Stream流，是对集合对象操作的增强

基本使用

比如有一个Person类的集合：List<Person> personList，可以通过stream()对集合中的元素进行操作，

下面的操作流程可以归纳为 过滤-映射-收集。

List<Integer> personIdList = personList.stream()
　　　　　//选出年龄大于20的Person对象
        .filter(person -> person.getAge() > 20)
        //将Person对象映射成为它的属性id
　　　　　.map(Person::getId)
　　　　 //收集为List集合
        .collect(Collectors.toList());

 上述代码获取到了，年龄大于20岁的人id集合。

在 过滤-映射-收集 这个流程中：

 　   过滤和映射属于中间操作，当操作结束时才会触发计算，可以高效地迭代大集合

　　收集属于结束操作，触发计算。

中间操作和结束操作

流操作可以分为 中间操作(惰性求值) 和 结束操作

中间操作指，操作过程中只记录操作而不做执行，直到执行结束操作，才会触发实际的操作，即惰性求值。

　　中间操作又分为：

　　　　无状态操作，元素处理不受之前元素影响，比如map()、filter()、skip()、peek()等

　　　　有状态操作，需要拿到所有元素才能进行，比如sorted()、limit()、distinct()等

 

 结束操作是指，拿到所有元素后才能进行的操作。

　　结束操作又分为：

　　　　短路操作，遇到符合条件的元素后就可以终止，比如anyMatch()、findFirst()、findAny()等

　　　　非短路操作，需要处理所有元素，比如forEach()、collect()、max()、count()等。

 

例子

1.将List<Person>映射成一个Map，key为Person的id属性，value为Person实体类

Map<Integer, Person> PersonMap= personList.stream()
        .collect(Collectors.toMap(Person::getId, person -> person));

2.得到一个Map<Integer,List<Person>>集合，key为Person的age属性，value是按年龄分组后的Person对象集合：

Map<Integer, List<Person>> personsMap = personList.stream()
        .collect(Collectors.groupingBy(Person::getAge));

3.统计所有人年龄的总和：

int personAgeSum = personList.stream()
　　　　 //根据age属性转换成IntStream
        .mapToInt(Person::getAge)
        .sum();

4.选出List集合中创建时间最晚的数据(createtime属性为Date类型)

UserInfo userInfoMax = userInfos.stream()
　　　　 .max(Comparator.comparing(UserInfo::getCreateTime))
        .get();　　


这里的max方法实际返回的是Optional<UserInfo>对象该对象可以通过orElse()方法设置对象UserInfo为null时的值：

UserInfo userInfoMax = userInfos.stream().max(Comparator.comparing(UserInfo::getCreateTime))
        .orElse(为null时的值); //这里如果max返回的对象为null(一般情况不会是)，会取orElse()中的值

5.将所有小写字母拼接起来

String concat = Stream.of("a", "B", "c", "D", "e", "F")
                .filter(x -> x.compareTo("Z") > 0)
                .reduce("", String::concat);

reduce方法的第一个参数是起始值，第二个参数是流中的元素，迭代流中的数据

也可以只传一个参数，即不指定起始值，这样会返回一个Optional对象

String concat = Stream.of("a", "B", "c", "D", "e", "F")
                .filter(x -> x.compareTo("Z") > 0)
                .reduce(String::concat)
                .orElse("");

性能及基本原理简述

Stream 顾名思义，相当于批量处理数据的流水线。

在处理一般的数据量下，使用循环方式处理集合和通过stream方式处理集合的性能相差不大，但在数据里更大逻辑更复杂的情况下stream要更优。

而parallelStream并行流，利用多核处理器的优势，并行处理数据(这意味着所处理的数据，不应该和顺序相关，否则会因为并行得到错误的结果)，能够显著的提高执行速度。

 

Stream处理过程简述：

首先将Collection转化为Stream，流上的每个结点都只会返回包含上一结点引用的中间结点，使结点们组成了一个双向链表结构，而不会立即进行任何数据处理。

每个中间操作都实现了Sink接口，实现了 makeSink() 方法用来返回自己的 Sink 实例，

只有当终止操作出现时，才开始将 Sink 实例化执行数据处理,

无状态操作的 Sink 接收到数据，会立即通知下游，有状态操作的 Sink 则会等要处理的数据处理完了才开始通知下游,

终止节点将数据收集起来后就完成了这次操作。

 

参考文章：

https://www.cnblogs.com/CarpenterLee/archive/2017/03/28/6637118.html

https://zhuanlan.zhihu.com/p/52579165

https://zhuanlan.zhihu.com/p/47478339