ---( " + descr + " )---");
for(int i = 0; i <= elements.length; i++) {
System.out.println(
testStream()
.skip(i)
.findFirst()
.filter(pred));
}
}
public static void main(String[] args) {
test("true", str -> true);
test("false", str -> false);
test("str != \"\"", str -> str != "");
test("str.length() == 3", str -> str.length() == 3);
test("startsWith(\"B\")",
str -> str.startsWith("B"));
}
}
输出为：
---( true )---
Optional[Foo]
Optional[]
Optional[Bar]
Optional[Baz]
Optional[Bingo]
Optional.empty
---( false )---
Optional.empty
Optional.empty
Optional.empty
Optional.empty
Optional.empty
Optional.empty
---( str != "" )---
Optional[Foo]
Optional.empty
Optional[Bar]
Optional[Baz]
Optional[Bingo]
Optional.empty
---( str.length() == 3 )---
Optional[Foo]
Optional.empty
Optional[Bar]
Optional[Baz]
Optional.empty
Optional.empty
---( startsWith("B") )---
Optional.empty
Optional.empty
Optional[Bar]
Optional[Baz]
Optional[Bingo]
Optional.empty
即使输出看起来像流，但是特别注意 test() 中的 for 循环。它在每一次 for 循环时重新启动流，然后根据 for 循环的索引跳过指定个数的元素，这就是它在流中的每个连续元素上结束的原因。接下来调用 findFirst() 获取剩余元素中的第一个元素，结果会包装在 Optional 中。
值得注意的是，不同于普通的 for 循环。这里的索引值范围并不是 i < elements.length， 而是 i <= elements.length，所以最后一个元素实际上超越了流。方便的是，这将自动成为 Optional.empty，你可以在每一个测试的结尾中看到。
像 map()一样 ， Optional.map() 应用函数，但是对于 Optional，它仅在 Optional 不为空时才应用映射函数。它还将 Optional 的内容提取到映射函数：
// streams/OptionalMap.java
import java.util.Arrays;
import java.util.function.Function;
import java.util.stream.Stream;
class OptionalMap {
static String[] elements = {"12", "", "23", "45"};
static Stream<String> testStream() {
return Arrays.stream(elements);
}
static void test(String descr, Function<String, String> func) {
System.out.println(" ---( " + descr + " )---");
for (int i = 0; i <= elements.length; i++) {
System.out.println(
testStream()
.skip(i)
.findFirst() // Produces an Optional
.map(func));
}
}
public static void main(String[] args) {
// If Optional is not empty, map() first extracts
// the contents which it then passes
// to the function:
test("Add brackets", s -> "[" + s + "]");
test("Increment", s -> {
try {
return Integer.parseInt(s) + 1 + "";
} catch (NumberFormatException e) {
return s;
}
});
test("Replace", s -> s.replace("2", "9"));
test("Take last digit", s -> s.length() > 0 ?
s.charAt(s.length() - 1) + "" : s);
}
// After the function is finished, map() wraps the
// result in an Optional before returning it:
}
输出为：
---( Add brackets )---
Optional[[12]]
Optional[[]]
Optional[[23]]
Optional[[45]]
Optional.empty
---( Increment )---
Optional[13]
Optional[]
Optional[24]
Optional[46]
Optional.empty
---( Replace )---
Optional[19]
Optional[]
Optional[93]
Optional[45]
Optional.empty
---( Take last digit )---
Optional[2]
Optional[]
Optional[3]
Optional[5]
Optional.empty
映射函数的返回结果会自动包装成为 Optional。正如你所看到的，Optional.empty 会被直接跳过不使用任何映射函数。
对于 Optional 的 flatMap() 应用于已经生成 Optional 的映射函数，所以 flatMap() 不会像 map() 所做的那样将结果封装在 Optional 中：
// streams/OptionalFlatMap.java
import java.util.Arrays;
import java.util.Optional;
import java.util.function.Function;
import java.util.stream.Stream;
class OptionalFlatMap {
static String[] elements = {"12", "", "23", "45"};
static Stream<String> testStream() {
return Arrays.stream(elements);
}
static void test(String descr,
Function<String, Optional<String>> func) {
System.out.println(" ---( " + descr + " )---");
for (int i = 0; i <= elements.length; i++) {
System.out.println(
testStream()
.skip(i)
.findFirst()
.flatMap(func));
}
}
public static void main(String[] args) {
test("Add brackets",
s -> Optional.of("[" + s + "]"));
test("Increment", s -> {
try {
return Optional.of(
Integer.parseInt(s) + 1 + "");
} catch (NumberFormatException e) {
return Optional.of(s);
}
});
test("Replace",
s -> Optional.of(s.replace("2", "9")));
test("Take last digit",
s -> Optional.of(s.length() > 0 ?
s.charAt(s.length() - 1) + ""
: s));
}
}
输出为：
---( Add brackets )---
Optional[[12]]
Optional[[]]
Optional[[23]]
Optional[[45]]
Optional.empty
---( Increment )---
Optional[13]
Optional[]
Optional[24]
Optional[46]
Optional.empty
---( Replace )---
Optional[19]
Optional[]
Optional[93]
Optional[45]
Optional.empty
---( Take last digit )---
Optional[2]
Optional[]
Optional[3]
Optional[5]
Optional.empty
如同 map() 一样，flatMap() 将解压非空 Optional 的内容并将其应用在映射函数。唯一的区别就是 flatMap() 不会把结果包装在 Optional 中，因为映射函数已经做了这件事情。在如上的示例中，我已经在每一个映射函数中显示的完成了包装，但是但显然 Optional.flatMap() 是为已经自己生成 Optional 的函数而设计的。
Optional 流（Streams of Optionals）
假设你有一个可能产生 null 的生成器。如果你使用这个生成器来创建流，你会自然的想用 Optional 来包装元素。如下是它的样子：
// streams/Signal.java
import java.util.*;
import java.util.stream.*;
import java.util.function.*;
public class Signal {
private final String msg;
public Signal(String msg) { this.msg = msg; }
public String getMsg() { return msg; }
@Override
public String toString() {
return "Signal(" + msg + ")";
}
static Random rand = new Random(47);
public static Signal morse() {
switch(rand.nextInt(4)) {
case 1: return new Signal("dot");
case 2: return new Signal("dash");
default: return null;
}
}
public static Stream<Optional<Signal>> stream() {
return Stream.generate(Signal::morse)
.map(signal -> Optional.ofNullable(signal));
}
}
当你想使用这个流的时候，你必须弄清楚如何解包 Optional：
// streams/StreamOfOptionals.java
import java.util.*;
import java.util.stream.*;
public class StreamOfOptionals {
public static void main(String[] args) {
Signal.stream()
.limit(10)
.forEach(System.out::println);
System.out.println(" ---");
Signal.stream()
.limit(10)
.filter(Optional::isPresent)
.map(Optional::get)
.forEach(System.out::println);
}
}
输出为：
Optional[Signal(dash)]
Optional[Signal(dot)]
Optional[Signal(dash)]
Optional.empty
Optional.empty
Optional[Signal(dash)]
Optional.empty
Optional[Signal(dot)]
Optional[Signal(dash)]
Optional[Signal(dash)]
---
Signal(dot)
Signal(dot)
Signal(dash)
Signal(dash)
在这里，我们使用 filter() 来保留那些非空 Optional，然后在 map() 中使用 get() 获取元素。因为每一种情况都需要你决定“无价值”的含义，所以通常要为每个应用程序采用不同的方法。
终端操作
这些操作获取一个流并产生一个最终结果；它们不会像后端流提供任何东西。因此，终端操作总是你在管道中做的最后一件事情。
转化成数组（Convert to an Array）
toArray()：将流转换成适当类型的数组。toArray(generator)：在特殊情况下，生成器用于分配你自己的数组存储。
如果流操作产生的结果必须使用的是数组形式，这是非常有用的。例如，假设我们想要以一种我们可以将它们作为流重用的方式捕获随机数，这样我们每次都可以得到相同的流。 我们可以通过将它们存储在一个数组中来实现：
// streams/RandInts.java
package streams;
import java.util.*;
import java.util.stream.*;
public class RandInts {
private static int[] rints = new Random(47).ints(0, 1000).limit(100).toArray();
public static IntStream rands() {
return Arrays.stream(rints);
}
}
一个包含 100 个数值范围在 0 到 10000 之间的随机数流转换成为数组并将其存储在 rints 中，所以在每次调用 rands() 的时候你都可以重复的获取相同的流。
每一个元素应用最终操作（Apply a Final Operation to Every Element）
forEach(Consumer)：你已经看到很多次System.out::println作为 Consumer 函数。forEachOrdered(Consumer)： 这个版本保证了 forEach 的操作顺序是原始流顺序。
第一种形式是显示的设计为以任何顺序操作元素，这只在引入 parallel() 操作时才有意义。在 并发 章节之前我们不会深入研究这个问题，但是这里有一个简单的介绍：parallel() 告诉 Java 尝试在多个处理器上运行操作。它可以做到这一点是因为我们使用流——流可以被分割为多个流（通常一个流一个处理器）并且每个流运行在不同的处理器上。因为我们使用的是内部循环而不是外部循环，这是可行的。
在你对 parallel() 的看似容易感到过于兴奋之前，它实际上相当棘手，所以请等到我们进入 并发 编程章节。
但是，我们可以通过将 parallel() 引入一个示例来了解 forEachOrdered(Consumer) 的效果和需求：
// streams/ForEach.java
import java.util.*;
import java.util.stream.*;
import static streams.RandInts.*;
public class ForEach {
static final int SZ = 14;
public static void main(String[] args) {
rands().limit(SZ)
.forEach(n -> System.out.format("%d ", n));
System.out.println();
rands().limit(SZ)
.parallel()
.forEach(n -> System.out.format("%d ", n));
System.out.println();
rands().limit(SZ)
.parallel()
.forEachOrdered(n -> System.out.format("%d ", n));
}
}
输出为：
258 555 693 861 961 429 868 200 522 207 288 128 551 589
551 861 429 589 200 522 555 693 258 128 868 288 961 207
258 555 693 861 961 429 868 200 522 207 288 128 551 589
我已经隔离了 sz，以便轻松尝试不同的尺寸。 然而，即使是 14 的 sz 也会产生有趣的结果。在第一个流中，我们没有使用 parallel() 所以按照它们从 rands() 出现的顺序显示结果。第二个流我们引入了 parallel() ，即使是很小的流，你也会看到输出结果和之前的顺序并不一样。这是由于多个处理器正在解决这个问题，如果你多次运行这个程序，你将会看到这个结果均是不同的，由于多个处理器同时处理该问题而产生的非确定性因素。
最后一个流依旧使用了 parallel()，但是通过使用 forEachOrdered() 强制结果保留原始顺序。因此使用 parallel() 对于非并行流没有任何影响。
收集（Collecting）
collect(Collector)：使用 Collector 来累计流元素到结果集合中。collect(Supplier, BiConsumer, BiConsumer)：同上，但是 Supplier 创建了一个新的结果集合，第一个 BiConsumer 是将下一个元素包含在结果中的函数，而第二个 BiConsumer 是用于将两个值组合起来。
你只看到了少数几个 Collectors 对象的示例。如果你查看 java.util.stream.Collectors的文档，你会发现其中的一些实现非常复杂。例如，我们可以将元素收集到任意一种特定的集合中。假设我们想将我们的元素最终在 TreeSet 中，以保证它们总是有序的。在 Collectors 里面没有特定的 toTreeSet() 方法，但是你可以使用 Collectors.toCollection()并为任何类型的Collection提供构造函数引用。 该程序将文件中的单词拉入TreeSet ：
// streams/TreeSetOfWords.java
import java.util.*;
import java.nio.file.*;
import java.util.stream.*;
public class TreeSetOfWords {
public static void
main(String[] args) throws Exception {
Set<String> words2 =
Files.lines(Paths.get("TreeSetOfWords.java"))
.flatMap(s -> Arrays.stream(s.split("\\W+")))
.filter(s -> !s.matches("\\d+")) // No numbers
.map(String::trim)
.filter(s -> s.length() > 2)
.limit(100)
.collect(Collectors.toCollection(TreeSet::new));
System.out.println(words2);
}
}
输出为：
[Arrays, Collectors, Exception, Files, Output, Paths,
Set, String, System, TreeSet, TreeSetOfWords, args,
class, collect, file, filter, flatMap, get, import,
java, length, limit, lines, main, map, matches, new,
nio, numbers, out, println, public, split, static,
stream, streams, throws, toCollection, trim, util,
void, words2]
Files.lines() 打开 Path 并将其转换成为行流。下一行代码将根据一个或者多个非单词字符（\\w+）作为边界对行进行分割，然后使用 Arrays.stream() 将其转化成为流，并将结果展平映射成为单词流。matches(\\d+) 寻找并移除那些全是数字的字符串（注意 words2 是通过的）。接下来我们使用 String.trim() 去除单词两边的空白，filter()过滤所有长度小于 3 的单词，然后只获取 100 个单词，并最终将其塞入到 TreeSet 中。
我们也可以在流中生成 Map：
// streams/MapCollector.java
import java.util.*;
import java.util.stream.*;
class Pair {
public final Character c;
public final Integer i;
Pair(Character c, Integer i) {
this.c = c;
this.i = i;
}
public Character getC() { return c; }
public Integer getI() { return i; }
@Override
public String toString() {
return "Pair(" + c + ", " + i + ")";
}
}
class RandomPair {
Random rand = new Random(47);
// An infinite iterator of random capital letters:
Iterator<Character> capChars = rand.ints(65,91)
.mapToObj(i -> (char)i)
.iterator();
public Stream<Pair> stream() {
return rand.ints(100, 1000).distinct()
.mapToObj(i -> new Pair(capChars.next(), i));
}
}
public class MapCollector {
public static void main(String[] args) {
Map<Integer, Character> map =
new RandomPair().stream()
.limit(8)
.collect(
Collectors.toMap(Pair::getI, Pair::getC));
System.out.println(map);
}
}
输出为：
{688=W, 309=C, 293=B, 761=N, 858=N, 668=G, 622=F, 751=N}
Pair 只是一个基础的数据对象。RandomPair 创建了随机生成的 Pair 对象流。如果我们能以某种方式组合两个流, 那就再好不过了, 但 Java 在这个问题上与我们斗争。所以我创建了一个整数流，并且使用 mapToObj 将其转化成为 Pair 流。 capChars 随机生成的大写字母迭代器从流开始，然后 iterator() 方法允许我们在 stream() 方法中使用它。就我所知, 这是组合多个流以生成新的对象流的唯一方法。
在这里，我们只使用最简单形式的 Collectors.toMap()，这个方法值需要一个可以从流中获取键值对的函数。但是这还有另外一种形式，需要一个函数来处理键碰撞的情况。
在大多数情况下，你可以在 java.util.stream.Collectors寻找到你想要的预先定义好的 Collector。在少数情况下当你找不到想要的时候，你可以使用第二种形式的 collect()。 I’ll basically leave that as a more advanced exercise, 但是这里有一个例子给出了基本想法：
// streams/SpecialCollector.java
import java.util.*;
import java.util.stream.*;
public class SpecialCollector {
public static void main(String[] args) throws Exception {
ArrayList<String> words =
FileToWords.stream("Cheese.dat")
.collect(ArrayList::new,
ArrayList::add,
ArrayList::addAll);
words.stream()
.filter(s -> s.equals("cheese"))
.forEach(System.out::println);
}
}
输出为：
cheese
cheese
在这里， ArrayList 的方法已经执行了你所需要的操作，但是似乎更有可能的是，如果你必须使用这种形式的 collect()，则必须自己创建特殊的定义。
组合所有流元素（Combining All Stream Elements）
reduce(BinaryOperator)：使用 BinaryOperator 来组合所有流中的元素。因为流可能为空，其返回值为 Optional。reduce(identity, BinaryOperator)：功能同上，但是使用 identity 作为其组合的初始值。因此如果流为空，identity 就是结果。reduce(identity, BiFunction, BinaryOperator)：这个版本更为复杂（所以我们不会介绍它），在这里被提到是因为它使用起来会更有效。通常，你可以显示的组合map()和reduce()来更简单的表达这一点。
如下是一个用于演示 reduce() 的示例：
// streams/Reduce.java
import java.util.*;
import java.util.stream.*;
class Frobnitz {
int size;
Frobnitz(int sz) { size = sz; }
@Override
public String toString() {
return "Frobnitz(" + size + ")";
}
// Generator:
static Random rand = new Random(47);
static final int BOUND = 100;
static Frobnitz supply() {
return new Frobnitz(rand.nextInt(BOUND));
}
}
public class Reduce {
public static void main(String[] args) {
Stream.generate(Frobnitz::supply)
.limit(10)
.peek(System.out::println)
.reduce((fr0, fr1) -> fr0.size < 50 ? fr0 : fr1)
.ifPresent(System.out::println);
}
}
输出为：
Frobnitz(58)
Frobnitz(55)
Frobnitz(93)
Frobnitz(61)
Frobnitz(61)
Frobnitz(29)
Frobnitz(68)
Frobnitz(0)
Frobnitz(22)
Frobnitz(7)
Frobnitz(29)
Frobnitz 包含了一个名为 supply() 的生成器；因为这个方法对于 Supplier<Frobnitz> 是签名兼容的，我们可以将其方法引用传递给 Stream.generate()（这种签名兼容性被称作结构一致性）。我们使用没有给“起始值”的 reduce()方法，这意味着它的返回值是 Optional 类型的。Optional.ifPresent() 只有在结果非空的时候才会调用 Consumer<Frobnitz> （println 方法可以被调用是因为 Frobnitz 可以通过 toString() 方法转换成 String）。
Lambda 表达式中的第一个参数 fr0 是上一次调用 reduce() 的结果。而第二个参数 fr1 是从流传递过来值。
reduce() 中的 Lambda 表达式使用了三元表达式来获取结果，当其 size 大于 50 的时候获取 fr0 或者获取序列中的下一个值 fr1。因此你会取得第一个 size 小于 50 的 Frobnitz，只要找到了就这个结果就会紧紧的攥住它，即使有其他候选者也会出现。虽然这是一个非常奇怪的约束，但是它确实让你对 reduce() 有了更多的了解。
匹配（Matching）
allMatch(Predicate)：如果流的每个元素根据提供的 Predicate 都返回 true 时，结果返回为 true。这个操作将会在第一个 false 之后短路；也就是不会在发生 false 之后继续执行计算。anyMatch(Predicate)：如果流中的一个元素根据提供的 Predicate 返回 true 时，结果返回为 true。这个操作将会在第一个 true 之后短路；也就是不会在发生 true 之后继续执行计算。noneMatch(Predicate)：如果流的每个元素根据提供的 Predicate 都返回 false 时，结果返回为 true。这个操作将会在第一个 true 之后短路；也就是不会在发生 true 之后继续执行计算。
你已经在 Prime.java 中看到了 noneMatch() 的示例； allMatch() 和 anyMatch() 的用法基本上是等同的。让我们探究短路行为。为了创建消除冗余代码的 show() 方法，我们必须首先发现如何概括地描述所有三个匹配器操作, 然后将其转换为称为 Matcher 的接口：
// streams/Matching.java
// Demonstrates short-circuiting of *Match() operations
import java.util.stream.*;
import java.util.function.*;
import static streams.RandInts.*;
interface Matcher extends BiPredicate<Stream<Integer>, Predicate<Integer>> {}
public class Matching {
static void show(Matcher match, int val) {
System.out.println(
match.test(
IntStream.rangeClosed(1, 9)
.boxed()
.peek(n -> System.out.format("%d ", n)),
n -> n < val));
}
public static void main(String[] args) {
show(Stream::allMatch, 10);
show(Stream::allMatch, 4);
show(Stream::anyMatch, 2);
show(Stream::anyMatch, 0);
show(Stream::noneMatch, 5);
show(Stream::noneMatch, 0);
}
}
输出为：
1 2 3 4 5 6 7 8 9 true
1 2 3 4 false
1 true
1 2 3 4 5 6 7 8 9 false
1 false
1 2 3 4 5 6 7 8 9 true
BiPredicate 是一个二元谓词，这意味着它只能接受两个参数并且只返回 true 或者 false。它的第一个参数使我们要测试的流，第二个参数是一个谓词 Predicate。因为 Matcher 适用于所有的 *Stream::Match 方法形式，我们可以传递每一个到 show() 中。match.test() 的调用会被转换成 *Stream::Match 函数的调用。
show() 获取两个参数，Matcher 匹配器和用于表示谓词测试 n < val 中最大值的 val。这个方法生成一个从 1 到 9 的整数流。peek() 是用于像我们展示测试在短路之前的情况。你可以在输出中发现每一次短路都会发生。
选择元素（Selecting an Element）
findFirst()：返回一个含有第一个流元素的 Optional，如果流为空返回 Optional.empty。findAny(：返回含有任意流元素的 Optional，如果流为空返回 Optional.empty。
// streams/SelectElement.java
import java.util.*;
import java.util.stream.*;
import static streams.RandInts.*;
public class SelectElement {
public static void main(String[] args) {
System.out.println(rands().findFirst().getAsInt());
System.out.println(
rands().parallel().findFirst().getAsInt());
System.out.println(rands().findAny().getAsInt());
System.out.println(
rands().parallel().findAny().getAsInt());
}
}
输出为：
258
258
258
242
findFirst() 无论流是否为并行化的，总是会选择流中的第一个元素。对于非并行流，findAny()会选择流中的第一个元素（即使从定义上来看是选择任意元素）。在这个例子中，我们使用 parallel() 来并行流从而引入 findAny() 选择非第一个流元素的可能性。
如果必须选择流中最后一个元素，那就使用 reduce()：
// streams/LastElement.java
import java.util.*;
import java.util.stream.*;
public class LastElement {
public static void main(String[] args) {
OptionalInt last = IntStream.range(10, 20)
.reduce((n1, n2) -> n2);
System.out.println(last.orElse(-1));
// Non-numeric object:
Optional<String> lastobj =
Stream.of("one", "two", "three")
.reduce((n1, n2) -> n2);
System.out.println(
lastobj.orElse("Nothing there!"));
}
}
输出为：
19
three
reduce() 的参数只是用最后一个元素替换了最后两个元素，最终只生成最后一个元素。如果为数字流，你必须使用相近的数字可选类型（ numeric optional type），否则你使用的 Optional 类型为 Optional<String>。
信息（Informational）
count()：流中的元素个数。max(Comparator)：根据所传入的 Comparator 所决定的“最大”元素。min(Comparator)：根据所传入的 Comparator 所决定的“最小”元素。
字符串类型有预先定义好的 Comparator，这简化了我们的示例：
// streams/Informational.java
import java.util.stream.*;
import java.util.function.*;
public class Informational {
public static void
main(String[] args) throws Exception {
System.out.println(
FileToWords.stream("Cheese.dat").count());
System.out.println(
FileToWords.stream("Cheese.dat")
.min(String.CASE_INSENSITIVE_ORDER)
.orElse("NONE"));
System.out.println(
FileToWords.stream("Cheese.dat")
.max(String.CASE_INSENSITIVE_ORDER)
.orElse("NONE"));
}
}
输出为：
32
a
you
min() 和 max() 的返回类型为 Optional，这需要我们使用 orElse()来解包。
数字流信息（Information for Numeric Streams）
average()：求取流元素平均值。max()和min()：因为这些操作在数字流上面，所以不需要 Comparator。sum()：对所有流元素进行求和。summaryStatistics()：生成可能有用的数据。目前还不太清楚他们为什么觉得有必要这样做, 但是你可以直接使用方法产生所有的数据。
// streams/NumericStreamInfo.java
import java.util.stream.*;
import static streams.RandInts.*;
public class NumericStreamInfo {
public static void main(String[] args) {
System.out.println(rands().average().getAsDouble());
System.out.println(rands().max().getAsInt());
System.out.println(rands().min().getAsInt());
System.out.println(rands().sum());
System.out.println(rands().summaryStatistics());
}
}
输出为：
507.94
998
8
50794
IntSummaryStatistics{count=100, sum=50794, min=8, average=507.940000, max=998}
这些操作对于 LongStream 和 DoubleStream 也同样适用。
本章小结
流改变了甚至极大的提升了 Java 编程的性质，并可能极大的组织了 Java 编程人员像诸如 scala 这种函数式语言的流动。在本书的剩余部分，我们将尽可能的使用流。