代码拉取完成,页面将自动刷新
同步操作将从 JustryDeng/notebook 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
Stream(上)主要学习的内容有:
Stream(下)主要学习的内容有:
串行流:
并行流:
相关说明:
listA.parallelStream().map(x -> {listB.add(x); return x;}).forEachOrdered(System.out::print)
中,listA的并行流中 进行x -> {listB.add(x); return x;}
操作,即:多线程中调用listB的add方法,如果listB是线程不安全的,那么就可能出现问题。示例:
/**
* 获取串行流:
* Collection.stream(): 获取串行Stream
* Stream.of(T... values): 获取串行Stream
* stream.sequential(): 获取串行Stream
* Arrays.stream()
* ……
*
* 获取并行流:
* Collection.parallelStream(): 获取并行Stream
* stream.parallel(): 获取并行Stream
* ……
*
* 注:获取Stream实例的方式方式比较多,这里只示例了最基本的几种方式。
*
* 相关说明:
* 1、串行流由单线程进行处理执行, 并行流由多线程进行处理执行。
* 2、在多核的情况下,并行流效率更高。
* 3、推荐使用Stream,而不使用显示迭代(如: for循环等)。
* 4、显示循环、串行流、并行流的性能比较可参考<linked>https://blog.csdn.net/java1856905/article/details/88640557</linked>
* 5、串行流、并行流的只是介绍可参考<linked>https://www.jianshu.com/p/19ffb2c9438a</linked>
* 6、在使用并行流时,如果只是用其来处理集合A本身的话,是不会有线程问题的(其内部会自己处理好);如果在使用并
* 行流的时候,涉及到了其他变量B,那么可能出现线程不安全的情况。 如:
* listA.parallelStream()
* .map(x -> {listB.add(x); return x;})
* .forEachOrdered(x -> System.out.print(x)
* 中,listA的并行流中 进行x -> {listB.add(x); return x;}操作,
* 即: 多线程中调用listB的add方法,如果listB是线程不安全的,那么就可能出现问题。
*/
@Test
public void test1() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("张三").age(18).staffNo("NO1").build(),
Staff.builder().name("李四").age(25).staffNo("NO2").build(),
Staff.builder().name("王五").age(40).staffNo("NO3").build()
);
/// 获取串行Stream
// 常用方式一
Stream<Staff> stream = tmpList.stream();
// 常用方式二
// 这样:
// Stream<Staff> stream = Stream.of(a, b, c);
// 或这样:
// Staff[] tmpArray = {a, b, c};
// Stream<Staff> stream = Stream.of(tmpArray);
// 或这样:
// Arrays.stream()
/// 获取并行Stream
// Stream<Staff> stream = tmpList.parallelStream();
// Stream.of(a, b, c).parallel();
}
/**
* boolean allMatch: 是否【所有元素都满足Predicate】
* boolean anyMatch: 是否【存在元素满足Predicate】
* boolean noneMatch: 是否【所有元素都不满足Predicate】
*/
@Test
public void test2() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("张三").age(18).staffNo("NO1").build(),
Staff.builder().name("李四").age(25).staffNo("NO2").build(),
Staff.builder().name("王五").age(40).staffNo("NO3").build()
);
Stream<Staff> stream = tmpList.stream();
// -> Stream.allMatch 测试
// Predicate<Staff> predicateOne = x -> x.getAge() >= 18;
// 控制台输出true。 即:stream中的所有Staff均满足predicateOne.
// System.out.println(stream.allMatch(predicateOne));
// -> Stream.anyMatch 测试
// Predicate<Staff> predicateTwo = x -> x.getName() != null && x.getName().contains("王");
// 控制台输出true。 即:stream中存在Staff满足 predicateTwo.
// System.out.println(stream.anyMatch(predicateTwo));
// -> Stream.noneMatch 测试
Predicate<Staff> predicateThree = x -> "JustryDeng".equals(x.getName());
// 控制台输出true。 即:stream中不存在任何Staff满足 predicateThree.
System.out.println(stream.noneMatch(predicateThree));
}
/**
* static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b): 创建一个String<T>,其元
* 素是:在第一个流的所有元素后再接上第二个流的所有元素
*/
@Test
public void test3() {
// 基础数据准备
Staff a = Staff.builder().name("张三").age(18).staffNo("NO1").build();
Staff c = Staff.builder().name("王五").age(40).staffNo("NO3").build();
Stream<Staff> streamA = Stream.of(a, c);
Staff b = Staff.builder().name("李四").age(25).staffNo("NO2").build();
Stream<Staff> streamB = Stream.of(b);
// 按前后顺醋,"拼接"两个流
Stream<Staff> stream = Stream.concat(streamA, streamB);
// 输出:[Staff(name=张三, age=18, staffNo=NO1), Staff(name=王五, age=40, staffNo=NO3), Staff(name=李四, age=25, staffNo=NO2)]
System.out.println(Arrays.deepToString(stream.toArray()));
}
/**
* long count: 返回此Stream中的元素数量
*/
@Test
public void test4() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("张三").age(18).staffNo("NO1").build(),
Staff.builder().name("李四").age(25).staffNo("NO2").build(),
Staff.builder().name("王五").age(40).staffNo("NO3").build()
);
Stream<Staff> stream = tmpList.stream();
// 输出: 3
System.out.println(stream.count());
}
/**
* void forEach(Consumer<? super T> action): 遍历元素进行消费
*
* void forEachOrdered(Consumer<? super T> action): 有序遍历元素进行消费
*
* 注:如果是串行流,使用forEach和使用forEachOrdered都能顺序消费。
* 如果是并行流,使用forEachOrdered能保证有序消费,而forEach不能保证。
*/
@Test
public void test6() {
// 数据准备
List<Integer> tmpList = Lists.newArrayList(1, 2, 3, 4, 5, 6, 7, 8, 9);
// 串行流 forEach
Stream<Integer> sequentialStreamOne = tmpList.stream();
// 输出: 1 2 3 4 5 6 7 8 9
sequentialStreamOne.forEach(x -> System.out.print(x + "\t"));
System.out.print("\n");
// 串行流 forEachOrdered
Stream<Integer> sequentialStreamTwo = tmpList.stream();
// 输出: 1 2 3 4 5 6 7 8 9
sequentialStreamTwo.forEachOrdered(x -> System.out.print(x + "\t"));
System.out.print("\n");
// 并行流 forEach
Stream<Integer> parallelStreamOne = tmpList.parallelStream();
// 输出: 6 5 7 8 9 2 1 4 3
parallelStreamOne.forEach(x -> System.out.print(x + "\t"));
System.out.print("\n");
// 并行流 forEachOrdered
Stream<Integer> parallelStreamTwo = tmpList.parallelStream();
// 输出: 1 2 3 4 5 6 7 8 9
parallelStreamTwo.forEachOrdered(x -> System.out.print(x + "\t"));
}
/**
* Stream<T> distinct: 根据equals方法去重。
*/
@Test
@SuppressWarnings("all")
public void test7() {
String a = "JustryDeng";
String b = new String("JustryDeng");
String c = "邓帅";
String d = new String("邓帅");
// 数据准备
List<String> tmpList = Lists.newArrayList(a,b, c,d);
Stream<String> stream = tmpList.parallelStream();
// 去重
stream = stream.distinct();
stream.forEachOrdered(System.out::println);
}
/**
* Stream<T> filter(Predicate<? super T> predicate): 筛选出(只留下)满足predicate的元素。
*/
@Test
public void test8() {
// 数据准备
List<Integer> tmpList = Lists.newArrayList(1, 2, 3, 4, 5, 6, 7, 8, 9);
Stream<Integer> stream = tmpList.parallelStream();
// 筛选条件
Predicate<Integer> predicate = x -> x != null && x % 2 == 0;
// 输出: 2 4 6 8
stream.filter(predicate).forEachOrdered(x -> System.out.print(x + "\t"));
}
/**
* Optional<T> findFirst: 返回流中的第一个元素的Optional封装。
*
* 注: 如果stream是empty,那么会获得一个empty的Optional。
* 注: 如果筛选出来的第一个元素为null,那么会抛出NPE。
* 注: If the stream has no encounter order, then any element may be returned.
*/
@Test
public void test9() {
// 数据准备
List<Integer> tmpList = Lists.newArrayList(1, 2, 3, 4, 5, 6, 7, 8, 9);
Stream<Integer> stream = tmpList.stream();
Optional<Integer> optional = stream.findFirst();
optional.ifPresent(x -> System.out.println("\t" + x));
}
/**
* <R> Stream<R> flatMap(Function<? super T,? extends Stream<? extends R>> mapper) :
* 将Stream<T>中的各个元素转换为对应的Stream<R>,并用新的Stream<R>替代原
* 来Stream<T>中对应元素的位置,返回一个新的String<R>
*
* 注:map与flatMap的都是对原Stream<T>中的元素进行替代。
* 不过map是以一个Object来替代一个T,而flatMap是用一个Stream对象来替代原来的T。
* 追注:map与flatMap的主要不同,可以理解为: map只是以一个Object来替代原来的一个T;
* 而flatMap是以一批(或一个)Object来替代原来的一个T;
*/
@Test
public void test10() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("张三").age(18).staffNo("NO1").build(),
Staff.builder().name("李四").age(25).staffNo("NO2").build(),
Staff.builder().name("王五").age(40).staffNo("NO3").build()
);
// 将元素Staff,转换为对应的Stream<String>
Function<Staff, Stream<String>> function = x -> Arrays.stream(x.getName().split(""));
// 通过Function<Staff, Stream<String>>,将Stream<Staff>转换为Stream<String>
Stream<Staff> staffStream = tmpList.parallelStream();
Stream<String> stringStream = staffStream.flatMap(function);
// 输出: 张 三 李 四 王 五
stringStream.forEachOrdered(x -> System.out.print(x + "\t"));
}
/**
* IntStream flatMapToInt(Function<? super T,? extends IntStream> mapper) :
* 将当前Stream<T>中的元素T,以对应的(通过Function转换后得到的)IntStream进行替换,
* 最终返回一个新的IntStream。
*
* LongStream flatMapToLong(Function<? super T,? extends LongStream> mapper):
* 将当前Stream<T>中的元素T,以对应的(通过Function转换后得到的)LongStream进行替换,
* 最终返回一个新的LongStream。
*
* DoubleStream flatMapToDouble(Function<? super T,? extends DoubleStream> mapper) :
* 将当前Stream<T>中的元素T,以对应的(通过Function转换后得到的)DoubleStream进行
* 替换,最终返回一个新的DoubleStream。
*
*/
@Test
public void test11() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("张三").age(18).workStartTimestamp(1234555L).faceScore(99.9D).build(),
Staff.builder().name("李四").age(25).workStartTimestamp(2323233L).faceScore(89.2D).build(),
Staff.builder().name("王五").age(40).workStartTimestamp(8484848L).faceScore(68.7D).build()
);
/// flatMapToInt简单示例
Stream<Staff> staffStreamOne = tmpList.parallelStream();
Function<Staff, IntStream> functionOne = x -> IntStream.of(x.getAge());
IntStream intStream = staffStreamOne.flatMapToInt(functionOne);
// 输出: 18 25 40
intStream.forEachOrdered(x -> System.out.print(x + "\t"));
System.out.println("\n");
/// flatMapToLong简单示例
Stream<Staff> staffStreamTwo = tmpList.parallelStream();
Function<Staff, LongStream> functionTwo = x -> LongStream.of(x.getWorkStartTimestamp());
LongStream longStream = staffStreamTwo.flatMapToLong(functionTwo);
// 输出: 1234555 2323233 8484848
longStream.forEachOrdered(x -> System.out.print(x + "\t"));
System.out.println("\n");
/// flatMapToDouble简单示例
Stream<Staff> staffStreamThree = tmpList.parallelStream();
Function<Staff, DoubleStream> functionThree = x -> DoubleStream.of(x.getFaceScore());
DoubleStream doubleStream = staffStreamThree.flatMapToDouble(functionThree);
// 输出: 99.9 89.2 68.7
doubleStream.forEachOrdered(x -> System.out.print(x + "\t"));
}
/**
* static <T> Stream<T> generate(Supplier<T> s):
* 返回含有无限多个元素的无序的Stream,其中每个元素由提供的Supplier。
*
* 注:对比iterate可知,这里的无序指的是:前一个元素与后一个元素没有任何关系。
*
* 注:对于Supplier<T> s,可使用lambda来进行简化书写。
*
* 注:此方法一般配合limit(long maxSize)进行使用,否则会有无线多个元素。
*
*/
@Test
public void test12() {
Stream<Staff> staffStream = Stream.generate(new StaffSupplier()).limit(10);
staffStream.forEachOrdered(System.out::println);
}
class StaffSupplier implements Supplier<Staff> {
SecureRandom secureRandom = new SecureRandom();
@Override
public Staff get() {
return Staff.builder()
.name("张三")
.age(secureRandom.nextInt(200))
.workStartTimestamp(Math.abs(secureRandom.nextLong()))
.faceScore(secureRandom.nextDouble())
.build();
}
}
/**
* static <T> Stream<T> iterate(T seed, UnaryOperator<T> f) :
* 返回含有无限多个元素的有序的Stream,其中每个元素由提供的Supplier。
*
* 注: seed 为生成的Stream的第一个元素,也是f的起始种子。
*
* 注:这里的有序指的是:后一个元素是由前一个元素根据一定的逻辑产生的。
*
* 注:此方法一般配合limit(long maxSize)进行使用,否则会有无线多个元素。
*
* 注:流中的元素是否是同一个对象,取决于UnaryOperator的具体实现了。
* 一般情况下,最好是使用新的对象。
*/
@Test
public void test13() {
Staff foo = Staff.builder().name("张三").age(18).build();
Stream<Staff> staffStream = Stream.iterate(foo, new StaffOperatorSupplier()).limit(5);
// 18 19 20 21 22
staffStream.forEachOrdered(x -> System.out.print(x.getAge() + "\t"));
}
class StaffOperatorSupplier implements UnaryOperator<Staff> {
@Override
public Staff apply(Staff staff) {
// System.err.println(staff.hashCode());
Integer age = staff.getAge();
age = age == null ? 0 : age + 1;
return Staff.builder().age(age).build();
}
}
/**
* Stream<T> limit(long maxSize) : 截取Stream前面的maxSize个元素。
*
* 注:若maxSize大于流的实际长度大小,那么截取到的元素个数就是流的实际长度大小。
*/
@Test
public void test14() {
Stream<Integer> parallelStreamOne = Stream.of(1, 2, 3, 4, 5).parallel();
// 输出: 123
parallelStreamOne.limit(3).forEachOrdered(System.out::print);
Stream<Integer> parallelStreamTwo = Stream.of(1, 2, 3, 4, 5).parallel();
// 输出: 12345
parallelStreamTwo.limit(8).forEachOrdered(System.out::print);
}
/**
* <R> Stream<R> map(Function<? super T,? extends R> mapper) :
* 将Stream<T>中的各个元素转换为对应的Object,并用新的Object替代原
* 来Stream<T>中对应元素的位置(类型O代替T),返回一个新的String<O>。
*
* 注:map与flatMap的都是对原Stream<T>中的元素进行替代。
* 不过map是以一个Object来替代一个T,而flatMap是用一个Stream对象来替代原来的T。
* 追注:map与flatMap的主要不同,可以理解为: map只是以一个Object来替代原来的一个T;
* 而flatMap是以一批(或一个)Object来替代原来的一个T;
*/
@Test
public void test15() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").age(18).staffNo("NO1").build(),
Staff.builder().name("邓沙利文").age(25).staffNo("NO2").build(),
Staff.builder().name("邓二洋").age(40).staffNo("NO3").build()
);
// 将元素Staff,转换为对应的String
Function<Staff, String> function = x -> x.getName() + "都特么" + x.getAge() + "岁了!";
// 通过Function<Staff, String>,将Stream<Staff>转换为Stream<String>
Stream<Staff> staffStream = tmpList.parallelStream();
Stream<String> stringStream = staffStream.map(function);
// 输出: JustryDeng都特么18岁了! 邓沙利文都特么25岁了! 邓二洋都特么40岁了!
stringStream.forEachOrdered(x -> System.out.print(x + "\t"));
}
/**
* IntStream mapToInt(ToIntFunction<? super T> mapper):
* 将当前Stream<T>中的元素T,以对应的(通过Function转换后得到的)IntStream进行替换,
* 最终返回一个新的IntStream。
*
* LongStream mapToLong(ToLongFunction<? super T> mapper):
* 将当前Stream<T>中的元素T,以对应的(通过Function转换后得到的)LongStream进行替换,
* 最终返回一个新的LongStream。
*
* DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper):
* 将当前Stream<T>中的元素T,以对应的(通过Function转换后得到的)DoubleStream进行
* 替换,最终返回一个新的DoubleStream。
*/
@Test
public void test16() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("张三").age(18).workStartTimestamp(1234555L).faceScore(99.9D).build(),
Staff.builder().name("李四").age(25).workStartTimestamp(2323233L).faceScore(89.2D).build(),
Staff.builder().name("王五").age(40).workStartTimestamp(8484848L).faceScore(68.7D).build()
);
/// mapToInt简单示例
Stream<Staff> staffStreamOne = tmpList.parallelStream();
ToIntFunction<Staff> functionOne = Staff::getAge;
IntStream intStream = staffStreamOne.mapToInt(functionOne);
// 输出: 18 25 40
intStream.forEachOrdered(x -> System.out.print(x + "\t"));
System.out.println("\n");
/// mapToLong简单示例
Stream<Staff> staffStreamTwo = tmpList.parallelStream();
ToLongFunction<Staff> functionTwo = Staff::getWorkStartTimestamp;
LongStream longStream = staffStreamTwo.mapToLong(functionTwo);
// 输出: 1234555 2323233 8484848
longStream.forEachOrdered(x -> System.out.print(x + "\t"));
System.out.println("\n");
/// mapToDouble简单示例
Stream<Staff> staffStreamThree = tmpList.parallelStream();
ToDoubleFunction<Staff> functionThree = Staff::getFaceScore;
DoubleStream doubleStream = staffStreamThree.mapToDouble(functionThree);
// 输出: 99.9 89.2 68.7
doubleStream.forEachOrdered(x -> System.out.print(x + "\t"));
}
/**
* Optional<T> max(Comparator<? super T> comparator): 根据提供的Comparator, 返回此流的最大元素。
*
* Optional<T> min(Comparator<? super T> comparator): 根据提供的Comparator, 返回此流的最小元素。
*
* 注:对于比较器等,常用lambda表达式进行简写优化。
*
*/
@Test
public void test17() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").age(12).staffNo("NO1").build(),
Staff.builder().name("邓沙利文").age(125).staffNo("NO2").build(),
Staff.builder().name("邓二洋").age(40).staffNo("NO3").build()
);
/// max示例
Optional<Staff> maxOpt= tmpList.stream().parallel().max(new MaxMinStaffComparator());
// 输出: Staff(name=邓沙利文, age=125, staffNo=NO2, faceScore=null, workStartTimestamp=null)
maxOpt.ifPresent(System.out::println);
/// min示例
Optional<Staff> minOpt= tmpList.stream().parallel().min(new MaxMinStaffComparator());
// 输出: Staff(name=JustryDeng, age=12, staffNo=NO1, faceScore=null, workStartTimestamp=null)
minOpt.ifPresent(System.out::println);
}
class MaxMinStaffComparator implements Comparator<Staff> {
@Override
public int compare(Staff o1, Staff o2) {
Objects.requireNonNull(o1);
Objects.requireNonNull(o2);
Integer ageOne = o1.getAge();
Integer ageTwo = o2.getAge();
Objects.requireNonNull(ageOne);
Objects.requireNonNull(ageTwo);
// 注意:这里比较的顺序,会对结果有影响。一般的,都是o1.compareTo(o2);
// 如果交换比较顺序,那么结果会相反。
return ageOne.compareTo(ageTwo);
}
}
/**
* Stream<T> peek(Consumer<? super T> action): 对stream中的元素进行处理,然后返回此Stream。
*
* 注:原Stream中的元素对象reference没变。 但是对象的属性可能会发生变化。
*
* 即:这是一个中间处理操作。
*
* 注:对于Consumer<T>接口等的实现,可使用lambda。
*/
@Test
public void test18() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").age(12).staffNo("NO1").build(),
Staff.builder().name("邓沙利文").age(125).staffNo("NO2").build(),
Staff.builder().name("邓二洋").age(40).staffNo("NO3").build()
);
Stream<Staff> stream = tmpList.stream().parallel();
// 对stream中的元素进行处理
stream = stream.peek(new PeekConsumer());
// 输出:
// peek:JustryDeng
// peek:邓沙利文
// peek:邓二洋
stream.forEachOrdered(x -> System.out.println(x.getName()));
}
class PeekConsumer implements Consumer<Staff> {
@Override
public void accept(Staff staff) {
staff.setName("peek:" + staff.getName());
}
}
/**
* Optional<T> reduce(BinaryOperator<T> accumulator): 归并。通过实现BinaryOperator<T>,Stream<T>中的所有
* 元素,最终归并为一个被Optional封装的T。
*
* 假设:Stream<T>中的元素分别是 T1, T2, T3.
* 那么:先通过BinaryOperator<T>将T1, T2归并为 T', 然后再通过BinaryOperator<T>将
* 前面的归并结果T' 和 T3归并为 T", 最终将T"封装进Optional进行返回。
*
* 注:推荐使用lambda表达式对BinaryOperator<Staff>进行实现。
*/
@Test
public void test19() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
Stream<Staff> stream = tmpList.stream().parallel();
Optional<Staff> opt = stream.reduce(new MyBinaryOperator());
// 输出: JustryDeng & 邓沙利文 & 邓二洋
opt.ifPresent(x -> System.out.println(x.getName()));
}
class MyBinaryOperator implements BinaryOperator<Staff> {
@Override
public Staff apply(Staff s1, Staff s2) {
return Staff.builder()
.name(s1.getName() + " & " + s2.getName())
.build();
}
}
/**
* 【串行流】下的T reduce(T identity, BinaryOperator<T> accumulator): 使用identity与第一个元素
* 进行归并得到归并结果accumulatorT,然后再用accumulatorT与后面的元素进行归并。
*
* 假设:identity是T0, Stream<T>中的元素分别是 T1, T2, T3.
*
* 那么,第一步:先将T0, T1归并为 tmpT1, 然后再将前面的归并结果(首次无)与tmpT1归并为accumulatorT1。
* 注:因为第一次归并,所以此时accumulatorT1即为tmpT1。
* 第二步:将accumulatorT1与T2归并为accumulatorT2。
* 第三步:将accumulatorT2与T3归并为accumulatorT3。
* 第四步:返回accumulatorT3。
* 注:accumulatorT3的类型为T。
*/
@Test
public void test20_0() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
Stream<Staff> stream = tmpList.stream();
Staff identityStaff = Staff.builder().name("苗苗").build();
Staff staff = stream.reduce(identityStaff, (s1, s2) -> Staff.builder()
.name(s1.getName() + " & " + s2.getName())
.build());
/// 输出: 苗苗 & JustryDeng & 邓沙利文 & 邓二洋
// 说明: 第一步,accumulatorT1的getName()值为【苗苗 & JustryDeng】
// 第二步,accumulatorT2的getName()值为【苗苗 & JustryDeng & 邓沙利文】
// 第三步、第四步,accumulatorT3的getName()值为【苗苗 & JustryDeng & 邓沙利文 & 邓二洋】
System.out.println(staff.getName());
}
/**
* 【并行流】下的T reduce(T identity, BinaryOperator<T> accumulator):
* 在并行多线程时,在每个线程内部先使用identity与流的当前元素通过accumulator进行归并,
* 每个线程都会得到临时结果resultT,
* 然后再通过accumulator归并各个线程的resultT,最终归并为一个T。
*
* 假设:identity是T0, Stream<T>中的元素分别是 T1, T2, T3.
*
* 那么,第一步:线程内部的归并,T0, T1归并为 tmpT1, T0, T2归并为 tmpT2, T0, T3归并为 tmpT3。
* 第二步:依次归并tmpT1、tmpT2、tmpT3。 返回类型为T的结果。
*/
@Test
public void test20_1() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
Stream<Staff> stream = tmpList.stream().parallel();
Staff identityStaff = Staff.builder().name("苗苗").build();
Staff staff = stream.reduce(identityStaff, (s1, s2) -> Staff.builder()
.name(s1.getName() + " & " + s2.getName())
.build());
/// 输出: 苗苗 & JustryDeng & 苗苗 & 邓沙利文 & 苗苗 & 邓二洋
// 说明: 第一步,线程内部的归并,得到【苗苗 & JustryDeng】、【苗苗 & 邓沙利文】、【苗苗 & 邓二洋】
// 第二步,归并各个线程结果, 得到【苗苗 & JustryDeng & 苗苗 & 邓沙利文 & 苗苗 & 邓二洋】
System.out.println(staff.getName());
}
/**
* 【串行流】下的 <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner):
* 先使用identity(类型为U)与流的第一个元素(类型为T)通过accumulator进行归并,得到临时结果resultU(类型为U),
* 然后再通过accumulator归并前面的归并结果resultU(类型为U)与流后面的元素(类型为T)逐个归并。最终归并为一个U。
*
* 假设:identity是U0, Stream<T>中的元素分别是 T1, T2, T3.
*
* 那么,第一步:将U0, T1通过accumulator归并为 resultU1。
* 第二步:将resultU1, T2通过accumulator归并为 resultU2。
* 第二步:将resultU2, T3通过accumulator归并为 resultU3。
* 第四步:返回resultU3。
*
* 注:流的类型为T。 返回的类型U可以是任何类型(包括类型T)。
*
* 注:串行流下,第三个参数combiner不生效。
*/
@Test
public void test21_0() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
Stream<Staff> stream = tmpList.stream();
Staff identityStaff = Staff.builder().name("苗苗").build();
Staff staff = stream.reduce(identityStaff,
(p1, p2) -> Staff.builder().name(p1.getName() + " | " + p2.getName()).build(),
(s1, s2) -> Staff.builder().name(s1.getName() + " & " + s2.getName()).build());
/// 输出: 苗苗 | JustryDeng | 邓沙利文 | 邓二洋
// 说明: 第一步,resultU1的getName()值为【苗苗 | JustryDeng】
// 第二步,resultU2的getName()值为【苗苗 | JustryDeng | 邓沙利文】
// 第三步、第四步,resultU3的getName()值为【苗苗 | JustryDeng | 邓沙利文 | 邓二洋】
System.out.println(staff.getName());
}
/**
* 【并行流】下的 <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner):
* 在并行多线程时,在每个线程内部先使用identity(类型为U)与流的当前元素(类型为T)通过accumulator进行归并,
* 每个线程都会得到临时结果resultU(类型为U),
* 然后再通过combiner归并各个线程的resultU(类型为U),最终归并为一个U。
*
* 假设:identity是U0, Stream<T>中的元素分别是 T1, T2, T3.
*
* 那么,第一步:线程内部的归并,U0, T1归并为 tmpU1, U0, T2归并为 tmpU2, U0, T3归并为 tmpU3。
* 第二步:依次归并tmpU1、tmpU2、tmpU3。 返回类型为U的结果。
*
* 注:流的类型为T。 返回的类型U可以是任何类型(包括类型T)。
*
* 注:并行流下,第三个参数combiner生效,用于归并各个线程的结果。
*/
@Test
public void test21_1() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
Stream<Staff> stream = tmpList.stream().parallel();
Staff identityStaff = Staff.builder().name("苗苗").build();
Staff staff = stream.reduce(identityStaff,
(p1, p2) -> Staff.builder().name(p1.getName() + " | " + p2.getName()).build(),
(s1, s2) -> Staff.builder().name(s1.getName() + " & " + s2.getName()).build());
/// 输出: 苗苗 | JustryDeng & 苗苗 | 邓沙利文 & 苗苗 | 邓二洋
// 说明: 第一步,线程内部的归并,得到【苗苗 | JustryDeng】、【苗苗 | 邓沙利文】、【苗苗 | 邓二洋】
// 第二步,归并各个线程结果, 得到【苗苗 | JustryDeng & 苗苗 | 邓沙利文 & 苗苗 | 邓二洋】
System.out.println(staff.getName());
}
/**
* 示例
* <U> U reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner)方法中,
* U与T类型不同的情况
*/
@Test
public void test21_2() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
/// -> 串行流下 U与T类型不同的情况 (以List<String>为U, 以Staff为T)示例
Stream<Staff> streamOne = tmpList.stream();
List<String> identityOne = new ArrayList<>(3);
// 串行流下,线程安全,引入“第三方”时,可不考虑其是否线程安全(如:这里直接使用ArrayList的add方法)。
List<String> resultOne = streamOne.reduce(
identityOne,
(List<String> p1, Staff p2) -> {
p1.add(p2.getName());
return p1;
},
(x1, x2) -> x1);
/// 输出: [JustryDeng, 邓沙利文, 邓二洋]
System.out.println(resultOne);
/// -> 并行流下 U与T类型不同的情况 (以List<String>为U, 以Staff为T)示例
Stream<Staff> streamTwo = tmpList.stream().parallel();
// 涉及到多线程时,相关位置注意要使用线程安全的类。
List<String> identityTwo = new CopyOnWriteArrayList<>();
// 或者: List<String> identityTwo = Collections.synchronizedList(new ArrayList<>(3));
List<String> resultTwo = streamTwo.reduce(
identityTwo,
// 此时p1类型实际为CopyOnWriteArrayList,在多线程情况下,是安全的。
(List<String> p1, Staff p2) -> {
p1.add(p2.getName());
return p1;
},
// 在并发的情况下,我们已经使用了CopyOnWriteArrayList保证线程安全,且在第二个参数处做了累加操作,
// 那么在这里(第三个参数)即可什么也不作。 当然也可以让累加操作在这儿离进行
(List<String> x1, List<String> x2) -> x2);
/// 输出: [邓沙利文, 邓二洋, JustryDeng]
System.out.println(resultTwo);
}
/**
* Stream<T> skip(long n): 前面n个元素, 返回剩下的元素流。
*
* 注:若流的元素个数 <= n,那么丢弃后,将返回一个空的流。
*/
@Test
public void test22() {
Stream<Integer> parallelStreamOne = Stream.of(1, 2, 3, 4, 5).parallel();
Stream<Integer> remainStreamOne = parallelStreamOne.skip(3L);
// 输出: > 4 > 5
remainStreamOne.forEachOrdered(x -> System.out.print(" > " + x));
Stream<Integer> parallelStreamTwo = Stream.of(1, 2, 3, 4, 5).parallel();
Stream<Integer> remainStreamTwo = parallelStreamTwo.skip(5L);
// 输出:
// 注;流为空,都不会进入循环,所以不会输出任何东西
remainStreamTwo.forEachOrdered(x -> System.out.print(" > " + x));
Stream<Integer> parallelStreamThree = Stream.of(1, 2, 3, 4, 5).parallel();
Stream<Integer> remainStreamThree = parallelStreamThree.skip(6L);
// 输出:
// 注;流为空,都不会进入循环,所以不会输出任何东西
remainStreamThree.forEachOrdered(x -> System.out.print(" > " + x));
}
/**
* Stream<T> sorted(): 对流元素进行自然排序(ASC2码排序)。
*/
@Test
public void test23() {
/*
* b 的ASC2为 98
* # 的ASC2为 35
* a 的ASC2为 97
* % 的ASC2为 37
* ! 的ASC2为 33
*/
Stream<Character> parallelStreamOne = Stream.of('b', '#', 'a', '%', '!').parallel();
parallelStreamOne = parallelStreamOne.sorted();
// 输出: > ! > # > % > a > b
parallelStreamOne.forEachOrdered(x -> System.out.print(" > " + x));
/*
* 赵 的ASC2为 36213
* 钱 的ASC2为 38065
* 孙 的ASC2为 23385
* 李 的ASC2为 26446
*/
System.out.println();
Stream<String> parallelStreamTwo = Stream.of("赵", "钱", "孙", "李").parallel();
parallelStreamTwo = parallelStreamTwo.sorted();
// 输出: > 孙 > 李 > 赵 > 钱
parallelStreamTwo.forEachOrdered(x -> System.out.print(" > " + x));
// ASC2码值
// System.out.println((int) "赵".charAt(0));
// System.out.println((int) "钱".charAt(0));
// System.out.println((int) "孙".charAt(0));
// System.out.println((int) "李".charAt(0));
}
/**
* Stream<T> sorted(Comparator<? super T> comparator): 根据比较器,对流元素进行排序。
*/
@Test
public void test24() {
Stream<String> parallelStream = Stream.of("李d", "钱b", "孙c", "赵a").parallel();
parallelStream = parallelStream.sorted((String a, String b) -> {
char aChar = a.charAt(a.length() - 1);
char bChar = b.charAt(b.length() - 1);
return Character.compare(aChar, bChar);
});
// 输出: > 赵a > 钱b > 孙c > 李d
parallelStream.forEachOrdered(x -> System.out.print(" > " + x));
}
/**
* Object[] toArray(): 流转Object数组。
*/
@Test
public void test25() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
Object[] array = tmpList.parallelStream().toArray();
// 输出: [
// Staff(name=JustryDeng, age=null, staffNo=null, faceScore=null, workStartTimestamp=null),
// Staff(name=邓沙利文, age=null, staffNo=null, faceScore=null, workStartTimestamp=null),
// Staff(name=邓二洋, age=null, staffNo=null, faceScore=null, workStartTimestamp=null)
// ]
System.out.println(Arrays.deepToString(array));
}
/**
* <A> A[] toArray(IntFunction<A[]> generator): 流转指定类型的数组。
*/
@Test
public void test26() {
// 数据准备
List<Staff> tmpList = Lists.newArrayList(
Staff.builder().name("JustryDeng").build(),
Staff.builder().name("邓沙利文").build(),
Staff.builder().name("邓二洋").build()
);
Stream<Staff> stream = tmpList.parallelStream();
// 流转指定类型的数组
IntFunction<Staff[]> generator = Staff[]::new;
Staff[] array = tmpList.stream().toArray(generator);
System.out.println(Arrays.deepToString(array));
}
https://www.jianshu.com/p/19ffb2c9438a
https://blog.csdn.net/java1856905/article/details/88640557
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。