WebFlux前置知识（三）

　　Stream流式API也是JDK8开始引入的API，用过的小伙伴都说爽，没用过的小伙伴则感到一脸懵逼。现在JDK已经到16了，可能很多人还不熟悉Stream流操作，这次趁着讲WebFlux，和大家一起回顾一下Stream流操作。1。Stream流简介
　　说到Stream，大家可能很容易想到JavaIO中的各种流操作，名字看起来很像，但这其实是两个完全不同的东西。
　　Java8中的Stream不存储数据，它通过函数式编程模式来对集合进行链状流式操作。2。基本玩法
　　先来个简单的例子感受下Stream的操作。
　　例如我有一个数组，如下：int〔〕arr｛1，2，3，4，5，6｝；
　　现在想给这个数组求平均数，如下：doubleasDoubleIntStream。of（arr）。average（）。getAsDouble（）；
　　一行代码搞定，首先调用IntStream。of方法获取流对象，然后调用average方法计算平均数，再调用getAsDouble方法获取结果。全程都是方法调用，不用自己写求平均数的逻辑。
　　再比如求和，如下：intsumIntStream。of（arr）。sum（）；
　　也是直接调用sum方法即可。
　　而且我们还可以在流中对数据进行二次加工，例如给数组中的每个元素先求平方再求和：double〔〕arr｛1，2，3，4，5，6｝；doublesumDoubleStream。of（arr）。map（iMath。pow（i，2））。sum（）；
　　先在Map中对每一个元素求平方，然后再求和。
　　这里就能涉及到两个概念：中间操作终止操作
　　所谓中间操作，就是中途求平方的操作，所谓终止操作就是最终计算出结果的操作，只要方法的返回值不是一个Stream，那就是终止操作，否则就是中间操作。3。Stream的创建
　　获取一个流的方式多种多样，最常见的就是从集合或者数组中获取一个流，当然我们也可以直接自己创建一个流出来。
　　一起来看下。集合
　　List集合或者Set集合都可以直接搞一个流出来，方式如下：ListStringlistnewArrayList（）；StreamStrings1list。stream（）；SetStringsetnewHashSet（）；StreamStrings2set。stream（）；
　　集合中直接调用stream方法就可以获取到流。数组
　　通过数组获取流的方式也很简单，如下：IntStreamstreamArrays。stream（newint〔〕｛11，22，33，44，55，66｝）；数字Stream
　　也可以直接利用IntStream、LongStream等对象创建一个数字Stream，如下：IntStreams1IntStream。of（1，2，3）；DoubleStreams2DoubleStream。of（1，2，3）；LongStreams3LongStream。of（1L，2L，3L）；自己创建RandomrandomnewRandom（）；SupplierIntegersupplier（）random。nextInt（100）；StreamIntegerstreamStream。generate（supplier）。limit（5）；
　　调用Stream。generate方法可以自己创建一个流，自己创建的时候需要提供一个Supplier，通过调用Supplier中的get方法自动获取到元素。
　　无论哪种创建方式，大家需要明白的是，Stream并不会保存数据，它只会对数据进行加工。4。Stream的中间操作
　　中间操作可以分为两大类：map或者filter会从输入流中获取每一个元素，并且在输出流中得到一个结果，这些操作没有内部状态，称为无状态操作。reduce、sum、max这些操作都需要内部状态来累计计算结果，所以称为有状态操作。
　　分别来看下：
　　无状态操作mapmapToXxxflatMapflatMapToXxxfilterpeek
　　有状态操作distinctsortedlimitskip
　　map
　　Stream。map（）是Stream中最常用的一个转换方法，可以把一个Stream对象转为另外一个Stream对象。map方法所接收的参数就是一个Function对象，松哥在前面文章中和大家介绍过Function对象了，就是有输入有输出（参见WebFlux前置知识（一）），了解了map的参数，那么map的功能就很明白了，就是对数据进行二次加工。
　　举个栗子，例如把一个字符串数组转为数字：String〔〕arr｛1，2，3｝；StreamStrings1Arrays。stream（arr）；StreamIntegers2s1。map（iInteger。valueOf（i））；
　　再比如一个数字流，给所有的元素乘2，如下：IntStream。of（1，2，3）。map（i2i）。forEach（System。out：：println）；
　　最后的forEach就是将元素打印出来。
　　JDK中也提供了一些现成的格式转换，如下图：
　　这样可以直接将元素转为Double、Long、Obj等类型，例如下面这样：String〔〕arr｛1，2，3｝；StreamStrings1Arrays。stream（arr）；s1。mapToLong（iLong。parseLong（i））。forEach（System。out：：println）；
　　flatMap
　　flatMap可以把Stream中的每个元素都映射为一个Stream，然后再把这多个Stream合并为一个Stream。
　　例如如下代码，返回的Stream中的元素是数组：StreamInteger〔〕sStream。of（newInteger〔〕｛1，2，3｝，newInteger〔〕｛4，5，6｝，newInteger〔〕｛7，8，9｝）；s。forEach（System。out：：println）；
　　通过flatMap我们可以将Stream中的元素变为Integer：StreamIntegersStream。of（newInteger〔〕｛1，2，3｝，newInteger〔〕｛4，5，6｝，newInteger〔〕｛7，8，9｝）。flatMap（iArrays。stream（i））；s。forEach（System。out：：println）；
　　filter
　　filter操作会对一个Stream中的所有元素一一进行判断，不满足条件的就被过滤掉了，剩下的满足条件的元素就构成了一个新的Stream。
　　例如要找到数组中所有大于3的元素，如下：IntStream。of（2，3，4，5，6，7）。filter（ii3）。forEach（System。out：：println）；
　　filter方法接收的参数是Predicate接口函数，关于Predicate接口函数，大家可以参考WebFlux前置知识（一））一文。
　　peek
　　peek的入参是Consumer，没有返回值，因此当我们要对元素内部进行处理时，使用peek是比较合适的，这个时候可以不用map（map的入参是Function，它是有返回值的）。peek方法本身会继续返回流，可以对数据继续进行处理。
　　举个简单的数据转换的例子吧（最终返回的数据并不会被转换）：IntStream。of（2，3，4，5，6，7）。filter（ii3）。peek（String：：valueOf）。forEach（iSystem。out。println（i））；
　　peek方法的感觉就像数据中途被消费了一次。
　　distinct
　　这个是去重。由于去重操作需要获取到其他元素的值（比较之后才知道是否重复），所以这个是有状态操作。如下：IntStream。of（2，3，4，3，7，6，2，5，6，7）。distinct（）。forEach（System。out：：println）；
　　sorted
　　sorted是排序，因为也需要知道其他元素的值，然后才能去重，所以这个也是有状态操作，如下：IntStream。of（2，3，4，3，7，6，2，5，6，7）。distinct（）。sorted（）。forEach（System。out：：println）；
　　limitskip
　　limit和skip配合操作有点像数据库中的分页，skip表示跳过n个元素，limit表示取出n个元素。例如下面这个例子：Arrays。asList（A，B，C，D，E，F）。stream（）。skip（2）。limit（3）。forEach（System。out：：println）；
　　这个会跳过A和B，最终打印出CDE。这也是一种有状态操作。5。Stream终止操作
　　终止操作就是最终计算出结果的操作，只要方法的返回值不是一个Stream，那就是终止操作，否则就是中间操作。
　　终止操作又分为两类：短路操作：不用处理全部元素就可以返回结果。非短路操作：必须处理所有元素才能得到最终结果。
　　各自都包含哪些操作，我们分别来看下：
　　非短路操作forEachforEachOrderedcollecttoArrayreduceminmaxcount
　　短路操作findFirstfindAnyallMatchanyMatchnoneMatch
　　forEachforEachOrdered
　　forEach和forEachOrdered都是接收一个Consumer类型的参数，完成对参数的消费，不同的是，在并行流中，forEachOrdered会保证执行顺序。
　　例如如下一段代码：int〔〕arr｛1，2，3，4，5，6，7，8，9｝；Arrays。stream（arr）。parallel（）。forEach（System。out：：println）；Arrays。stream（arr）。parallel（）。forEachOrdered（System。out：：println）；
　　前者打印出来的顺序不一定是123456789，后者一定是。
　　collecttoArray
　　这两个都是收集器，可以将执行结果转为一个List集合或者一个数组：ListIntegerlistStream。of（1，2，3，4）。filter（pp2）。collect（Collectors。toList（））；System。out。println（list）；
　　reduce
　　reduce是Stream的一个聚合方法，它可以把一个Stream的所有元素按照聚合函数聚合成一个结果。reduce方法传入的对象是BinaryOperator接口，它定义了一个apply方法，负责把上次累加的结果和本次的元素进行运算，并返回累加的结果。
　　举个简单的例子，数组求和，当然可以直接调用sum计算，我们这里也可以调用reduce来实现，如下：OptionalIntegeroptionalStream。of（1，2，3，4）。reduce（（i，j）ij）；System。out。println（optional。orElse（1））；
　　reduce的参数是BinaryOperator，这个接收两个参数，第一个参数是之前计算的结果，第二个参数是本次参与计算的元素，两者累加求和。
　　再比如给一段话中间加上。，方式如下：OptionalStringsStream。of（wwwjavaboyorg。split（））。reduce（（i，j）i。j）；System。out。println（s。orElse（））；
　　最终执行结果如下：w。w。w。j。a。v。a。b。o。y。o。r。g
　　minmaxcount
　　这个就比较简单了，就是求最大值最小值，统计总个数，如下表示统计总个数：StreamIntegersStream。of（1，2，3，4）；longcounts。count（）；System。out。println（countcount）；
　　如下表示统计最小值：StreamIntegersStream。of（1，2，3，4）；OptionalIntegermins。min（Comparator。comparingInt（ii））；System。out。println（min。get（）min。get（））；
　　findFirstfindAny
　　这两个就是返回流中的第一个、任意一个元素，findAny要在并行流中测试才有效果，举个栗子：for（inti0；i10；i）｛OptionalIntegerfirstStream。of（1，2，3，4）。parallel（）。findFirst（）；System。out。println（first。get（）first。get（））；｝System。out。println（）；for（inti0；i10；i）｛OptionalIntegerfirstStream。of（1，2，3，4）。parallel（）。findAny（）；System。out。println（first。get（）first。get（））；｝
　　allMatchanyMatchnoneMatch
　　allMatch、anyMatch、noneMatch用来判断所有元素、任意元素或者没有元素满足给定的条件。这三个方法的参数都是一个Predicate接口函数。booleanbStream。of（1，2，3，4）。allMatch（ii5）；System。out。println（bb）；6。并行流
　　通常情况下，对Stream的元素进行处理是单线程的，即一个一个元素进行处理。有时候我们希望可以并行处理Stream元素，因为在元素数量非常大的情况，并行处理可以大大加快处理速度。
　　把一个普通Stream转换为可以并行处理的Stream非常简单，只需要用parallel方法进行转换：newRandom（）。ints（）。limit（50）。parallel（）。forEach（i｛System。out。println（Thread。currentThread（）。getName（）i）；｝）；
　　这样数据在后台就是并行打印的。7。收集器
　　收集器可以将计算结果重新整理收集到一个集合中，这个集合可以是一个ListSet获取其他，并且还可以在收集的过程中对数据进行处理。
　　例如我有一个users集合，里边保存了用户数据，用户有username、age以及gender三个属性，如下代码分别表示：提取出用户对象中的age属性组成新的集合并返回。提取出用户对象中的username属性组成新的集合并返回。提取出用户对象中的gender属性组成新的集合并返回（这里是一个Set集合，所以会自动去重）。ListIntegeragesusers。stream（）。map（User：：getAge）。collect（Collectors。toList（））；System。out。println（agesages）；ListStringusernamesusers。stream（）。map（User：：getUsername）。collect（Collectors。toList（））；System。out。println（usernamesusernames）；SetStringgendersusers。stream（）。map（User：：getGender）。collect（Collectors。toSet（））；System。out。println（gendersgenders）；
　　Collectors。toList（）最终返回的是ArrayList，Collectors。toSet（）最终返回的是HashSet。
　　如果我们想返回一个Vector或者TreeSet，也是可以的，如下：ListIntegeragesusers。stream（）。map（User：：getAge）。collect（Collectors。toList（））；System。out。println（agesages）；ListStringusernamesusers。stream（）。map（User：：getUsername）。collect（Collectors。toCollection（Vector：：new））；System。out。println（usernamesusernames）；TreeSetStringgendersusers。stream（）。map（User：：getGender）。collect（Collectors。toCollection（TreeSet：：new））；System。out。println（gendersgenders）；
　　也可以获取某一个字段的统计信息：IntSummaryStatisticsageStatisticsusers。stream（）。collect（Collectors。summarizingInt（User：：getAge））；System。out。println（ageStatisticsageStatistics）；
　　这个统计信息中包含：总和、最小值、平均值以及最大值等：ageStatisticsIntSummaryStatistics｛count20，sum1222，min9，average61。100000，max96｝
　　还可以对数据进行分块，将男女不同性别统计出来：MapBoolean，ListUsermapusers。stream（）。collect（Collectors。partitioningBy（uu。getGender（）。equals（男）））；System。out。println（mapmap）；
　　也可以按照性别对数据进行分组，如下：MapString，ListUsermap2users。stream（）。collect（Collectors。groupingBy（User：：getGender））；System。out。println（map2map2）；
　　分组后，Map中的key就是性别；分块后，Map中的key就是truefalse。
　　再比如统计男女的人数：MapString，Longmap2users。stream（）。collect（Collectors。groupingBy（User：：getGender，Collectors。counting（）））；System。out。println（map2map2）；
　　好啦，今天我们就先聊这么多～
　　原文链接：https：mp。weixin。qq。comscuxnkcfAOLZuxWRmYcnKWg