Java8 Stream代码详解+BenchMark测试

发布时间：2017-07-25 09:34:21.02 作者： IT网络文摘 (该文来自笔记，点击查看原文)

1、基本介绍

1、创建方式

1、Array的Stream创建

1、直接创建

// mainStream stream = Stream.of("a", "b", "c");
String [] strArray = new String[] {"a", "b", "c"};
stream = Stream.of(strArray);

// Stream.of()@SafeVarargs@SuppressWarnings("varargs") // Creating a stream from an array is safepublic static<T> Stream<T> of(T... values) {    return Arrays.stream(values);
}

2、直接使用Arrays.stream工具创建

// mainString [] strArray = new String[] {"a", "b", "c"};
stream = Arrays.stream(strArray);

下面是Arrays.stream的具体实现

// Arrays.stream()public static <T> Stream<T> stream(T[] array) {    return stream(array, 0, array.length);
}

/** * Arrays.stream() * @param startInclusive 起始坐标 * @param endExclusive 最终坐标  */public static <T> Stream<T> stream(T[] array, int startInclusive, int endExclusive) {    return StreamSupport.stream(spliterator(array, startInclusive, endExclusive), false);
}

StreamSupport.stream的实现使用的是ReferencePipeline.Head<>这个方法，注意这个方法，这个方法是Stream流水线解决方案的核心之一

// StreamSupport.stream()public static <T> Stream<T> stream(Spliterator<T> spliterator, boolean parallel) {
        Objects.requireNonNull(spliterator);        return new ReferencePipeline.Head<>(spliterator,
                                            StreamOpFlag.fromCharacteristics(spliterator),
                                            parallel);
    }

注意这里的Spliterator，这个类是Stream实现并行的核心类。这里Array生成的spliterator的特征值是ordered和immutable。(目前没看到关于特征值的相关操作，具体解释可以看源码的注释)

/**  * ReferencePipeline.Head<>() * 默认生成一个ordered、immutable的Spliterator */public static <T> Spliterator<T> spliterator(T[] array, int startInclusive, int endExclusive) {    return Spliterators.spliterator(array, startInclusive, endExclusive,
                                    Spliterator.ORDERED | Spliterator.IMMUTABLE);
}

2、Collection的Stream创建

// mainList<Integer> integers = new ArrayList<>();
integers.stream();

Collection的Stream的创建使用的是Collection.stream方法

// Collection.stream()default Stream<E> stream() {        return StreamSupport.stream(spliterator(), false);
    }

这个spliterator()，创建的是Spliterator下的特增值为sized、subSized的Spliterator

// Collection.spliterator()@Override
    default Spliterator<E> spliterator() {        return Spliterators.spliterator(this, 0);
    }

// Spliterators.spliterator()public static <T> Spliterator<T> spliterator(Collection<? extends T> c,                                                 int characteristics) {        return new IteratorSpliterator<>(Objects.requireNonNull(c),
                                         characteristics);
    }

/**  * IteratorSpliterator<>() * 默认生成一个sized、subSized的Spliterator */public IteratorSpliterator(Collection<? extends T> collection, int characteristics) {            this.collection = collection;            this.it = null;            this.characteristics = (characteristics & Spliterator.CONCURRENT) == 0
                                   ? characteristics | Spliterator.SIZED | Spliterator.SUBSIZED
                                   : characteristics;
        }

最后还是将Spliterator放入ReferencePipeline.Head<>方法创建了Stream

// ReferencePipeline.Head<>public static <T> Stream<T> stream(Spliterator<T> spliterator, boolean parallel) {
        Objects.requireNonNull(spliterator);        return new ReferencePipeline.Head<>(spliterator,
                                            StreamOpFlag.fromCharacteristics(spliterator),
                                            parallel);
    }

3、其他创建方式

1、Stream.iterate()

Stream.iterate(1,i->i++)

该方法放入一个seed值作为种子值，使用第二个参数方法生成一个无限大小的Stream，特征值与Array的Stream特征值相同。

public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f) {
        Objects.requireNonNull(f);        final Iterator<T> iterator = new Iterator<T>() {            @SuppressWarnings("unchecked")
            T t = (T) Streams.NONE;            @Override
            public boolean hasNext() {                return true;
            }            @Override
            public T next() {                return t = (t == Streams.NONE) ? seed : f.apply(t);
            }
        };        return StreamSupport.stream(Spliterators.spliteratorUnknownSize(
                iterator,
                Spliterator.ORDERED | Spliterator.IMMUTABLE), false);
    }

2、Stream.generate()

Stream.generate(Math::random)

该方法没有放入种子值，放入的是一个Supplier，该类就是java1.8以后加入的函数式接口，该接口只有一个方法就是get()方法，用于提供生成Stream需要的每一个的数据，最后生成长度最大为9223372036854775807L（2的63次方-1）的Stream。

public static<T> Stream<T> generate(Supplier<T> s) {
        Objects.requireNonNull(s);        return StreamSupport.stream(                new StreamSpliterators.InfiniteSupplyingSpliterator.OfRef<>(Long.MAX_VALUE, s), false);
    }

@FunctionalInterfacepublic interface Supplier<T> {    /**     * Gets a result.     *     * @return a result     */
    T get();
}

2、中间操作(intermediate operation)

每一个流能有多个中间操作，中间操作的作用就是将原始的流转化为需要的流，并且为惰性操作，关于惰性操作后面会有具体介绍。并且中间操作可分为有状态和无状态两种，两种不同的操作在构成Stream流水线时会使用不同的创建方式和操作。

1、有状态操作(statefulOp)

1、Stream<T> distinct();// 除去流种重复的元素

2、Stream<T> limit(long maxSize);// 只取前几个元素

3、Stream<T> skip(long n);// 跳过前几个元素

4、Stream<T> sorted();// 根据自然排序对流排序

5、Stream<T> sorted(Comparator<? super T> comparator);// 根据自己实现的排序对流排序

2、无状态操作(statelessOp)

1、Stream<T> filter(Predicate<? super T> predicate);// 根据过滤规则过滤流种的元素

2、<R> Stream<R> map(Function<? super T, ? extends R> mapper);// 将每一个元素映射成另一个元素

3、<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);// 和上一个map映射不同的是，扁平映射会将流中的最基础的元素映射出来

4、Stream<T> peek(Consumer<? super T> action);// 每一个元素都要做一下这个action

5、IntStream mapToInt(ToIntFunction<? super T> mapper);// 映射为IntStream

6、LongStream mapToLong(ToLongFunction<? super T> mapper);// 映射为LongStream

7、DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper);// 映射为DoubleStream

2、结束操作(terminal operation)

每个流只能有一个结束操作，结束操作会将和之前的中间操作一同起作用，在使用了结束操作后该流便被消费掉了，不能再次使用。由于流可以是无限大的，所以也会有短路操作，当无限大的流使用了短路操作并且满足了短路条件时便会直接结束。

1、非短路操作

1、void forEach(Consumer<? super T> action);// 每一个元素都要做一下这个aciton

2、void forEachOrdered(Consumer<? super T> action);// 确保并行时保持顺序执行这个action

3、Object[] toArray();// 转化成Object数组

4、<A> A[] toArray(IntFunction<A[]> generator);// 转化成自己定义的数组

5、T reduce(T identity, BinaryOperator<T> accumulator);// 汇聚，有起始值，操作

6、Optional<T> reduce(BinaryOperator<T> accumulator);// 汇聚，无起始值，返回的是Optional对象

7、<U> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U> comb iner);// 汇聚，有起始值，操作，合并

8、<R> R collect(Supplier<R> supplier,BiConsumer<R, ? super T> accumulator,BiConsumer<R, R> combiner);// 可变汇聚，自己实现汇聚，容器、操作、合并操作

9、<R, A> R collect(Collector<? super T, A, R> collector);// 可变汇聚，Collectors有封装工具

10、Optional<T> min(Comparator<? super T> comparator);// 封装了reduce，使用自己的比较器找到最小的

11、Optional<T> max(Comparator<? super T> comparator);// 封装了reduce，使用自己的比较器找到最大的

12、long count();// 封装了reduce，把每个数变成1再求和

2、短路操作(short-circuiting)

1、boolean anyMatch(Predicate<? super T> predicate);// 有一个符合判断

2、boolean noneMatch(Predicate<? super T> predicate);// 没有一个符合判断

3、Optional<T> findFirst();// 有序的，找到第一个

4、Optional<T> findAny();// 不要求有序的，找到一个

5、boolean (Predicate<? super T> predicate);// 全部符合判断

2、Stream流水线解决方案

1、ReferencePipeLine

Stream中使用Stage的概念来描述一个完整的操作，并用某种实例化后的PipelineHelper来代表Stage，将具有先后顺序的各个Stage连到一起，就构成了整个流水线。跟Stream相关类和接口的继承关系图示。

Android培训,安卓培训,手机开发培训,移动开发培训,云培训培训

下面是源码，Head表示Source stage，例如Collection.stream()，这里面没有对数据的操作，StatelessOp和StatefuleOp分别对应无状态和有状态的中间操作

    /**     * Source stage of a ReferencePipeline.     *     * @param <E_IN> type of elements in the upstream source     * @param <E_OUT> type of elements in produced by this stage     * @since 1.8     */
    static class Head<E_IN, E_OUT> extends ReferencePipeline<E_IN, E_OUT>    
    @Override
        final Sink<E_IN> opWrapSink(int flags, Sink<E_OUT> sink) {            throw new UnsupportedOperationException();
        }

    /**     * Base class for a stateless intermediate stage of a Stream.     *     * @param <E_IN> type of elements in the upstream source     * @param <E_OUT> type of elements in produced by this stage     * @since 1.8     */
    abstract static class StatelessOp<E_IN, E_OUT>            extends ReferencePipeline<E_IN, E_OUT>

    /**     * Base class for a stateful intermediate stage of a Stream.     *     * @param <E_IN> type of elements in the upstream source     * @param <E_OUT> type of elements in produced by this stage     * @since 1.8     */
    abstract static class StatefulOp<E_IN, E_OUT>            extends ReferencePipeline<E_IN, E_OUT>

通过之前就可以看到的ReferencePipeline.Head<>生成第一个Source stage，紧接着调用一系列的中间操作，不断产生新的Stream。这些Stream对象以双向链表的形式组织在一起，构成整个流水线，由于每个Stage都记录了前一个Stage和本次的操作以及回调函数，依靠这种结构就能建立起对数据源的所有操作。这就是Stream记录操作的方式。

Android培训,安卓培训,手机开发培训,移动开发培训,云培训培训

2、Sink

上面讲到的是Stream流水线如何流水操作计算，但是如何组合就要看Sink这个接口了，该接口包含以下方法

方法名	作用
void begin(long size)	开始遍历元素之前调用该方法，通知Sink做好准备。
void end()	所有元素遍历完成之后调用，通知Sink没有更多的元素了。
boolean cancellationRequested()	是否可以结束操作，可以让短路操作尽早结束。
void accept(T t)	遍历元素时调用，接受一个待处理元素，并对元素进行处理。Stage把自己包含的操作和回调方法封装到该方法里，前一个Stage只需要调用当前Stage.accept(T t)方法就行了。

通过以上方法，各个Stage之间的调用就实现了，每个Stage将自己的操作封装到Sink中，然后只需要访问下一个Stage的accept方法即可。

下面分别举无状态中间操作和有状态中间操作对这几个方法的实现。

首先是map的实现

// Stream.map()
    @Override
    @SuppressWarnings("unchecked")    public final <R> Stream<R> map(Function<? super P_OUT, ? extends R> mapper) {
        Objects.requireN

转载请标明出处：http://www.cnblogs.com/MoEee/p/6490573.html

http://www.cnblogs.com/MoEee/p/7229073.htm
l

分类导航