为什么需要Stream

Stream 作为 Java 8 的一大亮点，它与 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念。它也不同于 StAX 对 XML 解析的 Stream，也不是 Amazon Kinesis 对大数据实时处理的 Stream。Java 8 中的 Stream 是对集合（Collection）对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。Stream API 借助于同样新出现的 Lambda 表达式，极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。通常编写并行代码很难而且容易出错, 但使用 Stream API 无需编写一行多线程的代码，就可以很方便地写出高性能的并发程序。所以说，Java 8 中首次出现的 java.util.stream 是一个函数式语言+多核时代综合影响的产物。



@FunctionalInterface

被这个注解标记的inteface可以用lambda表达式替代参数。



Function<String, String> getAge = (s) -> s;
Consumer<String> getAge2 = (s) -> {};
Supplier<String> heh = () -> "a";

Function和BiFunction对应1个入参和2个入参的 

lambda表达式也是这么对应的1个还是2个参数



使用::

java8可以用::产生lambda,不如： 

System.out::println 

String::concat  

::有上下文这个概念，我理解的就是调用这个方法需不需要一个对象去调用。 

1.对于System.out::println，不需要上下文（可以直接调用，不需要对象去调用这个方法，因为System.out是static的，System.out.printn(a)），且println需要一个参数，那么System.out::println生成的lambda就是1个入参的，即() -> {}. 

2.对于String::concat，需要上下文，且concat方法需要一个参数，那么String::concat生成的lambda机会是2个入参的，即(a, b) -> {}，需要的上下文即第一个参数的类型必须为::前面的类型或者子类。如果因为方法能给提供的参数类型和上下文需要的类型不一致也不对，会报Non-static method cannot be referenced from a static context。



example



List<String> list = Stream.of("1111", "222", "333", "4")
.filter(e -> e.length() > 3)
.peek(System.out::println)
.map(ss -> ss.toUpperCase())
.peek(e -> System.out.println("Mapped value: " + e))
.collect(Collectors.toList());



Set<String> widgets = new HashSet<>();
widgets.add("1");
widgets.add("2");
widgets.add("3");
widgets.add("4");
String s = widgets.stream().collect(Collectors.joining(",", "(", ")"));



Stream<List<Integer>> inputStream = Stream.of(
Arrays.asList(1),
Arrays.asList(2, 3),
Arrays.asList(4, 5, 6)
);
Stream<Integer> outputStream = inputStream.flatMap((childList) -> childList.stream());



参考

https://www.ibm.com/developerworks/cn/java/j-lo-java8streamapi/

Stream 和 parallelStream
一.什么是Stream？
Stream 是在 Java8 新增的特性，普遍称其为流；它不是数据结构也不存放任何数据，其主要用于集合的逻辑处理。
二.和Iterator的区别
Iterator 做为迭代器，其按照一定的顺序迭代遍历集合中的每一个元素，并且对每个元素进行指定的操作。而 Stream 在此基础上还可以将这种操作并行化，利用多核处理器的优势快速处理集合（集合的数据会分成多个段，由多个线程处理）。
Stream 的数据源可以有无限多个。
三.Stream的使用
在使用Stream之前，建义先理解接口化编程，Stream将完全依赖于接口化编程方式。接下来我们以“打印集合中的每一个元素”为例，了解一下 Stream 的使用。
​									例3.1
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9); 
numbers.stream().forEach(num->System.out.println(num));

输出：1 2 3 4 5 6 7 8 9

由以上的列子可以看出，Stream 的遍历方式和结果与 Iterator 没什么差别，这是因为Stream的默认遍历是和迭代器相同的，保证以往使用迭代器的地方可以方便的改写为 Stream。
Stream 的强大之处在于其通过简单的链式编程，使得它可以方便地对遍历处理后的数据进行再处理。我们以“对集合中的数字加1，并转换成字符串”为例进行演示。
​									例3.2
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9);`

`List<String> strs = numbers.stream()`

`.map(num->Integer.toString(++num)).collect(Collectors.toList());

其中map()方法遍历处理每一个元素，并且返回一个新的Stream，随后collect方法将操作后的Stream解析为List。
Stream还提供了非常多的操作，如filter()过滤、skip()偏移等等，想要了解更多可以去翻阅JDK1.8手册或者相关资料。
四.并行流parallelStream
parallelStream提供了流的并行处理，它是Stream的另一重要特性，其底层使用Fork/Join框架实现。简单理解就是多线程异步任务的一种实现。
我们用例3.1中的示例演示一下parallelStream的使用。
​									例4.1
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9); 
numbers.parallelStream().forEach(num->System.out.println(num));

输出：3 4 2 6 7 9 8 1 5

我们发现，使用parallelStream后，结果并不按照集合原有顺序输出。为了进一步证明该操作是并行的，我们打印出线程信息。
​									例4.2
   List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9); 
   numbers.parallelStream() .forEach(num-
   		>System.out.println(Thread.currentThread().getName()+">>"+num)); 

输出：
main>>6 
ForkJoinPool.commonPool-worker-2>>8 
main>>5 ForkJoinPool.commonPool-worker-2>>9 
ForkJoinPool.commonPool-worker-1>>3 
ForkJoinPool.commonPool-worker-3>>2 
ForkJoinPool.commonPool-worker-1>>1 
ForkJoinPool.commonPool-worker-2>>7 
main>>4

通过例4.2可以确信parallelStream是利用多线程进行的，这可以很大程度简化我们使用并发操作。
我们可以通过虚拟机启动参数
-Djava.util.concurrent.ForkJoinPool.common.parallelism=N
来设置worker的数量。
五.并行流的陷阱
5.1.线程安全
由于并行流使用多线程，则一切线程安全问题都应该是需要考虑的问题，如：资源竞争、死锁、事务、可见性等等。
5.2.线程消费
在虚拟机启动时，我们指定了worker线程的数量，整个程序的生命周期都将使用这些工作线程；这必然存在任务生产和消费的问题，如果某个生产者生产了许多重量级的任务（耗时很长），那么其他任务毫无疑问将会没有工作线程可用；更可怕的事情是这些工作线程正在进行IO阻塞。
本应利用并行加速处理的业务，因为工作者不够反而会额外增加处理时间，使得系统性能在某一时刻大打折扣。而且这一类问题往往是很难排查的。我们并不知道一个重量级项目中的哪一个框架、哪一个模块在使用并行流。
接下来我们对这个问题进行演示：
​										例5.1




输出：


通过示例我们会发现，第一个并行流率先获得worker线程的使用权，第二个并行流变为串行；直到第14行，第一个并行流处理完毕，第二个并行流获取worker线程，开始并行处理。
小结：
串行流：适合存在线程安全问题、阻塞任务、重量级任务，以及需要使用同一事务的逻辑。
并行流：适合没有线程安全问题、较单纯的数据处理任务。

对于中间操作和终端操作的定义，请看《JAVA8 stream接口 中间操作和终端操作》，这篇主要讲述的是stream的count，anyMatch，allMatch，noneMatch操作，我们先看下函数的定义

    long count();  
  
    boolean anyMatch(Predicate<? super T> predicate);  
  
    boolean allMatch(Predicate<? super T> predicate);  
  
    boolean noneMatch(Predicate<? super T> predicate);

count方法，跟List接口的size一样，返回的都是这个集合流的元素的长度，不同的是，流是集合的一个高级工厂，中间操作是工厂里的每一道工序，我们对这个流操作完成后，可以进行元素的数量的和；

剩下的三个方法，传入的都是Predicate的函数式接口，接口定义请看《JAVA8 Predicate接口》；

anyMatch表示，判断的条件里，任意一个元素成功，返回true

allMatch表示，判断条件里的元素，所有的都是，返回true

noneMatch跟allMatch相反，判断条件里的元素，所有的都不是，返回true

下面，看几个例子

List<String> strs = Arrays.asList("a", "a", "a", "a", "b");
        boolean aa = strs.stream().anyMatch(str -> str.equals("a"));
        boolean bb = strs.stream().allMatch(str -> str.equals("a"));
        boolean cc = strs.stream().noneMatch(str -> str.equals("a"));
        long count = strs.stream().filter(str -> str.equals("a")).count();
        System.out.println(aa);// TRUE
        System.out.println(bb);// FALSE
        System.out.println(cc);// FALSE
        System.out.println(count);// 4

通过例子可以看到，变量aa的表达式，strs里的元素，任意有“a”，表示true

变量bb的表达式，strs里的元素，全部为“a”，表示true，否则false

变量cc的表达式，strs里的元素，全部不为“a”，表示true，否则false

--------------------分割线---------------------------------------

先看下如下代码

 public static void main(String[] args) {
        List<String> list = new ArrayList<>();
        boolean allMatch = list.stream().allMatch(e -> e.equals("a"));
        boolean anyMatch = list.stream().anyMatch(e -> e.equals("a"));
        boolean noneMatch = list.stream().noneMatch(e -> e.equals("a"));
        System.out.println(allMatch);// true
        System.out.println(anyMatch);// false
        System.out.println(noneMatch);// true
    }

最近，有小伙伴留言说，boolean allMatch = list.stream().allMatch(e -> e.equals("a"));

当list的为空集合时候，这个返回默认为true；按照实际的业务，理解这个的话，应该为false；然后网上搜索了一下，比较尴尬的是，很多都是抄下我之前的文章，秉承着，严谨的原则，查看了源码，下面是整个分析的过程；

详细看《java8 stream接口终端操作allMatch 当list为空集合的一些思考》

 

1.lambda表达式

《java8 Lambda表达式简介》

《java8 lambda表达式，方法的引用以及构造器的引用》

2.函数式接口

《java8 函数式接口简介》

《JAVA8 Function接口以及同类型的特化的接口》

《JAVA8 Consumer接口》

《JAVA8 Supplier接口》

《JAVA8 UnaryOperator接口》

《JAVA8 BiConsumer 接口》

3.stream接口操作

《java8 Stream接口简介》

《 java8 Stream-创建流的几种方式》

《JAVA8 stream接口 中间操作和终端操作》

《JAVA8 Stream接口，map操作，filter操作，flatMap操作》

《JAVA8 stream接口 distinct，sorted，peek，limit，skip》

《java8 stream接口 终端操作 forEachOrdered和forEach》

《java8 stream接口 终端操作 toArray操作》

《java8 stream接口 终端操作 min，max，findFirst，findAny操作》

《java8 stream接口终端操作 count，anyMatch，allMatch，noneMatch》

《java8 srteam接口终端操作reduce操作》

《java8 stream接口 终端操作 collect操作》

4.其他部分

《java8 Optional静态类简介，以及用法》

list去重，根据对象某个属性、某几个属性去重
去除List中重复的String

List unique = list.stream().distinct().collect(Collectors.toList());

去除List中重复的对象
// Person 对象
public class Person {
    private String id;
    
    private String name;
    
    private String sex;

    <!--省略 get set-->
}

// 根据name去重
List<Person> unique = persons.stream().collect(
            Collectors.collectingAndThen(
                    Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(Person::getName))), ArrayList::new)
);


// 根据name,sex两个属性去重
List<Person> unique = persons.stream().collect(
           Collectors. collectingAndThen(
                    Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(o -> o.getName() + ";" + o.getSex()))), ArrayList::new)
);


filter()过滤列表
List<Person> filterList = persons.stream().filter(p -> p.getSex().equals(1)).collect(Collectors.toList());


List转Map
从一个Person对象的List集合，取出id和name组成一个map集合
Map<String, String> collect = list.stream().collect(Collectors.toMap(p -> p.getId(), p -> p.getName()));

从 List 中取出某个属性的组成 list 集合
//1.提取出list对象中的一个属性
List<String> stIdList1 = stuList.stream().map(Person::getId).collect(Collectors.toList());

//2.提取出list对象中的一个属性并去重
List<String> stIdList2 = stuList.stream().map(Person::getId).distinct().collect(Collectors.toList());