Java Stream流:高效数据处理全解析

Java Stream 流详解

Stream 是 Java 8 引入的 API,用于高效处理集合数据(如 ListSetMap 等)。它支持函数式编程风格,能实现复杂的查询、过滤、映射等操作,并支持并行处理以提升性能。


核心特点
  1. 非存储数据结构:不存储数据,仅通过计算管道传递数据。
  2. 不修改源数据:所有操作生成新流,不影响原始集合。
  3. 惰性求值:中间操作延迟执行,直到遇到终止操作才触发计算。
  4. 可消费性:流只能被遍历一次,终止操作后流即失效。

操作分类
类型操作示例
创建流从集合/数组生成流list.stream(), Arrays.stream(array)
中间操作返回新流(延迟执行)filter(), map(), sorted(), distinct()
终止操作触发计算并返回结果(非流类型)collect(), forEach(), reduce(), count()

常用操作详解
1. 创建流
// 从集合创建
List<String> list = Arrays.asList("a", "b", "c");
Stream<String> stream1 = list.stream();// 从数组创建
String[] array = {"a", "b", "c"};
Stream<String> stream2 = Arrays.stream(array);// 直接创建
Stream<String> stream3 = Stream.of("a", "b", "c");// 生成无限流(需限制大小)
Stream<Integer> infiniteStream = Stream.iterate(0, n -> n + 1).limit(10); // 0,1,2,...,9
2. 中间操作(链式调用)
  • filter(Predicate<T>):过滤元素

    stream.filter(s -> s.startsWith("a")); // 保留以"a"开头的元素
    
  • map(Function<T,R>):元素转换

    stream.map(String::toUpperCase); // 转为大写 ["A","B","C"]
    
  • flatMap(Function<T,Stream<R>>):扁平化嵌套流

    List<List<String>> nestedList = Arrays.asList(Arrays.asList("a", "b"),Arrays.asList("c", "d")
    );
    nestedList.stream().flatMap(List::stream) // 合并为["a","b","c","d"].forEach(System.out::println);
    
  • distinct():去重

    Stream.of(1, 2, 2, 3).distinct(); // [1, 2, 3]
    
  • sorted():排序

    Stream.of(3, 1, 2).sorted(); // [1, 2, 3]
    
  • limit(long n):截取前 n 个元素

    Stream.iterate(0, i -> i + 1).limit(3); // [0, 1, 2]
    
3. 终止操作
  • collect(Collector):转换为集合

    List<String> list = stream.collect(Collectors.toList()); // 转List
    Set<String> set = stream.collect(Collectors.toSet());    // 转Set
    
  • forEach(Consumer<T>):遍历元素

    stream.forEach(System.out::println); // 打印每个元素
    
  • reduce():聚合计算

    Optional<Integer> sum = Stream.of(1, 2, 3).reduce((a, b) -> a + b); // 6
    
  • count():统计元素数量

    long count = stream.filter(s -> !s.isEmpty()).count();
    
  • 匹配检查

    boolean anyMatch = stream.anyMatch(s -> s.contains("a")); // 任一元素匹配
    boolean allMatch = stream.allMatch(s -> s.length() > 0);  // 所有元素匹配
    

并行流

通过多线程加速处理大数据集:

// 创建并行流
List<String> result = list.parallelStream().filter(s -> s.length() > 2).collect(Collectors.toList());

注意:并行流需确保操作是线程安全的(如避免修改共享状态)。


实战示例
// 示例:从用户列表中筛选年龄≥18的用户,按姓名排序,提取前10个
List<User> users = ...; // 数据源List<String> result = users.stream().filter(user -> user.getAge() >= 18)  // 过滤.sorted(Comparator.comparing(User::getName)) // 排序.limit(10)                           // 截取.map(User::getName)                  // 提取姓名.collect(Collectors.toList());       // 转为List

注意事项
  1. 流不可复用:终止操作后流即关闭,再次使用会抛出 IllegalStateException
  2. 避免副作用:操作中不要修改外部变量(使用无状态函数)。
  3. 性能考量:小数据集用顺序流,大数据集用并行流(需测试验证)。

Stream API 大幅简化了集合操作代码,结合 Lambda 表达式,使 Java 处理数据更简洁高效。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/pingmian/88554.shtml
繁体地址,请注明出处:http://hk.pswp.cn/pingmian/88554.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

光子精密双目3D线激光轮廓测量仪,摆脱视觉盲区,1台更比2台强!

光子精密双目3D线激光轮廓测量仪&#xff08;GL-8160D&#xff09;&#xff0c;在GL-8000系列的基础上创新升级。GL-8160D采用全新双目单线设计&#xff0c;突破传统3D视觉检测限制&#xff0c;而且不受外部拼接标定误差影响&#xff0c;有效消除单目盲区&#xff0c;抗光干扰能…

基于Linux驱动的可见光通信方案 —— 开源 OpenVLC 平台入门(附 BeagleBone Black 驱动简单解析)

60 美元玩转 Li-Fi —— 开源 OpenVLC 平台入门&#xff08;附 BeagleBone Black 及驱动解析&#xff09;一、什么是 OpenVLC&#xff1f; OpenVLC 是由西班牙 IMDEA Networks 研究所推出的开源可见光通信&#xff08;VLC / Li-Fi&#xff09;研究平台。它把硬件、驱动、协议栈…

Git系列--4.Git分支设计规范

目录 一、了解开发环境 1.1概念阐述 1.2系统概括图 二、设计规范之GitFlow模型 2.1具体分支概念 2.1.1master 分⽀ 2.1.2release 分⽀ 2.1.3develop 分⽀ 2.1.4feature 分⽀ 2.1.5hotfix 分⽀ 2.2宏观表格 三、分支流程图 一、了解开发环境 1.1概念阐述 对于开发人员…

【时间之外】AI在农机配件设计场景的应用

目录 农机制造业痛点 AI场景畅想 落后就要挨打 农机制造业痛点 最近&#xff0c;我与一位在制造业摸爬滚打多年的老友相聚。酒过三巡&#xff0c;话题渐渐转到他的事业上。他兴致勃勃地跟我讲起&#xff0c;自己正主导着一个规模达几千万的项目&#xff0c;生产基地远在孟加…

基于定制开发开源AI智能名片与S2B2C商城小程序的旅游日志创新应用研究

摘要&#xff1a;本文探讨了旅游日志在记录旅行美景与人物中的重要性&#xff0c;结合当下数字化发展趋势&#xff0c;引入定制开发开源AI智能名片与S2B2C商城小程序的概念。分析如何将这两者与旅游日志风格元素相融合&#xff0c;打造一种创新的旅游记录与分享模式&#xff0c…

XGBoosting算法详解(Boosting思想的代表算法)

文章目录相关文章一、Boosting思想&#xff1a;从弱到强的串行提升二、XGBoost算法思想&#xff1a;GBDT的极致优化三、XGBoost数学原理&#xff1a;从目标函数到树分裂3.1 目标函数定义3.2 正则化项&#xff1a;控制树的复杂度3.3 泰勒二阶展开&#xff1a;简化目标函数3.4 化…

Vue + Element UI 实现选框联动进而动态控制选框必填

目录 一. 需求描述 二. 解决思路 三. 代码实现 四. 效果展示 一. 需求描述 如下图所示&#xff0c;新增人员页面&#xff0c;有字段"Leader DS"和"Leader DS名称"。 现在我要在字段"Leader DS"和"Leader DS名称"字段下方再添加一…

高通SG882G平台(移远),Ubuntu22编译:1、下载代码

不要使用Ubuntu24&#xff0c;不稳定。 docker听着美好&#xff0c;其实也有问题。比如你给别人的时候&#xff0c;虚拟机直接给过去&#xff0c;马上就能用。 安装工具 sudo apt-get install -y \ diffstat xmlstarlet texinfo chrpath gcc-aarch64-linux-gnu libarchive-d…

Android音视频探索之旅 | C++层使用OpenGL ES实现视频渲染

一.前言 在学习音视频的过程中&#xff0c;实现视频渲染是非常常见的&#xff0c;而渲染的方式也挺多&#xff0c;可以使用Java层的OpenGL ES进行图形渲染&#xff0c;也可以使用Ffmpeg来显示&#xff0c;还有就是通过C层的OpenGL ES来进行渲染。OpenGL ES是OpenGL三维图形API…

公链的主要特征有哪些?

公链&#xff08;公共区块链&#xff09;是指对所有人开放、无需授权即可参与的区块链&#xff0c;其主要特征包括&#xff1a;- 开放性&#xff1a;任何人都可以自由加入网络&#xff0c;参与节点运行、数据验证或交易&#xff0c;无需经过中心化机构的审核。- 去中心化&#…

博途多重背景、参数实例--(二)

引用官方技术支持&#xff1a; 《《 博图&#xff0c;怎么把DINT类型转换成TIME&#xff0c;就是MCGS触摸屏上设置时间&#xff0c;PLC里的定时器TIME 》》 我们把上面的实现&#xff0c;封装成FC,FB块&#xff08;FB程序内调用定时器指令时的选项不…

单片机基础

什么是嵌入式系统&#xff1f; 嵌入式系统通常指的是专门为某种功能设计的微型计算机系统&#xff0c;比如智能手表、家电控制板、汽车ECU等。 什么是嵌入式系统的IO&#xff1f; IO&#xff08;Input/Output&#xff0c;输入/输出&#xff09;就是嵌入式系统与外部世界“交…

全连接神经网络(MLP)原理与PyTorch实现详解

一、全连接神经网络概述全连接神经网络(Fully Connected Neural Network)&#xff0c;也称为多层感知机(Multi-Layer Perceptron, MLP)&#xff0c;是深度学习中最基础的神经网络结构之一。它由多个全连接层组成&#xff0c;每一层的神经元与下一层的所有神经元相连接。1.1 神经…

推荐系统-数据分割、性能验证

推荐系统基础概念前言 作者根据开源项目 gorse 的每一步提交&#xff0c; 系统性学习推荐系统架构组成以及gorse中使用的推荐算法的实现。 通过参考算法文档以及代码实现&#xff0c;作者对gorse的学习过程以及进度 与 博客发布的时间线保持一致数据集分割原因 推荐系统的根本任…

从电商新手到单日变现5000+,我是如何做到闲鱼爆单的

很多人想做项目赚钱&#xff0c;却总是迈不出第一步。今天给大家分享一个可以从电商小白到成功跑通项目&#xff0c;实现单日GMV 5000的项目。今天将分享从选品、内容制作、销售服务的全过程实战经验。1&#xff1a;闲鱼实战&#xff0c;强执行力01实操前的准备执行力就是你的动…

vue3实现pdf文件预览 - vue-pdf-embed

参考地址&#xff1a;https://juejin.cn/post/7105933034771185701 这个参考文章的代码直接可以复制使用&#xff0c;样式也是给到的&#xff0c;但是实现的是一页一页的显示pdf内容&#xff0c;我的需求是要全部展示出来&#xff0c;页码切换时是做一个滚动定位操作。 思路&am…

【AI论文】OmniPart:基于语义解耦与结构连贯性的部件感知三维生成

摘要&#xff1a;创建具有显式、可编辑部件结构的三维资产&#xff0c;对于推动交互式应用的发展至关重要。然而&#xff0c;大多数生成方法仅能生成整体式形状&#xff0c;限制了其实际应用价值。我们提出OmniPart——一种新型的部件感知三维物体生成框架&#xff0c;旨在实现…

Pandas-数据查看与质量检查

Pandas-数据查看与质量检查一、数据查看&#xff1a;快速掌握数据概况1. 整体概览&#xff1a;shape与info()2. 数值特征预览&#xff1a;describe()3. 随机抽样&#xff1a;head()与sample()二、数据质量检查&#xff1a;识别与处理问题1. 缺失值检查与处理处理策略&#xff1…

类和对象拓展——日期类

一.前言通过前面对类和对象的学习&#xff0c;现在我们可以开始实践日期类的代码编写。在实际操作过程中&#xff0c;我会补充之前文章中未提及的相关知识点。二.正文 1. 日期类代码实现我们先来看看要实现什么功能吧&#xff0c;把他放在Date.h中#pragma once #include<ios…

大模型KV缓存量化误差补偿机制:提升推理效率的关键技术

大模型KV缓存量化误差补偿机制&#xff1a;提升推理效率的关键技术摘要 随着大型语言模型&#xff08;LLM&#xff09;参数规模突破千亿级别&#xff0c;推理过程中的显存占用与计算延迟成为制约其实际部署的核心瓶颈。KV缓存&#xff08;Key-Value Cache&#xff09;作为Trans…