深入解析 Java Stream 编程：高效处理数据的新范式

2024-06-21 15:12
文章标签 java 数据 高效 深入 编程 处理 解析 范式 stream

本文主要是介绍深入解析 Java Stream 编程：高效处理数据的新范式，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Java 8 引入了一个强大而灵活的 API——Stream API，为我们提供了一种声明性处理数据集的方法。Stream API 大大简化了集合操作，让开发者可以以更高效、更可读的方式编写代码。这篇文章将深入探讨 Java Stream 编程的方方面面，通过多个详细的代码示例，帮助你全面理解和掌握这一强大的工具。

一、初识 Java Stream

1.1 什么是 Stream

Stream 是 Java 8 中 java.util.stream 包下的一个接口，用于处理集合类（如 List、Set 等）和数组的元素序列。Stream 不是数据结构，而是对数据源的一个抽象视图，提供了对数据源进行一系列操作的能力。

1.2 Stream 的特点

  • 惰性求值：Stream 的操作是延迟执行的，只有在需要结果时才会执行。这种特性使得 Stream 可以进行复杂的操作链，而不会带来性能损失。
  • 无副作用：Stream 操作不会修改原始数据源，而是会生成一个新的数据流。
  • 可并行化：Stream API 支持并行处理，可以充分利用多核处理器的优势。

1.3 创建 Stream

Stream 可以通过多种方式创建，最常见的是通过集合、数组和文件。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Stream;public class StreamCreation {public static void main(String[] args) {// 通过集合创建 StreamList<String> list = Arrays.asList("a", "b", "c");Stream<String> streamFromList = list.stream();// 通过数组创建 StreamString[] array = {"x", "y", "z"};Stream<String> streamFromArray = Arrays.stream(array);// 通过 Stream.of 方法创建 StreamStream<String> streamFromValues = Stream.of("one", "two", "three");// 通过文件创建 Stream（略）// Stream<String> streamFromFile = Files.lines(Paths.get("data.txt"));}
}

二、Stream 的操作类型

Stream 的操作分为两类：中间操作（Intermediate Operation）和终端操作（Terminal Operation）。

2.1 中间操作

中间操作返回一个新的 Stream，允许多个操作链式调用。常见的中间操作包括 filter、map、sorted、distinct、limit、skip 等。

2.1.1 filter

filter 方法用于对 Stream 中的元素进行过滤，保留满足条件的元素。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;public class StreamFilter {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);List<Integer> evenNumbers = numbers.stream().filter(n -> n % 2 == 0).collect(Collectors.toList());System.out.println(evenNumbers); // 输出: [2, 4, 6]}
}
2.1.2 map

map 方法用于对 Stream 中的每个元素应用一个函数，并将其映射成新的元素。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;public class StreamMap {public static void main(String[] args) {List<String> names = Arrays.asList("Alice", "Bob", "Charlie");List<String> upperCaseNames = names.stream().map(String::toUpperCase).collect(Collectors.toList());System.out.println(upperCaseNames); // 输出: [ALICE, BOB, CHARLIE]}
}
2.1.3 sorted

sorted 方法用于对 Stream 中的元素进行排序，默认是自然顺序，也可以传入自定义比较器。

import java.util.Arrays;
import java.util.List;public class StreamSorted {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(3, 1, 4, 1, 5, 9);List<Integer> sortedNumbers = numbers.stream().sorted().collect(Collectors.toList());System.out.println(sortedNumbers); // 输出: [1, 1, 3, 4, 5, 9]}
}

2.2 终端操作

终端操作会触发 Stream 的计算，并生成一个结果。常见的终端操作包括 forEach、collect、reduce、count、anyMatch、allMatch、noneMatch、findFirst、findAny 等。

2.2.1 forEach

forEach 方法用于对 Stream 中的每个元素执行一个动作。

import java.util.Arrays;
import java.util.List;public class StreamForEach {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry");items.stream().forEach(System.out::println);}
}
2.2.2 collect

collect 方法用于将 Stream 中的元素收集到一个集合或其他容器中。

import java.util.Arrays;
import java.util.List;
import java.util.Set;
import java.util.stream.Collectors;public class StreamCollect {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry");Set<String> itemSet = items.stream().collect(Collectors.toSet());System.out.println(itemSet); // 输出: [banana, cherry, apple]}
}
2.2.3 reduce

reduce 方法用于将 Stream 中的元素组合起来，生成一个值。它可以用于实现求和、求积、求最大值等操作。

import java.util.Arrays;
import java.util.List;public class StreamReduce {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);int sum = numbers.stream().reduce(0, Integer::sum);System.out.println(sum); // 输出: 15}
}

三、Stream 的高级用法

3.1 并行流

Stream API 提供了并行处理的能力，只需要调用 parallelStream 方法或 parallel 方法即可。并行流能够充分利用多核处理器，提高处理速度。

import java.util.Arrays;
import java.util.List;public class ParallelStream {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);int sum = numbers.parallelStream().reduce(0, Integer::sum);System.out.println(sum); // 输出: 55}
}

3.2 无限流

Stream API 允许创建无限流，这种流可以无限生成数据。常见的方法有 Stream.iterate 和 Stream.generate。

import java.util.stream.Stream;public class InfiniteStream {public static void main(String[] args) {Stream<Integer> infiniteStream = Stream.iterate(0, n -> n + 1);infiniteStream.limit(10).forEach(System.out::println);}
}

3.3 自定义收集器

Stream API 提供了 Collectors 类，用于预定义的收集器。我们也可以自定义收集器，来满足特殊需求。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collector;
import java.util.stream.Collectors;public class CustomCollector {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry");Collector<String, StringBuilder, String> customCollector =Collector.of(StringBuilder::new, StringBuilder::append, StringBuilder::append, StringBuilder::toString);String result = items.stream().collect(customCollector);System.out.println(result); // 输出: applebananacherry}
}

3.4 分组和分区

Stream API 提供了强大的分组和分区功能，可以根据一定的规则对元素进行分组或分区。

3.4.1 分组
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;public class StreamGrouping {public static void main(String[] args) {List<String> items = Arrays.asList("apple", "banana", "cherry", "apricot", "blueberry");Map<Character, List<String>> groupedByFirstLetter = items.stream().collect(Collectors.groupingBy(s -> s.charAt(0)));System.out.println(groupedByFirstLetter);// 输出: {a=[apple, apricot], b=[banana, blueberry], c=[cherry]}}
}
3.4.2

分区

import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;public class StreamPartitioning {public static void main(String[] args) {List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);Map<Boolean, List<Integer>> partitionedByEven = numbers.stream().collect(Collectors.partitioningBy(n -> n % 2 == 0));System.out.println(partitionedByEven);// 输出: {false=[1, 3, 5], true=[2, 4, 6]}}
}

四、Stream 的实际应用

4.1 处理大数据集

Stream API 在处理大数据集时表现尤为出色，尤其是结合并行流，可以显著提升处理速度。

import java.util.List;
import java.util.Random;
import java.util.stream.Collectors;
import java.util.stream.IntStream;public class StreamLargeDataset {public static void main(String[] args) {List<Integer> largeDataset = new Random().ints(1, 1000000).limit(1000000).boxed().collect(Collectors.toList());long startTime = System.currentTimeMillis();int max = largeDataset.parallelStream().reduce(Integer::max).orElseThrow();long endTime = System.currentTimeMillis();System.out.println("Max value: " + max);System.out.println("Time taken: " + (endTime - startTime) + " ms");}
}

4.2 文件处理

Stream API 也可以方便地处理文件数据，例如读取大文件并进行数据处理。

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Paths;
import java.util.stream.Stream;public class StreamFileProcessing {public static void main(String[] args) {try (Stream<String> lines = Files.lines(Paths.get("data.txt"))) {lines.filter(line -> line.contains("error")).forEach(System.out::println);} catch (IOException e) {e.printStackTrace();}}
}

4.3 数据转换和格式化

Stream API 还可以用于复杂的数据转换和格式化操作，简化代码逻辑，提高可读性。

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;public class StreamDataTransformation {public static void main(String[] args) {List<String> rawData = Arrays.asList("1,John,Doe", "2,Jane,Smith", "3,Bob,Johnson");List<User> users = rawData.stream().map(line -> {String[] parts = line.split(",");return new User(Integer.parseInt(parts[0]), parts[1], parts[2]);}).collect(Collectors.toList());users.forEach(System.out::println);}static class User {int id;String firstName;String lastName;User(int id, String firstName, String lastName) {this.id = id;this.firstName = firstName;this.lastName = lastName;}@Overridepublic String toString() {return "User{id=" + id + ", firstName='" + firstName + "', lastName='" + lastName + "'}";}}
}

五、Stream 的性能优化

虽然 Stream API 提供了强大的功能，但在使用时也需要注意性能优化。以下是几个常见的优化技巧：

5.1 避免不必要的中间操作

尽量减少不必要的中间操作，以降低开销。例如，可以合并多个 filter 操作为一个。

5.2 合理使用并行流

并行流可以提高性能，但在某些情况下（如数据量较小或操作代价较低），并行处理可能反而会带来额外的开销。

5.3 使用合适的数据结构

选择合适的数据结构也能显著影响性能。例如，对于频繁插入和删除的操作，LinkedList 可能比 ArrayList 更高效。

六、总结

本文详细介绍了 Java Stream 编程的基础知识和高级用法，并通过多个代码示例展示了如何使用 Stream API 进行各种操作。Stream API 的引入为 Java 开发者提供了一种声明性处理数据的新范式，使得代码更加简洁、可读且高效。希望这篇文章能帮助你更好地理解和掌握 Java Stream 编程，从而在实际项目中更高效地处理数据。

在未来的开发中，充分利用 Stream API 的强大功能，可以显著提升代码质量和开发效率。同时，随着对 Stream API 的深入研究，相信你会发现更多有趣的用法和优化技巧。继续探索和实践吧，Java Stream 的世界充满了无限可能！

参考文献

  • Java Documentation: Stream API
  • Java Tutorials: Aggregate Operations
  • Java 8 in Action

这篇关于深入解析 Java Stream 编程：高效处理数据的新范式的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1081570。

相关文章

Spring Boot集成/输出/日志级别控制/持久化开发实践

Spring Boot集成/输出/日志级别控制/持久化开发实践

《SpringBoot集成/输出/日志级别控制/持久化开发实践》SpringBoot默认集成Logback,支持灵活日志级别配置（INFO/DEBUG等）,输出包含时间戳、级别、类名等信息,并可通过... 目录一、日志概述1.1、Spring Boot日志简介1.2、日志框架与默认配置1.3、日志的核心作用
阅读更多...
破茧 JDBC:MyBatis 在 Spring Boot 中的轻量实践指南

破茧 JDBC:MyBatis 在 Spring Boot 中的轻量实践指南

《破茧JDBC:MyBatis在SpringBoot中的轻量实践指南》MyBatis是持久层框架,简化JDBC开发,通过接口+XML/注解实现数据访问,动态代理生成实现类,支持增删改查及参数... 目录一、什么是 MyBATis二、 MyBatis 入门2.1、创建项目2.2、配置数据库连接字符串2.3、入
阅读更多...
Springboot项目启动失败提示找不到dao类的解决

Springboot项目启动失败提示找不到dao类的解决

《Springboot项目启动失败提示找不到dao类的解决》SpringBoot启动失败,因ProductServiceImpl未正确注入ProductDao,原因：Dao未注册为Bean,解决：在启... 目录错误描述原因解决方法总结***************************APPLICA编
阅读更多...
深度解析Spring Security 中的 SecurityFilterChain核心功能

深度解析Spring Security 中的 SecurityFilterChain核心功能

《深度解析SpringSecurity中的SecurityFilterChain核心功能》SecurityFilterChain通过组件化配置、类型安全路径匹配、多链协同三大特性,重构了Spri... 目录Spring Security 中的SecurityFilterChain深度解析一、Security
阅读更多...
SpringBoot多环境配置数据读取方式

SpringBoot多环境配置数据读取方式

《SpringBoot多环境配置数据读取方式》SpringBoot通过环境隔离机制,支持properties/yaml/yml多格式配置,结合@Value、Environment和@Configura... 目录一、多环境配置的核心思路二、3种配置文件格式详解2.1 properties格式（传统格式）1.
阅读更多...
Apache Ignite 与 Spring Boot 集成详细指南

Apache Ignite 与 Spring Boot 集成详细指南

《ApacheIgnite与SpringBoot集成详细指南》ApacheIgnite官方指南详解如何通过SpringBootStarter扩展实现自动配置,支持厚/轻客户端模式,简化Ign... 目录 一、背景：为什么需要这个集成？ 二、两种集成方式（对应两种客户端模型） 三、方式一：自动配置 Thick
阅读更多...
解决pandas无法读取csv文件数据的问题

解决pandas无法读取csv文件数据的问题

《解决pandas无法读取csv文件数据的问题》本文讲述作者用Pandas读取CSV文件时因参数设置不当导致数据错位,通过调整delimiter和on_bad_lines参数最终解决问题,并强调正确参... 目录一、前言二、问题复现1. 问题2. 通过 on_bad_lines=‘warn’ 跳过异常数据3
阅读更多...
全面解析Golang 中的 Gorilla CORS 中间件正确用法

全面解析Golang 中的 Gorilla CORS 中间件正确用法

《全面解析Golang中的GorillaCORS中间件正确用法》Golang中使用gorilla/mux路由器配合rs/cors中间件库可以优雅地解决这个问题,然而,很多人刚开始使用时会遇到配... 目录如何让 golang 中的 Gorilla CORS 中间件正确工作一、基础依赖二、错误用法（很多人一开
阅读更多...
Spring WebClient从入门到精通

Spring WebClient从入门到精通

《SpringWebClient从入门到精通》本文详解SpringWebClient非阻塞响应式特性及优势,涵盖核心API、实战应用与性能优化,对比RestTemplate,为微服务通信提供高效解决... 目录一、WebClient 概述1.1 为什么选择 WebClient？1.2 WebClient 与
阅读更多...
Java.lang.InterruptedException被中止异常的原因及解决方案

Java.lang.InterruptedException被中止异常的原因及解决方案

《Java.lang.InterruptedException被中止异常的原因及解决方案》Java.lang.InterruptedException是线程被中断时抛出的异常,用于协作停止执行,常见于... 目录报错问题报错原因解决方法Java.lang.InterruptedException 是 Jav
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2