Stream
Stream是Java 8引入的一个新的API，用于处理集合数据的流式操作。它提供了一种更简洁、更灵活的方式来处理集合数据，可以实现更高效的数据处理和转换。
使用Stream，可以通过一系列的操作来对集合数据进行筛选、映射、排序、聚合等操作，而无需显式地使用循环和条件语句。这样可以使代码更加简洁、可读性更高，并且可以充分利用多核处理器的并行能力来提高性能。
Stream的操作可以分为两类：中间操作和终端操作。中间操作是指对流进行转换、筛选、映射等操作，返回一个新的流；终端操作是指对流进行聚合、收集、遍历等最终结果的操作，返回一个非流的结果。
以下是一些常用的Stream操作：
- filter：用于筛选满足条件的元素。
- map：用于对元素进行映射转换。
- sorted：用于对元素进行排序。
- distinct：用于去除重复的元素。
- limit：用于限制流中元素的数量。
- collect：用于将流中的元素收集到一个集合中。
Stream还支持并行操作，可以通过parallel方法将流转换为并行流，从而充分利用多核处理器的并行能力。
Stream是一种强大而灵活的集合数据处理方式，可以大大简化代码，并提高性能。
Stream特性
-
流式操作：Stream提供了一种流式操作的方式，可以对集合数据进行过滤、映射、排序、聚合等操作，而无需使用传统的循环和条件语句。
-
惰性求值：Stream的操作是惰性求值的，即只有在终止操作时才会执行。这种特性可以提高性能，避免不必要的计算。
-
并行处理：Stream可以进行并行处理，即将数据分成多个部分并行处理，提高处理速度。通过调用parallel()方法，可以将Stream转换为并行流。
-
函数式编程：Stream使用函数式编程的思想，可以使用Lambda表达式来定义操作。这种方式更简洁、更易读，使得代码更具可维护性。
-
支持多种数据源：Stream不仅可以处理集合数据，还可以处理数组、I/O流等多种数据源。
Stream提供了一种更简洁、更灵活的方式来处理集合数据，使得代码更易读、更易维护。它的特性包括流式操作、惰性求值、并行处理、函数式编程和支持多种数据源。
Stream使用
创建Stream
在Java中，可以使用Stream类来创建流。要创建一个Stream对象，可以通过以下几种方式：
- 从集合创建：可以使用
stream()方法从Collection接口的实现类（如List、Set等）创建一个流。例如：
List<String> list = Arrays.asList("apple", "banana", "orange");
Stream<String> stream = list.stream();
- 从数组创建：可以使用
Arrays.stream()方法从数组创建一个流。例如：
int[] array = {1, 2, 3, 4, 5};
IntStream stream = Arrays.stream(array);
- 通过
Stream的静态方法创建：Stream类提供了一些静态方法来创建流。例如：
Stream<String> stream1 = Stream.of("apple", "banana", "orange");
Stream<Integer> stream2 = Stream.iterate(0, n -> n + 2).limit(10);
以上是创建Stream对象的几种常见方式，你可以根据具体的需求选择适合的方式来创建流。创建好Stream对象后，就可以使用流的各种方法来进行数据处理和操作了。
Stream中间操作
Stream中间操作是指在Stream流中对元素进行处理和转换的操作。它们不会立即执行，而是返回一个新的Stream对象，可以进行连续的操作。
常见的Stream中间操作包括：
- filter：根据指定的条件过滤元素，只保留满足条件的元素。
示例：
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
List<Integer> evenNumbers = numbers.stream().filter(n -> n % 2 == 0).collect(Collectors.toList());
- map：对元素进行映射转换，将每个元素转换为另一种类型。
示例：
List<String> names = Arrays.asList("Alice", "Bob", "Charlie");
List<Integer> nameLengths = names.stream().map(String::length).collect(Collectors.toList());
- flatMap：将多个Stream合并成一个Stream。
示例：
List<List<Integer>> numbers = Arrays.asList(Arrays.asList(1, 2), Arrays.asList(3, 4), Arrays.asList(5, 6));
List<Integer> flattenedNumbers = numbers.stream().flatMap(List::stream).collect(Collectors.toList());
- distinct：去除重复的元素。
示例：
List<Integer> numbers = Arrays.asList(1, 2, 2, 3, 3, 4, 5);
List<Integer> distinctNumbers = numbers.stream().distinct().collect(Collectors.toList());
- sorted：对元素进行排序。
示例：
List<Integer> numbers = Arrays.asList(5, 3, 1, 4, 2);
List<Integer> sortedNumbers = numbers.stream().sorted().collect(Collectors.toList());
- limit：从集合中取前 n 位元素
示例：
List<Integer> limitList = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
- skip：跳过前 n 位元素
示例：
List<Integer> limitList = Stream.iterate(1, x -> x + 2).skip(1).limit(10).collect(Collectors.toList());
这些中间操作可以根据需求进行组合，形成一个操作链，最终得到想要的结果。
Stream终端操作
Stream的终端操作是指对Stream流进行最终操作，返回一个非Stream的结果。常见的终端操作包括：
-
forEach(Consumer<? super T> action)：对Stream中的每个元素执行指定的操作。 -
toArray()：将Stream中的元素转换为数组。 -
reduce(BinaryOperator<T> accumulator)：将Stream中的元素按照指定的操作进行归约，返回Optional对象。 -
collect(Collector<? super T, A, R> collector)：将Stream中的元素收集到指定的容器中，返回容器对象。 -
min(Comparator<? super T> comparator)：返回Stream中的最小元素，根据指定的比较器进行比较。 -
max(Comparator<? super T> comparator)：返回Stream中的最大元素，根据指定的比较器进行比较。 -
count()：返回Stream中的元素个数。 -
anyMatch(Predicate<? super T> predicate)：判断Stream中是否存在满足指定条件的元素。 -
allMatch(Predicate<? super T> predicate)：判断Stream中的所有元素是否都满足指定条件。 -
noneMatch(Predicate<? super T> predicate)：判断Stream中是否不存在满足指定条件的元素。 -
findFirst()：返回Stream中的第一个元素，如果Stream为空则返回Optional.empty()。 -
findAny()：返回Stream中的任意一个元素，如果Stream为空则返回Optional.empty()。
终端操作会触发Stream的执行，因此在调用终端操作之前，需要先进行中间操作对Stream进行处理。
总结
-
函数式编程：Stream提供了一种函数式编程的方式，可以通过链式调用一系列的操作来处理数据流，使代码更加简洁、易读、易维护。
-
延迟执行：Stream中的操作是延迟执行的，只有在终止操作被调用时才会执行，这样可以避免不必要的计算，提高性能。
-
并行处理：Stream可以很方便地进行并行处理，通过parallel()方法将顺序流转换为并行流，可以充分利用多核处理器的优势，提高处理速度。
-
内部迭代：Stream使用内部迭代的方式，不需要手动编写迭代器，简化了代码的编写。
-
支持丰富的操作：Stream提供了丰富的操作方法，如过滤、映射、排序、归约等，可以方便地对数据进行处理和转换。
-
可以处理无限数据流：Stream可以处理无限的数据流，通过惰性求值的方式，只处理需要的部分数据，避免了内存溢出的问题。
Stream提供了一种更加简洁、灵活、高效的数据处理方式，可以大大提高开发效率和代码质量。
