(92) 函数式数据处理 (上) / 计算机程序的思维逻辑

上节我们介绍了Lambda表达式和函数式接口，本节探讨它们的应用，函数式数据处理，针对常见的集合数据处理，Java 8引入了一套新的类库，位于包java.util.stream下，称之为Stream API，这套API操作数据的思路，不同于我们在38节到55节介绍的容器类API，它们是函数式的，非常简洁、灵活、易读，具体有什么不同呢？由于内容较多，我们分为两节来介绍，本节先介绍一些基本的API，下节讨论一些高级功能。

基本概念

接口Stream类似于一个迭代器，但提供了更为丰富的操作，Stream API的主要操作就定义在该接口中。 Java 8给Collection接口增加了两个默认方法，它们可以返回一个Stream，如下所示：

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

stream()返回的是一个顺序流，parallelStream()返回的是一个并发流。顺序流就是由一个线程执行操作。而并发流背后可能有多个线程并发执行，与之前介绍的并发技术不同，使用并发流不需要显式管理线程，使用方法与顺序流是一样的。

下面，我们主要针对顺序流，学习Stream接口，包括其用法和基本原理，随后我们再介绍下并发流。先来看一些简单的示例。 基本示例 上节演示时使用了学生类Student和学生列表List<Student> lists，本节继续使用它们。 基本过滤 返回学生列表中90分以上的，传统上的代码一般是这样的：

List<Student> above90List = new ArrayList<>(); for (Student t : students) { if (t.getScore() > 90) { above90List.add(t); } }

使用Stream API，代码可以这样：

List<Student> above90List = students.stream() .filter(t->t.getScore()>90) .collect(Collectors.toList());

先通过stream()得到一个Stream对象，然后调用Stream上的方法，filter()过滤得到90分以上的，它的返回值依然是一个Stream，为了转换为List，调用了collect方法并传递了一个Collectors.toList()，表示将结果收集到一个List中。 代码更为简洁易读了，这种数据处理方式被称为函数式数据处理，与传统代码相比，它的特点是：

• 没有显式的循环迭代，循环过程被Stream的方法隐藏了
• 提供了声明式的处理函数，比如filter，它封装了数据过滤的功能，而传统代码是命令式的，需要一步步的操作指令
• 流畅式接口，方法调用链接在一起，清晰易读

基本转换 根据学生列表返回名称列表，传统上的代码一般是这样：

List<String> nameList = new ArrayList<>(students.size()); for (Student t : students) { nameList.add(t.getName()); }

使用Stream API，代码可以这样：

List<String> nameList = students.stream() .map(Student::getName) .collect(Collectors.toList());

这里使用了Stream的map函数，它的参数是一个Function函数式接口，这里传递了方法引用。 基本的过滤和转换组合 返回90分以上的学生名称列表，传统上的代码一般是这样：

List<String> nameList = new ArrayList<>(); for (Student t : students) { if (t.getScore() > 90) { nameList.add(t.getName()); } }

使用函数式数据处理的思路，可以将这个问题分解为由两个基本函数实现：

1. 过滤：得到90分以上的学生列表
2. 转换：将学生列表转换为名称列表

使用Stream API，可以将基本函数filter()和map()结合起来，代码可以这样：

List<String> above90Names = students.stream() .filter(t->t.getScore()>90) .map(Student::getName) .collect(Collectors.toList());

这种组合利用基本函数、声明式实现集合数据处理功能的编程风格，就是函数式数据处理。 代码更为直观易读了，但你可能会担心它的性能有问题。filter()和map()都需要对流中的每个元素操作一次，一起使用会不会就需要遍历两次呢？答案是否定的，只需要一次。实际上，调用filter()和map()都不会执行任何实际的操作，它们只是在构建操作的流水线，调用collect才会触发实际的遍历执行，在一次遍历中完成过滤、转换以及收集结果的任务。 像filter和map这种不实际触发执行、用于构建流水线、返回Stream的操作被称为中间操作(intermediate operation)，而像collect这种触发实际执行、返回具体结果的操作被称为终端操作(terminal operation)。Stream API中还有更多的中间和终端操作，下面我们具体来看下。 中间操作 除了filter和map，Stream API的中间操作还有distinct, sorted, skip, limit, peek, mapToLong, mapToInt, mapToDouble, flatMap等，我们逐个来看下。 distinct distinct返回一个新的Stream，过滤重复的元素，只留下唯一的元素，是否重复是根据equals方法来比较的，distinct可以与其他函数如filter, map结合使用。

比如，返回字符串列表中长度小于3的字符串、转换为小写、只保留唯一的，代码可以为：

List<String> list = Arrays.asList(new String[]{"abc","def","hello","Abc"}); List<String> retList = list.stream() .filter(s->s.length()<=3) .map(String::toLowerCase) .distinct() .collect(Collectors.toList()); System.out.println(retList);

输出为：

[abc, def]

虽然都是中间操作，但distinct与filter和map是不同的，filter和map都是无状态的，对于流中的每一个元素，它的处理都是独立的，处理后即交给流水线中的下一个操作，但distinct不同，它是有状态的，在处理过程中，它需要在内部记录之前出现过的元素，如果已经出现过，即重复元素，它就会过滤掉，不传递给流水线中的下一个操作。 对于顺序流，内部实现时，distinct操作会使用HashSet记录出现过的元素，如果流是有顺序的，需要保留顺序，会使用LinkedHashSet。 sorted 有两个sorted方法：

Stream<T> sorted() Stream<T> sorted(Comparator<? super T> comparator)

它们都对流中的元素排序，都返回一个排序后的Stream，第一个方法假定元素实现了Comparable接口，第二个方法接受一个自定义的Comparator。

比如，过滤得到90分以上的学生，然后按分数从高到低排序，分数一样的，按名称排序，代码可以为：

List<Student> list = students.stream() .filter(t->t.getScore()>90) .sorted(Comparator.comparing(Student::getScore) .reversed() .thenComparing(Student::getName)) .collect(Collectors.toList());

这里，使用了Comparator的comparing, reversed和thenComparing构建了Comparator。 与distinct一样，sorted也是一个有状态的中间操作，在处理过程中，需要在内部记录出现过的元素，与distinct不同的是，每碰到流中的一个元素，distinct都能立即做出处理，要么过滤，要么马上传递给下一个操作，但sorted不能，它需要先排序，为了排序，它需要先在内部数组中保存碰到的每一个元素，到流结尾时，再对数组排序，然后再将排序后的元素逐个传递给流水线中的下一个操作。 skip/limit 它们的定义为：

Stream<T> skip(long n) Stream<T> limit(long maxSize)

skip跳过流中的n个元素，如果流中元素不足n个，返回一个空流，limit限制流的长度为maxSize。

比如，将学生列表按照分数排序，返回第3名到第5名，代码可以为：

List<Student> list = students.stream() .sorted(Comparator.comparing( Student::getScore).reversed()) .skip(2) .limit(3) .collect(Collectors.toList());

skip和limit都是有状态的中间操作。对前n个元素，skip的操作就是过滤，对后面的元素，skip就是传递给流水线中的下一个操作。limit的一个特点是，它不需要处理流中的所有元素，只要处理的元素个数达到maxSize，后面的元素就不需要处理了，这种可以提前结束的操作被称为短路操作。 peek peek的定义为：

Stream<T> peek(Consumer<? super T> action)

它返回的流与之前的流是一样的，没有变化，但它提供了一个Consumer，会将流中的每一个元素传给该Consumer。这个方法的主要目的是支持调试，可以使用该方法观察在流水线中流转的元素，比如：

List<String> above90Names = students.stream() .filter(t->t.getScore()>90) .peek(System.out::println) .map(Student::getName) .collect(Collectors.toList());

mapToLong/mapToInt/mapToDouble map函数接受的参数是一个Function<T, R>，为避免装箱/拆箱，提高性能，Stream还有如下返回基本类型特定流的方法：

DoubleStream mapToDouble(ToDoubleFunction<? super T> mapper) IntStream mapToInt(ToIntFunction<? super T> mapper) LongStream mapToLong(ToLongFunction<? super T> mapper)

DoubleStream/IntStream/LongStream是基本类型特定的流，有一些专门的更为高效的方法。比如，求学生列表的分数总和，代码可以为：

double sum = students.stream() .mapToDouble(Student::getScore) .sum();

flatMap flatMap的定义为：

<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper)

它接受一个函数mapper，对流中的每一个元素，mapper会将该元素转换为一个流Stream，然后把新生成流的每一个元素传递给下一个操作。比如：

List<String> lines = Arrays.asList(new String[]{ "hello abc", "老马 编程" }); List<String> words = lines.stream() .flatMap(line -> Arrays.stream(line.split("\\s+"))) .collect(Collectors.toList()); System.out.println(words);

这里的mapper将一行字符串按空白符分隔为了一个单词流，Arrays.stream可以将一个数组转换为一个流，输出为：

[hello, abc, 老马, 编程]

可以看出，实际上，flatMap完成了一个1到n的映射。 针对基本类型，flatMap还有如下类似方法：

DoubleStream flatMapToDouble(Function<? super T, ? extends DoubleStream> mapper) IntStream flatMapToInt(Function<? super T, ? extends IntStream> mapper) LongStream flatMapToLong(Function<? super T, ? extends LongStream> mapper)

终端操作 中间操作不触发实际的执行，返回值是Stream，而终端操作触发执行，返回一个具体的值，除了collect，Stream API的终端操作还有max, min, count, allMatch, anyMatch, noneMatch, findFirst, findAny, forEach, toArray, reduce等，我们逐个来看下。 max/min max/min的定义为：

Optional<T> max(Comparator<? super T> comparator) Optional<T> min(Comparator<? super T> comparator)

它们返回流中的最大值/最小值，值的注意的是，它的返回值类型是Optional<T>，而不是T。 java.util.Optional是Java 8引入的一个新类，它是一个泛型容器类，内部只有一个类型为T的单一变量value，可能为null，也可能不为null。Optional有什么用呢？它用于准确地传递程序的语义，它清楚地表明，其代表的值可能为null，程序员应该进行适当的处理。

Optional定义了一些方法，比如：

// value不为null时返回true public boolean isPresent() // 返回实际的值，如果为null，抛出异常NoSuchElementException public T get() // 如果value不为null，返回value，否则返回other public T orElse(T other) // 构建一个空的Optional，value为null public static<T> Optional<T> empty() // 构建一个非空的Optional, 参数value不能为null public static <T> Optional<T> of(T value) // 构建一个Optional，参数value可以为null，也可以不为null public static <T> Optional<T> ofNullable(T value)

在max/min的例子中，通过声明返回值为Optional，我们就知道，具体的返回值不一定存在，这发生在流中不含任何元素的情况下。 看个简单的例子，返回分数最高的学生，代码可以为：

Student student = students.stream() .max(Comparator.comparing(Student::getScore).reversed()) .get();

这里，假定students不为空。

count count很简单，就是返回流中元素的个数。比如，统计大于90分的学生个数，代码可以为：

long above90Count = students.stream() .filter(t->t.getScore()>90) .count();

allMatch/anyMatch/noneMatch 这几个函数都接受一个谓词Predicate，返回一个boolean值，用于判定流中的元素是否满足一定的条件，它们的区别是：

• allMatch: 只有在流中所有元素都满足条件的情况下才返回true
• anyMatch: 只要流中有一个元素满足条件就返回true
• noneMatch: 只有流中所有元素都不满足条件才返回true

如果流为空，这几个函数的返回值都是true。 比如，判断是不是所有学生都及格了(不小于60分)，代码可以为：

boolean allPass = students.stream() .allMatch(t->t.getScore()>=60);

这几个操作都是短路操作，都不一定需要处理所有元素就能得出结果，比如，对于allMatch，只要有一个元素不满足条件，就能返回false。 findFirst/findAny 它们的定义为：

Optional<T> findFirst() Optional<T> findAny()

它们的返回类型都是Optional，如果流为空，返回Optional.empty()。findFirst返回第一个元素，而findAny返回任一元素，它们都是短路操作。 随便找一个不及格的学生，代码可以为：

Optional<Student> student = students.stream() .filter(t->t.getScore()<60) .findAny(); if(student.isPresent()){ // 不及格的学生.... }

forEach 有两个foreach方法：

void forEach(Consumer<? super T> action) void forEachOrdered(Consumer<? super T> action)

它们都接受一个Consumer，对流中的每一个元素，传递元素给Consumer，区别在于，在并发流中，forEach不保证处理的顺序，而forEachOrdered会保证按照流中元素的出现顺序进行处理。 比如，逐行打印大于90分的学生，代码可以为：

students.stream() .filter(t->t.getScore()>90) .forEach(System.out::println);

toArray toArray将流转换为数组，有两个方法：

Object[] toArray() <A> A[] toArray(IntFunction<A[]> generator)

不带参数的toArray返回的数组类型为Object[]，这经常不是期望的结果，如果希望得到正确类型的数组，需要传递一个类型为IntFunction的generator，IntFunction的定义为：

public interface IntFunction<R> { R apply(int value); }

generator接受的参数是流的元素个数，它应该返回对应大小的正确类型的数组。 比如，获取90分以上的学生数组，代码可以为：

Student[] above90Arr = students.stream() .filter(t->t.getScore()>90) .toArray(Student[]::new);

Student[]::new就是一个类型为IntFunction<Student[]>的generator。 reduce reduce代表归约或者叫折叠，它是max/min/count的更为通用的函数，将流中的元素归约为一个值，有三个reduce函数：

Optional<T> reduce(BinaryOperator<T> accumulator); T reduce(T identity, BinaryOperator<T> accumulator); <U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator, BinaryOperator<U> combiner);

第一个基本等同于调用：

boolean foundAny = false; T result = null; for (T element : this stream) { if (!foundAny) { foundAny = true; result = element; } else result = accumulator.apply(result, element); } return foundAny ? Optional.of(result) : Optional.empty();

比如，使用reduce求分数最高的学生，代码可以为：

Student topStudent = students.stream().reduce((accu, t) -> { if (accu.getScore() >= t.getScore()) { return accu; } else { return t; } }).get();

第二个reduce函数多了一个identity参数，表示初始值，它基本等同于调用：

T result = identity; for (T element : this stream) result = accumulator.apply(result, element) return result;

第一个和第二个reduce的返回类型只能是流中元素的类型，而第三个更为通用，它的归约类型可以自定义，另外，它多了一个combiner参数，combiner用在并发流中，用于合并子线程的结果，对于顺序流，它基本等同于调用：

U result = identity; for (T element : this stream) result = accumulator.apply(result, element) return result;

注意与第二个reduce函数相区分，它的结果类型不是T，而是U。比如，使用reduce函数计算学生分数的和，代码可以为：

double sumScore = students.stream().reduce(0d, (sum, t) -> sum += t.getScore(), (sum1, sum2) -> sum1 += sum2 );

以上，可以看出，reduce虽然更为通用，但比较费解，难以使用，一般情况，应该优先使用其他函数。 collect函数比reduce更为通用、强大和易用，关于它，我们下节再详细介绍。 构建流 前面我们提到，可以通过Collection接口的stream/parallelStream获取流，还有一些其他的方式可以获取流。 Arrays有一些stream方法，可以将数组或子数组转换为流，比如：

public static IntStream stream(int[] array) public static DoubleStream stream(double[] array, int startInclusive, int endExclusive) public static <T> Stream<T> stream(T[] array)

比如，输出当前目录下所有普通文件的名字，代码可以为：

File[] files = new File(".").listFiles(); Arrays.stream(files) .filter(File::isFile) .map(File::getName) .forEach(System.out::println);

Stream也有一些静态方法，可以构建流：

//返回一个空流 public static<T> Stream<T> empty() //返回只包含一个元素t的流 public static<T> Stream<T> of(T t) //返回包含多个元素values的流 public static<T> Stream<T> of(T... values) //通过Supplier生成流，流的元素个数是无限的 public static<T> Stream<T> generate(Supplier<T> s) //同样生成无限流，第一个元素为seed，第二个为f(seed)，第三个为f(f(seed))，依次类推 public static<T> Stream<T> iterate(final T seed, final UnaryOperator<T> f)

比如，输出10个随机数，代码可以为：

Stream.generate(()->Math.random()) .limit(10) .forEach(System.out::println);

输出100个递增的奇数，代码可以为：

Stream.iterate(1, t->t+2) .limit(100) .forEach(System.out::println);

并发流 前面我们主要使用的是Collection的stream()方法，换做parallelStream()方法，就会使用并发流，接口方法都是通用的。但并发流内部会使用多线程，线程个数一般与系统的CPU核数一样，以充分利用CPU的计算能力。

进一步来说，并发流内部会使用Java 7引入的fork/join框架，简单来说，处理由fork和join两个阶段组成，fork就是将要处理的数据拆分为小块，多线程按小块进行并发计算，join就是将小块的计算结果进行合并，具体我们就不探讨了。使用并发流，不需要任何线程管理的代码，就能实现并发。 函数式数据处理思维 看的出来，使用Stream API处理数据集合，与直接使用容器类API处理数据的思路是完全不一样的。 流定义了很多数据处理的基本函数，对于一个具体的数据处理问题，解决的主要思路就是组合利用这些基本函数，实现期望的功能，这种思路就是函数式数据处理思维，相比直接利用容器类API的命令式思维，思考的层次更高。

Stream API的这种思路也不是新发明，它与数据库查询语言SQL是很像的，都是声明式地操作集合数据，很多函数都能在SQL中找到对应，比如filter对应SQL的where，sorted对应order by等。SQL一般都支持分组(group by)功能，Stream API也支持，但关于分组，我们下节再介绍。 Stream API也与各种基于Unix系统的管道命令类似，熟悉Unix系统的都知道，Unix有很多命令，大部分命令只是专注于完成一件事情，但可以通过管道的方式将多个命令链接起来，完成一些复杂的功能，比如：

cat nginx_access.log | awk '{print $1}' | sort | uniq -c | sort -rnk 1 | head -n 20

以上命令可以分析nginx访问日志，统计出访问次数最多的前20个IP地址及其访问次数。具体来说，cat命令输出nginx访问日志到流，一行为一个元素，awk输出行的第一列，这里为IP地址，sort按IP进行排序，"uniq -c"按IP统计计数，"sort -rnk 1"按计数从高到低排序，"head -n 20"输出前20行。 小结 本节初步介绍了Java 8引入的函数式数据处理类库，Stream API，它类似于Unix的管道命令，也类似于数据库查询语言SQL，通过组合利用基本函数，可以在更高的层次上思考问题，以声明式的方式简洁地实现期望的功能。 对于collect方法，本节只是演示了最基本的应用，它还有很多高级功能，比如实现类似SQL的group by功能，具体怎么实现？实现的原理是什么呢？

(与其他章节一样，本节所有代码位于 https://github.com/swiftma/program-logic，位于包shuo.laoma.java8.c92下)