JDK8 新特性和stream流的使用（一）

叁歲伎倆 2024-04-29 19:06 152阅读 0赞

### JDK 8 的新特性包括： ###

*  [Lambda表达式][Lambda]。允许编写更加简洁和灵活的代码，它允许将代码作为参数传递给其他方法或作为函数返回。Lambda表达式使用“->”操作符，并且可以包含一个或多个参数，这些参数的类型由编译器推断得出。123

*  函数式接口的增强。在接口中可以添加默认方法和静态方法，这增强了接口的可扩展性和功能。14

*  [Optional类][Optional]。用于避免NullPointerException的检查，提供了处理可能为空的对象的便捷方式。13

*  新的时间和日期API。重新设计了API，支持多线程操作，并且提供了更现代的设计。1

*  可重复注解。允许在同一个位置放置多个相同的注解。
 *  [Stream API][Stream API]。提供了一种强大的数据操作方式，类似于SQL语句，使得处理集合和数据更加高效和简洁。
 *  并行Stream操作。通过Fork/Join框架提升性能，简化并行编程。
 *  速度优化。包括改进的垃圾回收机制，如元空间的引入代替了永久代，以及数据结构如HashMap的调整。3

*  [ConcurrentHashMap][ConcurrentHashMap]的改进。从锁分段机制改为大量CAS操作，同时HashMap和ConcurrentHashMap的结构也从链表改为链表+红黑树。
 *  引入新的[Date/Time API][Date_Time API]。提供了更现代的时间和日期处理方式。4

*  jdeps命令行工具。用于分析类、目录、jar包的类依赖层级关系。
 *  [MetaSpace][MetaSpace]取代永久代。JVM使用MetaSpace代替了永久代，以优化内存管理和避免内存溢出。

### jdk8 Stream API ###

#### 1. map集合value总和 ####

在Java中，使用Stream API对Map集合的value进行求和操作是一个常见的需求。以下是一个示例，展示了如何使用Stream API来计算Map集合中所有value的总和：

import java.util.HashMap;  
    import java.util.Map;  
    import java.util.OptionalDouble;  
      
    public class MapSumExample {  
        public static void main(String[] args) {  
            Map<String, Integer> map = new HashMap<>();  
            map.put("apple", 1);  
            map.put("banana", 2);  
            map.put("cherry", 3);  
            map.put("date", 4);  
      
            // 使用Stream API计算Map中所有value的总和  
            OptionalDouble sum = map.values().stream()  
                    .mapToInt(Integer::intValue) // 将Integer转换为int的Stream  
                    .summaryStatistics() // 获取IntSummaryStatistics  
                    .getSum(); // 获取总和  
      
            // 如果确定map不为空且value都是非null，可以直接使用sum()  
            double directSum = map.values().stream()  
                    .mapToDouble(Integer::doubleValue) // 将Integer转换为double的Stream  
                    .sum();  
      
            System.out.println("使用summaryStatistics的总和: " + sum.getAsDouble());  
            System.out.println("直接求和的总和: " + directSum);  
        }  
    }

在这个例子中，我们首先创建了一个包含字符串键和整数值的Map。然后，我们使用`map.values().stream()`来获取Map中所有value的Stream。接着，我们使用`mapToInt(Integer::intValue)`将Stream中的Integer对象转换为int类型的Stream，以便进行数值计算。最后，我们使用`sum()`方法计算总和。

另外，我们还可以通过`summaryStatistics()`方法获取一个`IntSummaryStatistics`对象，它包含了流中元素的各种摘要统计信息，如计数、总和、平均值、最大值和最小值等。在这个例子中，我们只关心总和，所以使用`getSum()`方法来获取它。

注意，如果Map可能为空或者value可能包含null，那么在求和之前应该进行非空检查。在上面的示例中，我们假设Map不为空且value都是非null。

最后，请注意`summaryStatistics()`方法可能会在处理大数据集时导致性能下降，因为它需要计算所有的摘要统计信息，而不仅仅是总和。如果只需要计算总和，使用`sum()`方法会更高效。

#### 2. 合并map切value相同时 ####

如果你想要合并两个Map，并且当key相同时，将它们的value进行加和，你可以使用Stream API结合`Collectors.toMap`来实现。

**思考**： 首先创建了两个包含不同键值对的Map：`map1`和`map2`。然后，我们使用`Stream.of(map1, map2)`创建一个包含这两个Map的Stream。接着，我们使用`flatMap`将每个Map的entry集合转换成一个单独的Stream，并合并它们。最后，我们使用`Collectors.toMap`收集器来创建一个新的Map。

import java.util.HashMap;  
    import java.util.Map;  
    import java.util.function.BinaryOperator;  
    import java.util.stream.Collectors;  
      
    public class MergeMapsExample {  
        public static void main(String[] args) {  
            Map<String, Integer> map1 = new HashMap<>();  
            map1.put("apple", 1);  
            map1.put("banana", 2);  
      
            Map<String, Integer> map2 = new HashMap<>();  
            map2.put("banana", 3);  
            map2.put("cherry", 4);  
      
            // 合并两个Map，并对相同key的value进行加和  
            Map<String, Integer> mergedMap = Stream.of(map1, map2)  
                    .flatMap(map -> map.entrySet().stream())  
                    .collect(Collectors.toMap(  
                            Map.Entry::getKey,  
                            Map.Entry::getValue,  
                            Integer::sum // 当key相同时，使用sum作为合并函数  
                    ));  
      
            System.out.println(mergedMap); // 输出: {apple=1, banana=5, cherry=4}  
        }  
    }

`Collectors.toMap`接收三个参数：

1.  key的映射函数，这里使用`Map.Entry::getKey`。
2.  value的映射函数，这里使用`Map.Entry::getValue`。
3.  merge函数，当key冲突时用于合并value。这里我们传递`Integer::sum`作为merge函数，它将相同key的value相加。

#### 3. 对list集合操作 ####

在Java中，如果你有一个包含对象的List集合，并且这些对象有一个时间属性，你可以使用Stream API的\`sorted()\`方法来根据时间属性对List中的对象进行升序排序。下面是一个简单的示例，说明如何做到这一点：

首先，假设你有一个\`Event\`类，它有一个\`LocalDateTime\`类型的\`time\`属性：

import java.time.LocalDateTime;
    
    public class Event {
        private LocalDateTime time;
        // 其他属性...
    
        public Event(LocalDateTime time) {
            this.time = time;
        }
    
        public LocalDateTime getTime() {
            return time;
        }
    
        // 其他getter和setter方法...
    
        @Override
        public String toString() {
            return "Event{" +
                    "time=" + time +
                    '}';
        }
    }

现在，假设你有一个\`Event\`对象的List集合，你想要根据\`time\`属性进行升序排序：

import java.time.LocalDateTime;
    import java.util.ArrayList;
    import java.util.List;
    import java.util.stream.Collectors;
    
    public class EventListSortingExample {
        public static void main(String[] args) {
            List<Event> events = new ArrayList<>();
            events.add(new Event(LocalDateTime.of(2023, 3, 10, 15, 0)));
            events.add(new Event(LocalDateTime.of(2023, 3, 9, 10, 0)));
            events.add(new Event(LocalDateTime.of(2023, 3, 11, 8, 0)));
    
            // 使用Stream API根据时间进行升序排序
            List<Event> sortedEvents = events.stream()
                    .sorted((e1, e2) -> e1.getTime().compareTo(e2.getTime()))
                    .collect(Collectors.toList());
    
            // 打印排序后的事件
            sortedEvents.forEach(System.out::println);
        }
    }

在上面的代码中，我们创建了一个\`Event\`对象的List，并使用\`stream()\`方法将其转换为一个Stream。然后，我们调用\`sorted()\`方法，并传递一个Comparator，它比较两个\`Event\`对象的\`time\`属性。\`LocalDateTime\`的\`compareTo()\`方法会根据时间顺序进行比较，从而实现升序排序。最后，我们使用\`collect()\`方法将排序后的Stream转换回List。

输出将会是根据时间升序排序的\`Event\`对象列表：

Event{time=2023-03-09T10:00}
    Event{time=2023-03-10T15:00}
    Event{time=2023-03-11T08:00}

注意：如果\`time\`属性有可能为\`null\`，那么在Comparator中需要添加适当的空值检查来避免\`NullPointerException\`。此外，如果你的List非常大，排序操作可能会消耗较多的内存和CPU时间，因此在实际应用中需要考虑性能因素。

对list集合还有很多操作...

[Lambda]: https://m.baidu.com/s?word=Lambda%E8%A1%A8%E8%BE%BE%E5%BC%8F&sa=re_dqa_zy
[Optional]: https://m.baidu.com/s?word=Optional%E7%B1%BB&sa=re_dqa_zy
[Stream API]: https://m.baidu.com/s?word=Stream%20API&sa=re_dqa_zy
[ConcurrentHashMap]: https://m.baidu.com/s?word=ConcurrentHashMap&sa=re_dqa_zy
[Date_Time API]: https://m.baidu.com/s?word=Date/Time%20API&sa=re_dqa_zy
[MetaSpace]: https://m.baidu.com/s?word=MetaSpace&sa=re_dqa_zy