总结｜Stream流技术在真实案例中的应用
阿里妹导读
在日常开发中，有很多对象转化、链表去重、分批次服务调用等场景，这些场景用for循环或者if-else实现会让代码冗长、容易出错且效率不高。在查看项目代码的过程中以及师兄的引导下，学到了很多新的使用方式。对此，将Stream流进行一次整理。
案例引入
在JAVA中，涉及到对数组、Collection等集合类中的元素进行操作的时候，通常会通过循环的方式进行逐个处理，或者使用Stream的方式进行处理。
假设我们遇到了这么一个需求：从给定句子中返回单词长度大于5的单词列表，按长度倒序输出，最多返回3个。
在学校里面，或者在未接触Stream流的时候，我们可能会这样写函数：
public List<String> sortGetTop3LongWords(@NotNull String sentence) {// 先切割句子，获取具体的单词信息String[] words = sentence.split(" ");List<String> wordList = new ArrayList<>();// 循环判断单词的长度，先过滤出符合长度要求的单词for (String word : words) {if (word.length() > 5) {wordList.add(word);}}// 对符合条件的列表按照长度进行排序wordList.sort((o1, o2) -> o2.length() - o1.length());// 判断list结果长度，如果大于3则截取前三个数据的子list返回if (wordList.size() > 3) {wordList = wordList.subList(0, 3);}return wordList;}
然而，如果我们用上了Stream流：
public List<String> sortGetTop3LongWordsByStream(@NotNull String sentence) {return Arrays.stream(sentence.split(" ")).filter(word -> word.length() > 5).sorted((o1, o2) -> o2.length() - o1.length()).limit(3).collect(Collectors.toList());}
可以直观得看出，代码缩短了几乎一半。所以，了解并更好的使用Stream流能够让我们的代码简洁明了，一气呵成。
一、Stream流初步了解
概括讲，可以将Stream流操作分为3种类型：
创建Stream
Stream中间处理
终止Steam
每个Stream管道操作都包含若干方法，先列举一下各个API的方法：
1.1开始管道
主要负责新建一个Stream流，或者基于现有的数组、List、Set、Map等集合类型对象创建出新的Stream流。
1.2中间管道
负责对Stream进行处理操作，并返回一个新的Stream对象，中间管道操作可以进行叠加。
API | 功能说明 |
filter() | 按照条件过滤符合要求的元素， 返回新的stream流。 |
map() | 将已有元素转换为另一个对象类型，一对一逻辑，返回新的stream流。 |
flatMap() | 将已有元素转换为另一个对象类型，一对多逻辑，即原来一个元素对象可能会转换为1个或者多个新类型的元素，返回新的stream流。 |
limit() | 仅保留集合前面指定个数的元素，返回新的stream流。 |
skip() | 跳过集合前面指定个数的元素，返回新的stream流。 |
concat() | 将两个流的数据合并起来为1个新的流，返回新的stream流。 |
distinct() | 对Stream中所有元素进行去重，返回新的stream流。 |
sorted() | 对stream中所有的元素按照指定规则进行排序，返回新的stream流。 |
peek() | 对stream流中的每个元素进行逐个遍历处理，返回处理后的stream流。 |
1.3终止管道
顾名思义，通过终止管道操作之后，Stream流将会结束，最后可能会执行某些逻辑处理，或者是按照要求返回某些执行后的结果数据。
API | 功能说明 |
count() | 返回stream处理后最终的元素个数。 |
max() | 返回stream处理后的元素最大值。 |
min() | 返回stream处理后的元素最小值。 |
findFirst() | 找到第一个符合条件的元素时则终止流处理。 |
findAny() | 找到任何一个符合条件的元素时则退出流处理，这个对于串行流时与findFirst相同，对于并行流时比较高效，任何分片中找到都会终止后续计算逻辑。 |
anyMatch() | 返回一个boolean值，类似于isContains(),用于判断是否有符合条件的元素。 |
allMatch() | 返回一个boolean值，用于判断是否所有元素都符合条件。 |
noneMatch() | 返回一个boolean值， 用于判断是否所有元素都不符合条件。 |
collect() | 将流转换为指定的类型，通过Collectors进行指定。 |
toArray() | 将流转换为数组。 |
iterator() | 将流转换为Iterator对象。 |
foreach() | 无返回值，对元素进行逐个遍历，然后执行给定的处理逻辑。 |
二、Stream方法的使用
2.1map与flatMap
在项目中，经常看到也经常使用到map与flatMap，比如代码：
那两者有什么相同和不同呢？
map与flatMap都是用于转换已有的元素为其它元素，区别点在于：
map 必须是一对一的，即每个元素都只能转换为1个新的元素； flatMap 可以是一对多的，即每个元素都可以转换为1个或者多个新的元素；
下面两张图形象地说明了两者之间的区别：
map图：
flatMap图：
map用例：
有一个字符串ID列表，现在需要将其转为别的对象列表。
/*** map的用途：一换一*/List<String> ids = Arrays.asList("205", "105", "308", "469", "627", "193", "111");// 使用流操作List<NormalOfferModel> results = ids.stream().map(id -> {NormalOfferModel model = new NormalOfferModel();model.setCate1LevelId(id);return model;}).collect(Collectors.toList());System.out.println(results);
执行之后，会发现每一个元素都被转换为对应新的元素，但是前后总元素个数是一致的：
[NormalOfferModel{cate1LevelId='205', imgUrl='null', linkUrl='null', ohterurl='null'},NormalOfferModel{cate1LevelId='105', imgUrl='null', linkUrl='null', ohterurl='null'},NormalOfferModel{cate1LevelId='308', imgUrl='null', linkUrl='null', ohterurl='null'},NormalOfferModel{cate1LevelId='469', imgUrl='null', linkUrl='null', ohterurl='null'},NormalOfferModel{cate1LevelId='627', imgUrl='null', linkUrl='null', ohterurl='null'},NormalOfferModel{cate1LevelId='193', imgUrl='null', linkUrl='null', ohterurl='null'},NormalOfferModel{cate1LevelId='111', imgUrl='null', linkUrl='null', ohterurl='null'}]
flatMap用例：
现有一个句子列表，需要将句子中每个单词都提取出来得到一个所有单词列表：
List<String> sentences = Arrays.asList("hello world","Hello Price Info The First Version");// 使用流操作List<String> results2 = sentences.stream().flatMap(sentence -> Arrays.stream(sentence.split(" "))).collect(Collectors.toList());System.out.println(results2);
结果：
[hello, world, Hello, Price, Info, The, First, Version]这里需要补充一句，flatMap操作的时候其实是先每个元素处理并返回一个新的Stream，然后将多个Stream展开合并为了一个完整的新的Stream，如下：
2.2 peek和foreach方法
peek和foreach，都可以用于对元素进行遍历然后逐个处理。
但根据前面的介绍，peek属于中间方法，而foreach属于终止方法。这也就意味着peek只能作为管道中途的一个处理步骤，而没法直接执行得到结果，其后面必须还要有其它终止操作的时候才会被执行；而foreach作为无返回值的终止方法，则可以直接执行相关操作。
public void testPeekAndforeach() {List<String> sentences = Arrays.asList("hello world","Jia Gou Wu Dao");// 演示点1：仅peek操作，最终不会执行System.out.println("----before peek----");sentences.stream().peek(sentence -> System.out.println(sentence));System.out.println("----after peek----");// 演示点2：仅foreach操作，最终会执行System.out.println("----before foreach----");sentences.stream().forEach(sentence -> System.out.println(sentence));System.out.println("----after foreach----");// 演示点3：peek操作后面增加终止操作，peek会执行System.out.println("----before peek and count----");sentences.stream().peek(sentence -> System.out.println(sentence)).count();System.out.println("----after peek and count----");}
输出结果可以看出，peek独自调用时并没有被执行、但peek后面加上终止操作之后便可以被执行，而foreach可以直接被执行：
----before peek--------after peek--------before foreach----hello worldJia Gou Wu Dao----after foreach--------before peek and count----hello worldJia Gou Wu Dao----after peek and count----
2.3 filter、sorted、distinct、limit
这几个都是常用的Stream的中间操作方法，具体的方法的含义在上面的表格里面有说明。具体使用的时候，可以根据需要选择一个或者多个进行组合使用，或者同时使用多个相同方法的组合：
public void testGetTargetUsers() {List<String> ids = Arrays.asList("205","10","308","49","627","193","111", "193");// 使用流操作List<OfferModel> results = ids.stream().filter(s -> s.length() > 2).distinct().map(Integer::valueOf).sorted(Comparator.comparingInt(o -> o)).limit(3).map(id -> new OfferModel(id)).collect(Collectors.toList());System.out.println(results);}
上面的代码片段的处理逻辑:
1.使用filter过滤掉不符合条件的数据2.通过distinct对存量元素进行去重操作3.通过map操作将字符串转成整数类型4.借助sorted指定按照数字大小正序排列5.使用limit截取排在前3位的元素6.又一次使用map将id转为OfferModel对象类型7.使用collect终止操作将最终处理后的数据收集到list中
输出结果：
[OfferModel{id=111}, OfferModel{id=193}, OfferModel{id=205}]2.4 简单结果终止流
按照前面介绍的，终止方法里面像count、max、min、findAny、findFirst、anyMatch、allMatch、noneMatch等方法，均属于这里说的简单结果终止方法。所谓简单，指的是其结果形式是数字、布尔值或者Optional对象值等。
public void testSimpleStopOptions() {List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");// 统计stream操作后剩余的元素个数System.out.println(ids.stream().filter(s -> s.length() > 2).count());// 判断是否有元素值等于205System.out.println(ids.stream().filter(s -> s.length() > 2).anyMatch("205"::equals));// findFirst操作ids.stream().filter(s -> s.length() > 2).findFirst().ifPresent(s -> System.out.println("findFirst:" + s));}
最后结果为：
6truefindFirst:205
一旦一个Stream被执行了终止操作之后，后续便不可以再读这个流执行其他的操作了，否则会报错，看下面示例：
public void testHandleStreamAfterClosed() {List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");Stream<String> stream = ids.stream().filter(s -> s.length() > 2);// 统计stream操作后剩余的元素个数System.out.println(stream.count());System.out.println("-----下面会报错-----");// 判断是否有元素值等于205try {System.out.println(stream.anyMatch("205"::equals));} catch (Exception e) {e.printStackTrace();System.out.println(e.toString());}System.out.println("-----上面会报错-----");}
结果：
-----下面会报错-----java.lang.IllegalStateException: stream has already been operated upon or closed-----上面会报错-----java.lang.IllegalStateException: stream has already been operated upon or closedat java.util.stream.AbstractPipeline.evaluate(AbstractPipeline.java:229)at java.util.stream.ReferencePipeline.anyMatch(ReferencePipeline.java:516)at Solution_0908.main(Solution_0908.java:55)
因为stream已经被执行count()终止方法了，所以对stream再执行anyMatch方法的时候，就会报错stream has already been operated upon or closed，这一点在使用的时候需要特别注意。
2.5 结果收集终止方法
因为Stream主要用于对集合数据的处理场景，所以除了上面几种获取简单结果的终止方法之外，更多的场景是获取一个集合类的结果对象，比如List、Set或者HashMap等。
这里就需要collect方法出场了，它可以支持生成如下类型的结果数据：
3.一个可以记录个数或者计算总和的对象（数据批量运算统计）；
2.5.1生成集合对象
应该算是collect最常被使用到的一个场景了：
List<NormalOfferModel> normalOfferModelList = Arrays.asList(new NormalOfferModel("11"),new NormalOfferModel("22"),new NormalOfferModel("33"));// collect成listList<NormalOfferModel> collectList = normalOfferModelList.stream().filter(offer -> offer.getCate1LevelId().equals("11")).collect(Collectors.toList());System.out.println("collectList:" + collectList);// collect成SetSet<NormalOfferModel> collectSet = normalOfferModelList.stream().filter(offer -> offer.getCate1LevelId().equals("22")).collect(Collectors.toSet());System.out.println("collectSet:" + collectSet);// collect成HashMap，key为id，value为Dept对象Map<String, NormalOfferModel> collectMap = normalOfferModelList.stream().filter(offer -> offer.getCate1LevelId().equals("33")).collect(Collectors.toMap(NormalOfferModel::getCate1LevelId, Function.identity(), (k1, k2) -> k2));System.out.println("collectMap:" + collectMap);
结果：
collectList:[NormalOfferModel{cate1LevelId='11', imgUrl='null', linkUrl='null', ohterurl='null'}]collectSet:[NormalOfferModel{cate1LevelId='22', imgUrl='null', linkUrl='null', ohterurl='null'}]collectMap:{33=NormalOfferModel{cate1LevelId='33', imgUrl='null', linkUrl='null', ohterurl='null'}}
2.5.2 生成拼接字符串
将一个List或者数组中的值拼接到一个字符串里并以逗号分隔开，这个场景相信大家都不陌生吧？如果通过for循环和StringBuilder去循环拼接，还得考虑下最后一个逗号如何处理的问题，很繁琐:
public void testForJoinStrings() {List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");StringBuilder builder = new StringBuilder();for (String id : ids) {builder.append(id).append(',');}// 去掉末尾多拼接的逗号builder.deleteCharAt(builder.length() - 1);System.out.println("拼接后：" + builder.toString());}
但是现在有了Stream，使用collect可以轻而易举的实现：
public void testCollectJoinStrings() {List<String> ids = Arrays.asList("205", "10", "308", "49", "627", "193", "111", "193");String joinResult = ids.stream().collect(Collectors.joining(","));System.out.println("拼接后：" + joinResult);}
两种方式都可以得到完全相同的结果，但Stream的方式更优雅：
拼接后：205,10,308,49,627,193,111,1932.5.3批量数学运算
还有一种场景，实际使用的时候可能会比较少，就是使用collect生成数字数据的总和信息，也可以了解下实现方式：
public void testNumberCalculate() {List<Integer> ids = Arrays.asList(10, 20, 30, 40, 50);// 计算平均值Double average = ids.stream().collect(Collectors.averagingInt(value -> value));System.out.println("平均值：" + average);// 数据统计信息IntSummaryStatistics summary = ids.stream().collect(Collectors.summarizingInt(value -> value));System.out.println("数据统计信息：" + summary);}
上面的例子中，使用collect方法来对list中元素值进行数学运算，结果如下：
平均值：30.0总和：IntSummaryStatistics{count=5, sum=150, min=10, average=30.000000, max=50}
三、并行Stream
3.1parallelStream的机制说明
使用并行流，可以有效利用计算机的多CPU硬件，提升逻辑的执行速度。并行流通过将一整个stream划分为多个片段，然后对各个分片流并行执行处理逻辑，最后将各个分片流的执行结果汇总为一个整体流。
可以通过parallelStream的源码发现parallel Stream底层是将任务进行了切分，最终将任务传递给了jdk8自带的“全局”ForkJoinPool线程池。 在Fork-Join中，比如一个拥有4个线程的ForkJoinPool线程池，有一个任务队列，一个大的任务切分出的子任务会提交到线程池的任务队列中，4个线程从任务队列中获取任务执行，哪个线程执行的任务快，哪个线程执行的任务就多，只有队列中没有任务线程才是空闲的，这就是工作窃取。
可以通过下图更好的理解这种“分而治之”的思想：
3.2约束与限制
1.parallelStream()中foreach()操作必须保证是线程安全的；
很多人在用惯了流式处理之后，很多for循环都会直接使用流式foreach(),实际上这样不一定是合理的，如果只是简单的for循环，确实没有必要使用流式处理，因为流式底层封装了很多流式处理的复杂逻辑，从性能上来讲不占优。
2.parallelStream()中foreach()不要直接使用默认的线程池；
ForkJoinPool customerPool = new ForkJoinPool(n);customerPool.submit(() -> customerList.parallelStream().具体操作
3.parallelStream()使用的时候尽量避免耗时操作；
如果遇到耗时的操作，或者大量IO的操作，或者有线程sleep的操作一定要避免使用并行流。
四、Stream流可能会遇到的一些坑点
4.1 parallelStream和整个java进程共用ForkJoinPool
如果直接使用parallelStream().foreach会默认使用全局的ForkJoinPool，而这样就会导致当前程序很多地方共用同一个线程池，包括gc相关操作在内，所以一旦任务队列中满了之后，就会出现阻塞的情况，导致整个程序的只要当前使用ForkJoinPool的地方都会出现问题。
4.2 parallelStream使用后ThreadLocal数据为空
parallelStream创建的并行流在真正执行时是由ForkJoin框架创建多个线程并行执行，由于ThreadLocal本身不具有可继承性，新生成的线程自然无法获取父线程中的ThreadLocal数据。
4.3 转map的时候，没有注意到key值重复
在使用Stream流转map操作的时候，需要注意key重复的问题。
五、Stream流总结
5.1优势
1.代码更简洁。偏声明式的编码风格，更容易体现出代码的逻辑意图。
2.逻辑间解耦。一个stream中间处理逻辑，无需关注上游与下游的内容，只需要按约定实现自身逻辑即可。
3.并行流场景效率会比迭代器逐个循环更高。
4.函数式接口，延迟执行的特性，中间管道操作不管有多少步骤都不会立即执行，只有遇到终止操作的时候才会开始执行，可以避免一些中间不必要的操作消耗。
5.2劣势
debug不方便。
创意加速器：AI 绘画创作
本方案展示了如何利用自研的通义万相AIGC技术在Web服务中实现先进的图像生成。其中包括文本到图像、涂鸦转换、人像风格重塑以及人物写真创建等功能。这些能力可以加快艺术家和设计师的创作流程，提高创意效率。
点击阅读原文查看详情。
微信扫码关注该文公众号作者