Java Stream流從入門到精通
更新時(shí)間：2025年11月11日 15:08:17 作者：待畔逢
Stream（流）是Java 8引入的一個(gè)重要特性,它提供了一種聲明式的數(shù)據(jù)處理方式,本文給大家介紹Java Stream流從入門到精通,感興趣的朋友跟隨小編一起看看吧
Java Stream流詳解：從入門到精通
1. Stream流簡(jiǎn)介
什么是Stream？
Stream（流）是Java 8引入的一個(gè)重要特性，它提供了一種聲明式的數(shù)據(jù)處理方式。Stream不是數(shù)據(jù)結(jié)構(gòu)，而是對(duì)數(shù)據(jù)源（如集合、數(shù)組等）進(jìn)行操作的抽象。
為什么要使用Stream？
傳統(tǒng)的集合操作往往需要編寫大量的循環(huán)代碼，而Stream提供了更加簡(jiǎn)潔、易讀的函數(shù)式編程風(fēng)格：
// 傳統(tǒng)方式：找出年齡大于18的用戶姓名
List<String> result = new ArrayList<>();
for (User user : users) {
if (user.getAge() > 18) {
result.add(user.getName());
}
}
// Stream方式
List<String> result = users.stream()
.filter(user -> user.getAge() > 18)
.map(User::getName)
.collect(Collectors.toList());2. Stream的特點(diǎn)
2.1 主要特征
- 不存儲(chǔ)數(shù)據(jù)：Stream不是數(shù)據(jù)結(jié)構(gòu)，不會(huì)存儲(chǔ)元素
- 函數(shù)式編程：支持鏈?zhǔn)秸{(diào)用，代碼更簡(jiǎn)潔
- 惰性求值：中間操作不會(huì)立即執(zhí)行，只有遇到終端操作才會(huì)執(zhí)行
- 可消費(fèi)性：Stream只能被消費(fèi)一次
2.2 Stream操作分類
// 中間操作（Intermediate Operations）
// 返回Stream對(duì)象，支持鏈?zhǔn)秸{(diào)用
stream.filter().map().sorted()
// 終端操作（Terminal Operations）
// 返回具體結(jié)果，觸發(fā)流的執(zhí)行
stream.collect().forEach().reduce()3. 創(chuàng)建Stream流
3.1 從集合創(chuàng)建
List<String> list = Arrays.asList("a", "b", "c");
// 串行流
Stream<String> stream = list.stream();
// 并行流
Stream<String> parallelStream = list.parallelStream();3.2 從數(shù)組創(chuàng)建
String[] array = {"a", "b", "c"};
Stream<String> stream = Arrays.stream(array);
// 指定范圍
Stream<String> stream2 = Arrays.stream(array, 1, 3);3.3 直接創(chuàng)建
// 通過(guò)Stream.of()
Stream<String> stream = Stream.of("a", "b", "c");
// 創(chuàng)建空流
Stream<String> empty = Stream.empty();
// 創(chuàng)建無(wú)限流
Stream<Integer> iterate = Stream.iterate(0, n -> n + 2);
Stream<Double> generate = Stream.generate(Math::random);3.4 從文件創(chuàng)建
try (Stream<String> lines = Files.lines(Paths.get("file.txt"))) {
lines.forEach(System.out::println);
} catch (IOException e) {
e.printStackTrace();
}
4. 中間操作詳解
4.1 filter() - 過(guò)濾
根據(jù)條件過(guò)濾元素：
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
// 過(guò)濾出偶數(shù)
List<Integer> evenNumbers = numbers.stream()
.filter(n -> n % 2 == 0)
.collect(Collectors.toList());
// 結(jié)果：[2, 4, 6, 8, 10]4.2 map() - 映射轉(zhuǎn)換
將元素轉(zhuǎn)換為其他形式：
List<String> words = Arrays.asList("hello", "world", "java");
// 轉(zhuǎn)換為大寫
List<String> upperCase = words.stream()
.map(String::toUpperCase)
.collect(Collectors.toList());
// 結(jié)果：["HELLO", "WORLD", "JAVA"]
// 獲取字符串長(zhǎng)度
List<Integer> lengths = words.stream()
.map(String::length)
.collect(Collectors.toList());
// 結(jié)果：[5, 5, 4]4.3 flatMap() - 扁平化映射
將嵌套結(jié)構(gòu)扁平化：
List<List<String>> nested = Arrays.asList(
Arrays.asList("a", "b"),
Arrays.asList("c", "d"),
Arrays.asList("e", "f")
);
// 扁平化處理
List<String> flattened = nested.stream()
.flatMap(Collection::stream)
.collect(Collectors.toList());
// 結(jié)果：["a", "b", "c", "d", "e", "f"]4.4 distinct() - 去重
List<Integer> numbers = Arrays.asList(1, 2, 2, 3, 3, 4, 5);
List<Integer> unique = numbers.stream()
.distinct()
.collect(Collectors.toList());
// 結(jié)果：[1, 2, 3, 4, 5]4.5 sorted() - 排序
List<String> words = Arrays.asList("banana", "apple", "cherry");
// 自然排序
List<String> sorted = words.stream()
.sorted()
.collect(Collectors.toList());
// 結(jié)果：["apple", "banana", "cherry"]
// 自定義排序
List<String> sortedByLength = words.stream()
.sorted(Comparator.comparing(String::length))
.collect(Collectors.toList());
// 結(jié)果：["apple", "banana", "cherry"]4.6 limit() 和 skip()
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
// 限制元素?cái)?shù)量
List<Integer> limited = numbers.stream()
.limit(5)
.collect(Collectors.toList());
// 結(jié)果：[1, 2, 3, 4, 5]
// 跳過(guò)前幾個(gè)元素
List<Integer> skipped = numbers.stream()
.skip(5)
.collect(Collectors.toList());
// 結(jié)果：[6, 7, 8, 9, 10]
// 分頁(yè)效果：跳過(guò)前5個(gè)，取3個(gè)
List<Integer> page = numbers.stream()
.skip(5)
.limit(3)
.collect(Collectors.toList());
// 結(jié)果：[6, 7, 8]5. 終端操作詳解
5.1 collect() - 收集結(jié)果
List<String> words = Arrays.asList("apple", "banana", "cherry");
// 收集到List
List<String> list = words.stream().collect(Collectors.toList());
// 收集到Set
Set<String> set = words.stream().collect(Collectors.toSet());
// 收集到Map
Map<String, Integer> map = words.stream()
.collect(Collectors.toMap(
word -> word, // key
String::length // value
));
// 分組
Map<Integer, List<String>> grouped = words.stream()
.collect(Collectors.groupingBy(String::length));
// 連接字符串
String joined = words.stream()
.collect(Collectors.joining(", "));
// 結(jié)果："apple, banana, cherry"5.2 forEach() - 遍歷
List<String> words = Arrays.asList("apple", "banana", "cherry");
// 打印每個(gè)元素
words.stream().forEach(System.out::println);
// 并行遍歷（注意：順序不保證）
words.parallelStream().forEach(System.out::println);
// 有序遍歷
words.parallelStream().forEachOrdered(System.out::println);5.3 reduce() - 歸約
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
// 求和
Optional<Integer> sum = numbers.stream()
.reduce((a, b) -> a + b);
// 帶初始值的求和
Integer sum2 = numbers.stream()
.reduce(0, (a, b) -> a + b);
// 求最大值
Optional<Integer> max = numbers.stream()
.reduce(Integer::max);
// 字符串連接
List<String> words = Arrays.asList("Hello", " ", "World");
String result = words.stream()
.reduce("", String::concat);
// 結(jié)果："Hello World"5.4 查找操作
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
// 查找任意一個(gè)偶數(shù)
Optional<Integer> any = numbers.stream()
.filter(n -> n % 2 == 0)
.findAny();
// 查找第一個(gè)偶數(shù)
Optional<Integer> first = numbers.stream()
.filter(n -> n % 2 == 0)
.findFirst();5.5 匹配操作
List<Integer> numbers = Arrays.asList(2, 4, 6, 8);
// 是否所有元素都是偶數(shù)
boolean allEven = numbers.stream()
.allMatch(n -> n % 2 == 0); // true
// 是否存在偶數(shù)
boolean anyEven = numbers.stream()
.anyMatch(n -> n % 2 == 0); // true
// 是否沒(méi)有奇數(shù)
boolean noneOdd = numbers.stream()
.noneMatch(n -> n % 2 == 1); // true5.6 統(tǒng)計(jì)操作
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
// 計(jì)數(shù)
long count = numbers.stream().count();
// 數(shù)值流統(tǒng)計(jì)
IntSummaryStatistics stats = numbers.stream()
.mapToInt(Integer::intValue)
.summaryStatistics();
System.out.println("Count: " + stats.getCount());
System.out.println("Sum: " + stats.getSum());
System.out.println("Average: " + stats.getAverage());
System.out.println("Max: " + stats.getMax());
System.out.println("Min: " + stats.getMin());6. 實(shí)際應(yīng)用案例
6.1 用戶數(shù)據(jù)處理
public class User {
private String name;
private int age;
private String city;
private double salary;
// 構(gòu)造函數(shù)、getter、setter省略
}
List<User> users = Arrays.asList(
new User("張三", 25, "北京", 8000),
new User("李四", 30, "上海", 12000),
new User("王五", 22, "北京", 6000),
new User("趙六", 28, "深圳", 15000)
);
// 案例1：找出年齡大于25歲，在北京工作的用戶姓名
List<String> result1 = users.stream()
.filter(user -> user.getAge() > 25)
.filter(user -> "北京".equals(user.getCity()))
.map(User::getName)
.collect(Collectors.toList());
// 案例2：按城市分組統(tǒng)計(jì)平均工資
Map<String, Double> avgSalaryByCity = users.stream()
.collect(Collectors.groupingBy(
User::getCity,
Collectors.averagingDouble(User::getSalary)
));
// 案例3：找出工資最高的用戶
Optional<User> highestPaid = users.stream()
.max(Comparator.comparing(User::getSalary));
// 案例4：計(jì)算所有用戶的總工資
double totalSalary = users.stream()
.mapToDouble(User::getSalary)
.sum();6.2 文件處理
// 讀取文件并統(tǒng)計(jì)單詞頻率
public Map<String, Long> countWords(String filePath) {
try (Stream<String> lines = Files.lines(Paths.get(filePath))) {
return lines
.flatMap(line -> Arrays.stream(line.split("\\s+")))
.filter(word -> !word.isEmpty())
.map(String::toLowerCase)
.collect(Collectors.groupingBy(
Function.identity(),
Collectors.counting()
));
} catch (IOException e) {
throw new RuntimeException(e);
}
}6.3 數(shù)據(jù)轉(zhuǎn)換
// 將CSV數(shù)據(jù)轉(zhuǎn)換為對(duì)象
public List<Product> parseCSV(List<String> csvLines) {
return csvLines.stream()
.skip(1) // 跳過(guò)標(biāo)題行
.map(line -> line.split(","))
.filter(fields -> fields.length >= 3)
.map(fields -> new Product(
fields[0].trim(),
Double.parseDouble(fields[1].trim()),
Integer.parseInt(fields[2].trim())
))
.collect(Collectors.toList());
}7. 性能優(yōu)化建議
7.1 選擇合適的流類型
// 對(duì)于大數(shù)據(jù)集，考慮使用并行流
List<Integer> largeList = IntStream.range(0, 1000000)
.boxed()
.collect(Collectors.toList());
// 串行流
long serialTime = System.currentTimeMillis();
long serialSum = largeList.stream()
.mapToLong(Integer::longValue)
.sum();
serialTime = System.currentTimeMillis() - serialTime;
// 并行流
long parallelTime = System.currentTimeMillis();
long parallelSum = largeList.parallelStream()
.mapToLong(Integer::longValue)
.sum();
parallelTime = System.currentTimeMillis() - parallelTime;7.2 避免裝箱拆箱
// 不推薦：會(huì)產(chǎn)生裝箱拆箱開(kāi)銷
int sum1 = numbers.stream()
.mapToInt(Integer::intValue)
.sum();
// 推薦：直接使用基本類型流
int sum2 = IntStream.of(1, 2, 3, 4, 5).sum();7.3 合理使用短路操作
// 使用短路操作提高效率
boolean hasEven = numbers.stream()
.anyMatch(n -> n % 2 == 0); // 找到第一個(gè)偶數(shù)就返回
// 限制處理數(shù)量
List<String> first10 = largeStringList.stream()
.filter(s -> s.length() > 5)
.limit(10)
.collect(Collectors.toList());8. 常見(jiàn)陷阱與注意事項(xiàng)
8.1 Stream只能使用一次
Stream<String> stream = Stream.of("a", "b", "c");
stream.forEach(System.out::println); // 正常
// stream.count(); // 拋出IllegalStateException
8.2 并行流的線程安全
// 錯(cuò)誤：非線程安全的操作
List<String> result = new ArrayList<>();
words.parallelStream().forEach(result::add); // 可能導(dǎo)致數(shù)據(jù)丟失
// 正確：使用線程安全的收集器
List<String> result = words.parallelStream()
.collect(Collectors.toList());8.3 注意null值處理
List<String> words = Arrays.asList("hello", null, "world");
// 過(guò)濾null值
List<String> filtered = words.stream()
.filter(Objects::nonNull)
.collect(Collectors.toList());9. 總結(jié)
Stream流是Java 8引入的強(qiáng)大特性，它提供了：
優(yōu)點(diǎn)
- 簡(jiǎn)潔性：減少樣板代碼，提高代碼可讀性
- 函數(shù)式編程：支持鏈?zhǔn)秸{(diào)用，代碼更優(yōu)雅
- 并行處理：輕松實(shí)現(xiàn)并行計(jì)算
- 惰性求值：提高性能，按需計(jì)算
適用場(chǎng)景
- 集合數(shù)據(jù)的過(guò)濾、轉(zhuǎn)換、聚合
- 大數(shù)據(jù)集的并行處理
- 復(fù)雜的數(shù)據(jù)查詢和統(tǒng)計(jì)
- 函數(shù)式編程風(fēng)格的代碼
最佳實(shí)踐
- 優(yōu)先使用Stream API替代傳統(tǒng)循環(huán)
- 合理選擇串行流和并行流
- 注意Stream的一次性使用特性
- 使用基本類型流避免裝箱開(kāi)銷
- 善用短路操作提高性能
通過(guò)掌握Stream流，你可以寫出更加簡(jiǎn)潔、高效、易維護(hù)的Java代碼。在實(shí)際開(kāi)發(fā)中，Stream已經(jīng)成為處理集合數(shù)據(jù)的標(biāo)準(zhǔn)方式，值得每個(gè)Java開(kāi)發(fā)者深入學(xué)習(xí)和應(yīng)用。
到此這篇關(guān)于Java Stream流從入門到精通的文章就介紹到這了,更多相關(guān)Java Stream流內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Java Calendar類使用案例詳解,本篇文章通過(guò)簡(jiǎn)要的案例,講解了該項(xiàng)技術(shù)的了解與使用,以下就是詳細(xì)內(nèi)容,需要的朋友可以參考下2021-08-08
IntelliJ IDEA連接MySQL數(shù)據(jù)庫(kù)詳細(xì)圖解
今天小編就為大家分享一篇關(guān)于intellij idea連接mysql數(shù)據(jù)庫(kù)詳細(xì)圖解，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧2018-10-10
如何解決HttpServletRequest.getInputStream()多次讀取問(wèn)題
這篇文章主要介紹了如何解決HttpServletRequest.getInputStream()多次讀取問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-07-07
本文主要介紹了Java中2個(gè)對(duì)象字段值比較是否相同，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-04-04
java隨機(jī)生成一個(gè)名字和對(duì)應(yīng)拼音的方法
這篇文章主要介紹了java隨機(jī)生成一個(gè)名字和對(duì)應(yīng)拼音的方法,涉及java針對(duì)數(shù)組及隨機(jī)數(shù)操作的相關(guān)技巧,需要的朋友可以參考下2015-07-07
這篇文章主要介紹了Java 如何利用遞歸實(shí)現(xiàn)鏈表的歸并排序，幫助大家更好的理解和使用Java，感興趣的朋友可以了解下2020-09-09
這篇文章主要介紹了Java實(shí)現(xiàn)的n階曲線擬合功能,結(jié)合實(shí)例形式分析了Java基于矩陣的多項(xiàng)式曲線擬合相關(guān)操作技巧,需要的朋友可以參考下2018-01-01
Java實(shí)現(xiàn)重定向過(guò)程中添加請(qǐng)求頭信息
在Java中,我們經(jīng)常需要使用網(wǎng)絡(luò)請(qǐng)求來(lái)與服務(wù)器進(jìn)行通信,在進(jìn)行網(wǎng)絡(luò)請(qǐng)求時(shí),有時(shí)我們需要在重定向過(guò)程中添加請(qǐng)求頭信息,本文將介紹如何使用Java在重定向過(guò)程中添加請(qǐng)求頭,并提供相應(yīng)的代碼示例,2023-10-10
淺談Java實(shí)現(xiàn)分布式事務(wù)的三種方案
現(xiàn)在互聯(lián)網(wǎng)下，分布式和微服務(wù)橫行，難免會(huì)遇到分布式下的事務(wù)問(wèn)題，當(dāng)然微服務(wù)下可能沒(méi)有分布式事務(wù)，但是很多場(chǎng)景是需要分布式事務(wù)的。下面就來(lái)介紹下什么是分布式事務(wù)和分布式事務(wù)的解決方案2021-06-06
java日期操作工具類（獲取指定日期、日期轉(zhuǎn)換、相隔天數(shù)）
這篇文章主要為大家詳細(xì)介紹了java日期操作工具類，包括獲取指定日期、日期轉(zhuǎn)換、相隔天數(shù)等操作，感興趣的小伙伴們可以參考一下2016-06-06