|
|
|
|
# 32 | 加餐2:带你吃透课程中Java 8的那些重要知识点(二)
|
|
|
|
|
|
|
|
|
|
你好,我是朱晔。
|
|
|
|
|
|
|
|
|
|
上一讲的几个例子中,其实都涉及了Stream API的最基本使用方法。今天,我会与你详细介绍复杂、功能强大的Stream API。
|
|
|
|
|
|
|
|
|
|
Stream流式操作,用于对集合进行投影、转换、过滤、排序等,更进一步地,这些操作能链式串联在一起使用,类似于SQL语句,可以大大简化代码。可以说,Stream操作是Java 8中最重要的内容,也是这个课程大部分代码都会用到的操作。
|
|
|
|
|
|
|
|
|
|
我先说明下,有些案例可能不太好理解,建议你对着代码逐一到源码中查看Stream操作的方法定义,以及JDK中的代码注释。
|
|
|
|
|
|
|
|
|
|
## Stream操作详解
|
|
|
|
|
|
|
|
|
|
为了方便你理解Stream的各种操作,以及后面的案例,我先把这节课涉及的Stream操作汇总到了一张图中。你可以先熟悉一下。
|
|
|
|
|
|
|
|
|
|
![](https://static001.geekbang.org/resource/image/44/04/44a6f4cb8b413ef62c40a272cb474104.jpg)
|
|
|
|
|
|
|
|
|
|
在接下来的讲述中,我会围绕订单场景,给出如何使用Stream的各种API完成订单的统计、搜索、查询等功能,和你一起学习Stream流式操作的各种方法。你可以结合代码中的注释理解案例,也可以自己运行源码观察输出。
|
|
|
|
|
|
|
|
|
|
我们先定义一个订单类、一个订单商品类和一个顾客类,用作后续Demo代码的数据结构:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//订单类
|
|
|
|
|
@Data
|
|
|
|
|
public class Order {
|
|
|
|
|
private Long id;
|
|
|
|
|
private Long customerId;//顾客ID
|
|
|
|
|
private String customerName;//顾客姓名
|
|
|
|
|
private List<OrderItem> orderItemList;//订单商品明细
|
|
|
|
|
private Double totalPrice;//总价格
|
|
|
|
|
private LocalDateTime placedAt;//下单时间
|
|
|
|
|
}
|
|
|
|
|
//订单商品类
|
|
|
|
|
@Data
|
|
|
|
|
@AllArgsConstructor
|
|
|
|
|
@NoArgsConstructor
|
|
|
|
|
public class OrderItem {
|
|
|
|
|
private Long productId;//商品ID
|
|
|
|
|
private String productName;//商品名称
|
|
|
|
|
private Double productPrice;//商品价格
|
|
|
|
|
private Integer productQuantity;//商品数量
|
|
|
|
|
}
|
|
|
|
|
//顾客类
|
|
|
|
|
@Data
|
|
|
|
|
@AllArgsConstructor
|
|
|
|
|
public class Customer {
|
|
|
|
|
private Long id;
|
|
|
|
|
private String name;//顾客姓名
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
在这里,我们有一个orders字段保存了一些模拟数据,类型是List。这里,我就不贴出生成模拟数据的代码了。这不会影响你理解后面的代码,你也可以自己下载源码阅读。
|
|
|
|
|
|
|
|
|
|
### 创建流
|
|
|
|
|
|
|
|
|
|
要使用流,就要先创建流。创建流一般有五种方式:
|
|
|
|
|
|
|
|
|
|
* 通过stream方法把List或数组转换为流;
|
|
|
|
|
* 通过Stream.of方法直接传入多个元素构成一个流;
|
|
|
|
|
* 通过Stream.iterate方法使用迭代的方式构造一个无限流,然后使用limit限制流元素个数;
|
|
|
|
|
* 通过Stream.generate方法从外部传入一个提供元素的Supplier来构造无限流,然后使用limit限制流元素个数;
|
|
|
|
|
* 通过IntStream或DoubleStream构造基本类型的流。
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//通过stream方法把List或数组转换为流
|
|
|
|
|
@Test
|
|
|
|
|
public void stream()
|
|
|
|
|
{
|
|
|
|
|
Arrays.asList("a1", "a2", "a3").stream().forEach(System.out::println);
|
|
|
|
|
Arrays.stream(new int[]{1, 2, 3}).forEach(System.out::println);
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
//通过Stream.of方法直接传入多个元素构成一个流
|
|
|
|
|
@Test
|
|
|
|
|
public void of()
|
|
|
|
|
{
|
|
|
|
|
String[] arr = {"a", "b", "c"};
|
|
|
|
|
Stream.of(arr).forEach(System.out::println);
|
|
|
|
|
Stream.of("a", "b", "c").forEach(System.out::println);
|
|
|
|
|
Stream.of(1, 2, "a").map(item -> item.getClass().getName()).forEach(System.out::println);
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
//通过Stream.iterate方法使用迭代的方式构造一个无限流,然后使用limit限制流元素个数
|
|
|
|
|
@Test
|
|
|
|
|
public void iterate()
|
|
|
|
|
{
|
|
|
|
|
Stream.iterate(2, item -> item * 2).limit(10).forEach(System.out::println);
|
|
|
|
|
Stream.iterate(BigInteger.ZERO, n -> n.add(BigInteger.TEN)).limit(10).forEach(System.out::println);
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
//通过Stream.generate方法从外部传入一个提供元素的Supplier来构造无限流,然后使用limit限制流元素个数
|
|
|
|
|
@Test
|
|
|
|
|
public void generate()
|
|
|
|
|
{
|
|
|
|
|
Stream.generate(() -> "test").limit(3).forEach(System.out::println);
|
|
|
|
|
Stream.generate(Math::random).limit(10).forEach(System.out::println);
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
//通过IntStream或DoubleStream构造基本类型的流
|
|
|
|
|
@Test
|
|
|
|
|
public void primitive()
|
|
|
|
|
{
|
|
|
|
|
//演示IntStream和DoubleStream
|
|
|
|
|
IntStream.range(1, 3).forEach(System.out::println);
|
|
|
|
|
IntStream.range(0, 3).mapToObj(i -> "x").forEach(System.out::println);
|
|
|
|
|
|
|
|
|
|
IntStream.rangeClosed(1, 3).forEach(System.out::println);
|
|
|
|
|
DoubleStream.of(1.1, 2.2, 3.3).forEach(System.out::println);
|
|
|
|
|
|
|
|
|
|
//各种转换,后面注释代表了输出结果
|
|
|
|
|
System.out.println(IntStream.of(1, 2).toArray().getClass()); //class [I
|
|
|
|
|
System.out.println(Stream.of(1, 2).mapToInt(Integer::intValue).toArray().getClass()); //class [I
|
|
|
|
|
System.out.println(IntStream.of(1, 2).boxed().toArray().getClass()); //class [Ljava.lang.Object;
|
|
|
|
|
System.out.println(IntStream.of(1, 2).asDoubleStream().toArray().getClass()); //class [D
|
|
|
|
|
System.out.println(IntStream.of(1, 2).asLongStream().toArray().getClass()); //class [J
|
|
|
|
|
|
|
|
|
|
//注意基本类型流和装箱后的流的区别
|
|
|
|
|
Arrays.asList("a", "b", "c").stream() // Stream<String>
|
|
|
|
|
.mapToInt(String::length) // IntStream
|
|
|
|
|
.asLongStream() // LongStream
|
|
|
|
|
.mapToDouble(x -> x / 10.0) // DoubleStream
|
|
|
|
|
.boxed() // Stream<Double>
|
|
|
|
|
.mapToLong(x -> 1L) // LongStream
|
|
|
|
|
.mapToObj(x -> "") // Stream<String>
|
|
|
|
|
.collect(Collectors.toList());
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
### filter
|
|
|
|
|
|
|
|
|
|
filter方法可以实现过滤操作,类似SQL中的where。我们可以使用一行代码,通过filter方法实现查询所有订单中最近半年金额大于40的订单,通过连续叠加filter方法进行多次条件过滤:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//最近半年的金额大于40的订单
|
|
|
|
|
orders.stream()
|
|
|
|
|
.filter(Objects::nonNull) //过滤null值
|
|
|
|
|
.filter(order -> order.getPlacedAt().isAfter(LocalDateTime.now().minusMonths(6))) //最近半年的订单
|
|
|
|
|
.filter(order -> order.getTotalPrice() > 40) //金额大于40的订单
|
|
|
|
|
.forEach(System.out::println);
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
如果不使用Stream的话,必然需要一个中间集合来收集过滤后的结果,而且所有的过滤条件会堆积在一起,代码冗长且不易读。
|
|
|
|
|
|
|
|
|
|
### map
|
|
|
|
|
|
|
|
|
|
map操作可以做转换(或者说投影),类似SQL中的select。为了对比,我用两种方式统计订单中所有商品的数量,前一种是通过两次遍历实现,后一种是通过两次mapToLong+sum方法实现:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//计算所有订单商品数量
|
|
|
|
|
//通过两次遍历实现
|
|
|
|
|
LongAdder longAdder = new LongAdder();
|
|
|
|
|
orders.stream().forEach(order ->
|
|
|
|
|
order.getOrderItemList().forEach(orderItem -> longAdder.add(orderItem.getProductQuantity())));
|
|
|
|
|
|
|
|
|
|
//使用两次mapToLong+sum方法实现
|
|
|
|
|
assertThat(longAdder.longValue(), is(orders.stream().mapToLong(order ->
|
|
|
|
|
order.getOrderItemList().stream()
|
|
|
|
|
.mapToLong(OrderItem::getProductQuantity).sum()).sum()));
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
显然,后一种方式无需中间变量longAdder,更直观。
|
|
|
|
|
|
|
|
|
|
这里再补充一下,使用for循环生成数据,是我们平时常用的操作,也是这个课程会大量用到的。现在,我们可以用一行代码使用IntStream配合mapToObj替代for循环来生成数据,比如生成10个Product元素构成List:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//把IntStream通过转换Stream<Project>
|
|
|
|
|
System.out.println(IntStream.rangeClosed(1,10)
|
|
|
|
|
.mapToObj(i->new Product((long)i, "product"+i, i*100.0))
|
|
|
|
|
.collect(toList()));
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
### flatMap
|
|
|
|
|
|
|
|
|
|
接下来,我们看看flatMap展开或者叫扁平化操作,相当于map+flat,通过map把每一个元素替换为一个流,然后展开这个流。
|
|
|
|
|
|
|
|
|
|
比如,我们要统计所有订单的总价格,可以有两种方式:
|
|
|
|
|
|
|
|
|
|
* 直接通过原始商品列表的商品个数\*商品单价统计的话,可以先把订单通过flatMap展开成商品清单,也就是把Order替换为Stream,然后对每一个OrderItem用mapToDouble转换获得商品总价,最后进行一次sum求和;
|
|
|
|
|
* 利用flatMapToDouble方法把列表中每一项展开替换为一个DoubleStream,也就是直接把每一个订单转换为每一个商品的总价,然后求和。
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//直接展开订单商品进行价格统计
|
|
|
|
|
System.out.println(orders.stream()
|
|
|
|
|
.flatMap(order -> order.getOrderItemList().stream())
|
|
|
|
|
.mapToDouble(item -> item.getProductQuantity() * item.getProductPrice()).sum());
|
|
|
|
|
|
|
|
|
|
//另一种方式flatMap+mapToDouble=flatMapToDouble
|
|
|
|
|
System.out.println(orders.stream()
|
|
|
|
|
.flatMapToDouble(order ->
|
|
|
|
|
order.getOrderItemList()
|
|
|
|
|
.stream().mapToDouble(item -> item.getProductQuantity() * item.getProductPrice()))
|
|
|
|
|
.sum());
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
这两种方式可以得到相同的结果,并无本质区别。
|
|
|
|
|
|
|
|
|
|
### sorted
|
|
|
|
|
|
|
|
|
|
sorted操作可以用于行内排序的场景,类似SQL中的order by。比如,要实现大于50元订单的按价格倒序取前5,可以通过Order::getTotalPrice方法引用直接指定需要排序的依据字段,通过reversed()实现倒序:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//大于50的订单,按照订单价格倒序前5
|
|
|
|
|
orders.stream().filter(order -> order.getTotalPrice() > 50)
|
|
|
|
|
.sorted(comparing(Order::getTotalPrice).reversed())
|
|
|
|
|
.limit(5)
|
|
|
|
|
.forEach(System.out::println);
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
### distinct
|
|
|
|
|
|
|
|
|
|
distinct操作的作用是去重,类似SQL中的distinct。比如下面的代码实现:
|
|
|
|
|
|
|
|
|
|
* 查询去重后的下单用户。使用map从订单提取出购买用户,然后使用distinct去重。
|
|
|
|
|
* 查询购买过的商品名。使用flatMap+map提取出订单中所有的商品名,然后使用distinct去重。
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//去重的下单用户
|
|
|
|
|
System.out.println(orders.stream().map(order -> order.getCustomerName()).distinct().collect(joining(",")));
|
|
|
|
|
|
|
|
|
|
//所有购买过的商品
|
|
|
|
|
System.out.println(orders.stream()
|
|
|
|
|
.flatMap(order -> order.getOrderItemList().stream())
|
|
|
|
|
.map(OrderItem::getProductName)
|
|
|
|
|
.distinct().collect(joining(",")));
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
### skip & limit
|
|
|
|
|
|
|
|
|
|
skip和limit操作用于分页,类似MySQL中的limit。其中,skip实现跳过一定的项,limit用于限制项总数。比如下面的两段代码:
|
|
|
|
|
|
|
|
|
|
* 按照下单时间排序,查询前2个订单的顾客姓名和下单时间;
|
|
|
|
|
* 按照下单时间排序,查询第3和第4个订单的顾客姓名和下单时间。
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//按照下单时间排序,查询前2个订单的顾客姓名和下单时间
|
|
|
|
|
orders.stream()
|
|
|
|
|
.sorted(comparing(Order::getPlacedAt))
|
|
|
|
|
.map(order -> order.getCustomerName() + "@" + order.getPlacedAt())
|
|
|
|
|
.limit(2).forEach(System.out::println);
|
|
|
|
|
//按照下单时间排序,查询第3和第4个订单的顾客姓名和下单时间
|
|
|
|
|
orders.stream()
|
|
|
|
|
.sorted(comparing(Order::getPlacedAt))
|
|
|
|
|
.map(order -> order.getCustomerName() + "@" + order.getPlacedAt())
|
|
|
|
|
.skip(2).limit(2).forEach(System.out::println);
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
### collect
|
|
|
|
|
|
|
|
|
|
collect是收集操作,对流进行终结(终止)操作,把流导出为我们需要的数据结构。“终结”是指,导出后,无法再串联使用其他中间操作,比如filter、map、flatmap、sorted、distinct、limit、skip。
|
|
|
|
|
|
|
|
|
|
在Stream操作中,collect是最复杂的终结操作,比较简单的终结操作还有forEach、toArray、min、max、count、anyMatch等,我就不再展开了,你可以查询[JDK文档](https://docs.oracle.com/javase/8/docs/api/java/util/stream/Stream.html),搜索terminal operation或intermediate operation。
|
|
|
|
|
|
|
|
|
|
接下来,我通过6个案例,来演示下几种比较常用的collect操作:
|
|
|
|
|
|
|
|
|
|
* 第一个案例,实现了字符串拼接操作,生成一定位数的随机字符串。
|
|
|
|
|
* 第二个案例,通过Collectors.toSet静态方法收集为Set去重,得到去重后的下单用户,再通过Collectors.joining静态方法实现字符串拼接。
|
|
|
|
|
* 第三个案例,通过Collectors.toCollection静态方法获得指定类型的集合,比如把List转换为LinkedList。
|
|
|
|
|
* 第四个案例,通过Collectors.toMap静态方法将对象快速转换为Map,Key是订单ID、Value是下单用户名。
|
|
|
|
|
* 第五个案例,通过Collectors.toMap静态方法将对象转换为Map。Key是下单用户名,Value是下单时间,一个用户可能多次下单,所以直接在这里进行了合并,只获取最近一次的下单时间。
|
|
|
|
|
* 第六个案例,使用Collectors.summingInt方法对商品数量求和,再使用Collectors.averagingInt方法对结果求平均值,以统计所有订单平均购买的商品数量。
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//生成一定位数的随机字符串
|
|
|
|
|
System.out.println(random.ints(48, 122)
|
|
|
|
|
.filter(i -> (i < 57 || i > 65) && (i < 90 || i > 97))
|
|
|
|
|
.mapToObj(i -> (char) i)
|
|
|
|
|
.limit(20)
|
|
|
|
|
.collect(StringBuilder::new, StringBuilder::append, StringBuilder::append)
|
|
|
|
|
.toString());
|
|
|
|
|
|
|
|
|
|
//所有下单的用户,使用toSet去重后实现字符串拼接
|
|
|
|
|
System.out.println(orders.stream()
|
|
|
|
|
.map(order -> order.getCustomerName()).collect(toSet())
|
|
|
|
|
.stream().collect(joining(",", "[", "]")));
|
|
|
|
|
|
|
|
|
|
//用toCollection收集器指定集合类型
|
|
|
|
|
System.out.println(orders.stream().limit(2).collect(toCollection(LinkedList::new)).getClass());
|
|
|
|
|
|
|
|
|
|
//使用toMap获取订单ID+下单用户名的Map
|
|
|
|
|
orders.stream()
|
|
|
|
|
.collect(toMap(Order::getId, Order::getCustomerName))
|
|
|
|
|
.entrySet().forEach(System.out::println);
|
|
|
|
|
|
|
|
|
|
//使用toMap获取下单用户名+最近一次下单时间的Map
|
|
|
|
|
orders.stream()
|
|
|
|
|
.collect(toMap(Order::getCustomerName, Order::getPlacedAt, (x, y) -> x.isAfter(y) ? x : y))
|
|
|
|
|
.entrySet().forEach(System.out::println);
|
|
|
|
|
|
|
|
|
|
//订单平均购买的商品数量
|
|
|
|
|
System.out.println(orders.stream().collect(averagingInt(order ->
|
|
|
|
|
order.getOrderItemList().stream()
|
|
|
|
|
.collect(summingInt(OrderItem::getProductQuantity)))));
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
可以看到,这6个操作使用Stream方式一行代码就可以实现,但使用非Stream方式实现的话,都需要几行甚至十几行代码。
|
|
|
|
|
|
|
|
|
|
有关Collectors类的一些常用静态方法,我总结到了一张图中,你可以再整理一下思路:
|
|
|
|
|
|
|
|
|
|
![](https://static001.geekbang.org/resource/image/5a/de/5af5ba60d7af2c8780b69bc6c71cf3de.png)
|
|
|
|
|
|
|
|
|
|
其中,groupBy和partitionBy比较复杂,我和你举例介绍。
|
|
|
|
|
|
|
|
|
|
### groupBy
|
|
|
|
|
|
|
|
|
|
groupBy是分组统计操作,类似SQL中的group by子句。它和后面介绍的partitioningBy都是特殊的收集器,同样也是终结操作。分组操作比较复杂,为帮你理解得更透彻,我准备了8个案例:
|
|
|
|
|
|
|
|
|
|
* 第一个案例,按照用户名分组,使用Collectors.counting方法统计每个人的下单数量,再按照下单数量倒序输出。
|
|
|
|
|
* 第二个案例,按照用户名分组,使用Collectors.summingDouble方法统计订单总金额,再按总金额倒序输出。
|
|
|
|
|
* 第三个案例,按照用户名分组,使用两次Collectors.summingInt方法统计商品采购数量,再按总数量倒序输出。
|
|
|
|
|
* 第四个案例,统计被采购最多的商品。先通过flatMap把订单转换为商品,然后把商品名作为Key、Collectors.summingInt作为Value分组统计采购数量,再按Value倒序获取第一个Entry,最后查询Key就得到了售出最多的商品。
|
|
|
|
|
* 第五个案例,同样统计采购最多的商品。相比第四个案例排序Map的方式,这次直接使用Collectors.maxBy收集器获得最大的Entry。
|
|
|
|
|
* 第六个案例,按照用户名分组,统计用户下的金额最高的订单。Key是用户名,Value是Order,直接通过Collectors.maxBy方法拿到金额最高的订单,然后通过collectingAndThen实现Optional.get的内容提取,最后遍历Key/Value即可。
|
|
|
|
|
* 第七个案例,根据下单年月分组统计订单ID列表。Key是格式化成年月后的下单时间,Value直接通过Collectors.mapping方法进行了转换,把订单列表转换为订单ID构成的List。
|
|
|
|
|
* 第八个案例,根据下单年月+用户名两次分组统计订单ID列表,相比上一个案例多了一次分组操作,第二次分组是按照用户名进行分组。
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//按照用户名分组,统计下单数量
|
|
|
|
|
System.out.println(orders.stream().collect(groupingBy(Order::getCustomerName, counting()))
|
|
|
|
|
.entrySet().stream().sorted(Map.Entry.<String, Long>comparingByValue().reversed()).collect(toList()));
|
|
|
|
|
|
|
|
|
|
//按照用户名分组,统计订单总金额
|
|
|
|
|
System.out.println(orders.stream().collect(groupingBy(Order::getCustomerName, summingDouble(Order::getTotalPrice)))
|
|
|
|
|
.entrySet().stream().sorted(Map.Entry.<String, Double>comparingByValue().reversed()).collect(toList()));
|
|
|
|
|
|
|
|
|
|
//按照用户名分组,统计商品采购数量
|
|
|
|
|
System.out.println(orders.stream().collect(groupingBy(Order::getCustomerName,
|
|
|
|
|
summingInt(order -> order.getOrderItemList().stream()
|
|
|
|
|
.collect(summingInt(OrderItem::getProductQuantity)))))
|
|
|
|
|
.entrySet().stream().sorted(Map.Entry.<String, Integer>comparingByValue().reversed()).collect(toList()));
|
|
|
|
|
|
|
|
|
|
//统计最受欢迎的商品,倒序后取第一个
|
|
|
|
|
orders.stream()
|
|
|
|
|
.flatMap(order -> order.getOrderItemList().stream())
|
|
|
|
|
.collect(groupingBy(OrderItem::getProductName, summingInt(OrderItem::getProductQuantity)))
|
|
|
|
|
.entrySet().stream()
|
|
|
|
|
.sorted(Map.Entry.<String, Integer>comparingByValue().reversed())
|
|
|
|
|
.map(Map.Entry::getKey)
|
|
|
|
|
.findFirst()
|
|
|
|
|
.ifPresent(System.out::println);
|
|
|
|
|
|
|
|
|
|
//统计最受欢迎的商品的另一种方式,直接利用maxBy
|
|
|
|
|
orders.stream()
|
|
|
|
|
.flatMap(order -> order.getOrderItemList().stream())
|
|
|
|
|
.collect(groupingBy(OrderItem::getProductName, summingInt(OrderItem::getProductQuantity)))
|
|
|
|
|
.entrySet().stream()
|
|
|
|
|
.collect(maxBy(Map.Entry.comparingByValue()))
|
|
|
|
|
.map(Map.Entry::getKey)
|
|
|
|
|
.ifPresent(System.out::println);
|
|
|
|
|
|
|
|
|
|
//按照用户名分组,选用户下的总金额最大的订单
|
|
|
|
|
orders.stream().collect(groupingBy(Order::getCustomerName, collectingAndThen(maxBy(comparingDouble(Order::getTotalPrice)), Optional::get)))
|
|
|
|
|
.forEach((k, v) -> System.out.println(k + "#" + v.getTotalPrice() + "@" + v.getPlacedAt()));
|
|
|
|
|
|
|
|
|
|
//根据下单年月分组,统计订单ID列表
|
|
|
|
|
System.out.println(orders.stream().collect
|
|
|
|
|
(groupingBy(order -> order.getPlacedAt().format(DateTimeFormatter.ofPattern("yyyyMM")),
|
|
|
|
|
mapping(order -> order.getId(), toList()))));
|
|
|
|
|
|
|
|
|
|
//根据下单年月+用户名两次分组,统计订单ID列表
|
|
|
|
|
System.out.println(orders.stream().collect
|
|
|
|
|
(groupingBy(order -> order.getPlacedAt().format(DateTimeFormatter.ofPattern("yyyyMM")),
|
|
|
|
|
groupingBy(order -> order.getCustomerName(),
|
|
|
|
|
mapping(order -> order.getId(), toList())))));
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
如果不借助Stream转换为普通的Java代码,实现这些复杂的操作可能需要几十行代码。
|
|
|
|
|
|
|
|
|
|
### partitionBy
|
|
|
|
|
|
|
|
|
|
partitioningBy用于分区,分区是特殊的分组,只有true和false两组。比如,我们把用户按照是否下单进行分区,给partitioningBy方法传入一个Predicate作为数据分区的区分,输出是Map<Boolean, List<T>>:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
public static <T>
|
|
|
|
|
Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(Predicate<? super T> predicate) {
|
|
|
|
|
return partitioningBy(predicate, toList());
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
测试一下,partitioningBy配合anyMatch,可以把用户分为下过订单和没下过订单两组:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
//根据是否有下单记录进行分区
|
|
|
|
|
System.out.println(Customer.getData().stream().collect(
|
|
|
|
|
partitioningBy(customer -> orders.stream().mapToLong(Order::getCustomerId)
|
|
|
|
|
.anyMatch(id -> id == customer.getId()))));
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
## 重点回顾
|
|
|
|
|
|
|
|
|
|
今天,我用了大量的篇幅和案例,和你展开介绍了Stream中很多具体的流式操作方法。有些案例可能不太好理解,我建议你对着代码逐一到源码中查看这些操作的方法定义,以及JDK中的代码注释。
|
|
|
|
|
|
|
|
|
|
最后,我建议你思考下,在日常工作中还会使用SQL统计哪些信息,这些SQL是否也可以用Stream来改写呢?Stream的API博大精深,但其中又有规律可循。这其中的规律主要就是,理清楚这些API传参的函数式接口定义,就能搞明白到底是需要我们提供数据、消费数据、还是转换数据等。那,掌握Stream的方法便是,多测试多练习,以强化记忆、加深理解。
|
|
|
|
|
|
|
|
|
|
今天用到的代码,我都放在了GitHub上,你可以点击[这个链接](https://github.com/JosephZhu1983/java-common-mistakes)查看。
|
|
|
|
|
|
|
|
|
|
## 思考与讨论
|
|
|
|
|
|
|
|
|
|
1. 使用Stream可以非常方便地对List做各种操作,那有没有什么办法可以实现在整个过程中观察数据变化呢?比如,我们进行filter+map操作,如何观察filter后map的原始数据呢?
|
|
|
|
|
2. Collectors类提供了很多现成的收集器,那我们有没有办法实现自定义的收集器呢?比如,实现一个MostPopularCollector,来得到List中出现次数最多的元素,满足下面两个测试用例:
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
assertThat(Stream.of(1, 1, 2, 2, 2, 3, 4, 5, 5).collect(new MostPopularCollector<>()).get(), is(2));
|
|
|
|
|
assertThat(Stream.of('a', 'b', 'c', 'c', 'c', 'd').collect(new MostPopularCollector<>()).get(), is('c'));
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
关于Java 8,你还有什么使用心得吗?我是朱晔,欢迎在评论区与我留言分享你的想法,也欢迎你把这篇文章分享给你的朋友或同事,一起交流。
|
|
|
|
|
|