Java 函数式编程

1.Lambda

1.1 格式

JDK 从 1.8 版本开始支持 Lambda 表达式，通过 Lambda 表达式我们可以将一个函数作为参数传入方法中。在 JDK 1.8 之前，我们只能通过匿名表达式来完成类似的功能，但是匿名表达式比较繁琐，存在大量的模板代码，不利于将行为参数化，而采用 Lamdba 则能很好的解决这个问题。Lambda 表达式的基本语法如下：

(parameters) -> expression

或采用花括号的形式：

(parameters) -> { statements; }

Lambda 表达式具有如下特点：

可选的参数：不需要声明参数类型，编译器会依靠上下文进行自动推断；

可选的参数圆括号：当且仅当只有一个参数时，包裹参数的圆括号可以省略； 

可选的花括号：如果主体只有一个表达式，则无需使用花括号； 

可选的返回关键字：如果主体只有一个表达式，则该表达式的值就是整个 Lambda 表达式的返回值，此时不需要使用 return 关键字进行显式的返回。

1.2 行为参数化

 上面我们说过，Lambda 表达式主要解决的是行为参数化的问题，而什么是行为参数化？下面给出一个具体的示例：

/*** 定义函数式接口* @param <T> 参数类型*/
@FunctionalInterface
public interface CustomPredicate<T> {boolean test(T t);
}
/*** 集合过滤* @param list 待过滤的集合* @param predicate 函数式接口* @param <T> 集合中元素的类型* @return 满足条件的元素的集合*/
public static <T> List<T> filter(List<T> list, CustomPredicate<T> predicate) {ArrayList<T> result = new ArrayList<>();for (T t : list) {// 将满足条件的元素添加到返回集合中if (predicate.test(t)) result.add(t);}return result;
}

针对不同类型的集合，我们可以通过传入不同的 Lambda 表达式作为参数来表达不同的过滤行为，这就是行为参数化：

List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
filter(integers, x -> x % 2 == 0);  // 过滤出所有偶数List<Employee> employees = Arrays.asList(new Employee("张某", 21, true),new Employee("李某", 30, true),new Employee("王某", 45, false));
filter(employees, employee -> employee.getAge() > 25); // 过滤出所有年龄大于25的员工

需要注意的是上面我们声明接口时，使用了 @FunctionalInterface 注解，它表示当前的接口是一个函数式接口。函数式接口就是只含有一个抽象方法的接口；即一个接口不论含有多少个默认方法和静态方法，只要它只有一个抽象方法，它就是一个函数式接口。使用 @FunctionalInterface 修饰后，当该接口有一个以上的抽象方法时，编译器就会进行提醒。

任何使用到函数式接口的地方，都可以使用 Lambda 表达式进行简写。例如 Runnable 接口就是一个函数式接口，我们可以使用 Lambda 表达式对其进行简写：

new Thread(() -> {System.out.println("hello");
});

1.3 方法引用和构造器引用

紧接上面的例子，如果我们需要过滤出所有的正式员工，除了可以写成下面的形式外：

filter(employees, employee -> employee.isOfficial());

还可以使用方法引用的形式进行简写：

filter(employees, Employee::isOfficial);

除了方法引用外，还可以对构造器进行引用，示例如下：

Stream<Integer> stream = Stream.of(1, 3, 5, 2, 4);
stream.collect(Collectors.toCollection(ArrayList::new));  //等价于 toCollection(()->new ArrayList<>())

方法引用和构造器引用的目的都是为了让代码更加的简洁。

2. 函数式接口

通常我们不需要自定义函数式接口，JDK 中内置了大量函数式接口，基本可以满足大多数场景下的使用需求，最基本的四种如下：

2.1. Consumer<T>消费型接口

消费输入的变量，没有返回值：

@FunctionalInterface
public interface Consumer<T> {void accept(T t);...
}

2.2 Consumer<T>：供给型接口

供给变量：

@FunctionalInterface
public interface Supplier<T> {T get();
}

2.3 Function<T, R>：

对输入类型为 T 的变量执行特定的转换操作，并返回类型为 R 的返回值：

@FunctionalInterface
public interface Function<T, R> {R apply(T t);...
}

2.4 Predicate<T>：

判断类型为 T 的变量是否满足特定的条件，如果满足则返回 true，否则返回 false：

@FunctionalInterface
public interface Predicate<T> {boolean test(T t);...
}

其他函数式接口都是这四种基本类型的扩展和延伸。以 BiFunction 和 BinaryOperator 接口为例：

BiFunction<T, U, R>：是函数型接口 Function<T, R> 的扩展，Function 只能接收一个入参；而 BiFunction 可以用于接收两个不同类型的入参；

BinaryOperator<T>：是 BiFunction 的一种特殊化情况，即两个入参和返回值的类型均相同，通常用于二元运算。定义如下：

@FunctionalInterface
public interface BiFunction<T, U, R> {R apply(T t, U u);
}@FunctionalInterface
public interface BinaryOperator<T> extends BiFunction<T,T,T> {....
}

下面演示一下 BinaryOperator 的用法：

/* 执行归约操作*/
public static <T> T reduce(List<T> list, T initValue, BinaryOperator<T> binaryOperator) {for (T t : list) {initValue = binaryOperator.apply(initValue, t);}return initValue;
}public static void main(String[] args) {List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);reduce(integers, 0, (a, b) -> a + b); // 求和  输出：15reduce(integers, 1, (a, b) -> a * b); // 求积  输出：120
}

3. 创建流

JDK 1.8 中另一个大的改进是引入了流，通过流、Lamda 表达式以及函数式接口，可以高效地完成数据的处理。创建流通常有以下四种方法：

3.1 由值创建

使用静态方法 Stream.of() 由指定的值进行创建：

Stream<String> stream = Stream.of("a", "b", "c", "d");

3.2 由集合或数组创建

使用静态方法 Arrays.stream() 由指定的数组进行创建：

String[] strings={"a", "b", "c", "d"};
Stream<String> stream = Arrays.stream(strings);

调用集合类的 stream() 方法进行创建：

List<String> strings = Arrays.asList("a", "b", "c", "d");
Stream<String> stream = strings.stream();

stream() 方法定义在 Collection 接口中，它是一个默认方法，因此大多数的集合都可以通过该方法来创建流：

public interface Collection<E> extends Iterable<E> {default Stream<E> stream() {return StreamSupport.stream(spliterator(), false);}
}

3.3 由文件创建

try (Stream<String> lines = Files.lines(Paths.get("pom.xml"), StandardCharsets.UTF_8)) {lines.forEach(System.out::println);
} catch (IOException e) {e.printStackTrace();
}

3.4 由函数创建

除了以上方法外，还可以通过 Stream.iterate() 和 Stream.generate() 方法来来创建无限流：

Stream.iterate() 接受两个参数：第一个是初始值；第二个参数是一个输入值和输出值相同的函数型接口，主要用于迭代式地产生新的元素，示例如下：

// 依次输出0到9
Stream.iterate(0, x -> x + 1).limit(10).forEach(System.out::print);
Stream.generate()  接收一个供应型函数作为参数，用于按照该函数产生新的元素：
// 依次输出随机数Stream.generate(Math::random).limit(10).forEach(System.out::print);

4. 操作流

4.1 基本操作

当流创建后，便可以利用 Stream 类上的各种方法对流中的数据进行处理，常用的方法如下：

操作	作用	返回类型	使用的类型/函数式接口
filter	过滤符合条件的元素	Stream<T>	Predicate<T>
distinct	过滤重复元素	Stream<T>
skip	跳过指定数量的元素	Stream<T>	long
limit	限制元素的数量	Stream<T>	long
map	对元素执行特定转换操作	Stream<T>	Function<T,R>
flatMap	将元素扁平化后执行特定转换操作	Stream<T>	Function<T,Stream<R>>
sorted	对元素进行排序	Stream<T>	Comparator<T>
anyMatch	是否存在任意一个元素能满足指定条件	boolean	Predicate<T>
noneMatch	是否所有元素都不满足指定条件	boolean	Predicate<T>
allMatch	是否所有元素都满足指定条件	boolean	Predicate<T>
findAny	返回任意一个满足指定条件的元素	Optional<T>
findFirst	返回第一个满足指定条件的元素	Optional<T>
forEach	对所有元素执行特定的操作	void	Cosumer<T>
collect	使用收集器	R	Collector<T, A, R>
reduce	执行归约操作	Optional<T>	BinaryOperator<T>
count	计算流中元素的数量	long

注：上表中返回类型为 Stream<T> 的操作都是中间操作，代表还可以继续调用其它方法对流进行处理。返回类型为其它的操作都是终止操作，代表处理过程到此为止。

使用示例如下：

Stream.iterate(0, x -> x + 1)       // 构建流.limit(20)                        // 限制元素的个数.skip(10)                        // 跳过前10个元素.filter(x -> x % 2 == 0)         // 过滤出所有偶数.map(x -> "偶数:" + x)            // 对元素执行转换操作.forEach(System.out::println);    // 打印出所有元素输出结果如下：shell
偶数:10
偶数:12
偶数:14
偶数:16
偶数:18

 上表的 flatMap() 方法接收一个参数，该参数是一个函数型接口 Function<? super T, ? extends Stream<? extends R>> mapper，主要用于将流中的元素转换为 Stream ，从而可以将原有的元素进行扁平化，示例如下：

String[] strings = {"hello", "world"};Arrays.stream(strings).map(x -> x.split(""))              // 拆分得到: ['h','e','l','l','o'],['w','o','r','l','d'].flatMap(x -> Arrays.stream(x))  // 将每个数组进行扁平化处理得到：'h','e','l','l','o','w','o','r','l','d'.forEach(System.out::println);

而上表的 reduce() 方法则接收两个参数：第一个参数表示执行归约操作的初始值；第二个参数是上文我们介绍过的函数式接口 BinaryOperator<T> ，使用示例如下：

Stream.iterate(0, x -> x + 1).limit(10).reduce(0, (a, b) -> a + b); //进行求和操作

4.2 数值流

上面的代码等效于对 Stream 中的所有元素执行了求和操作，因此我们还可以调用简便方法 sum() 来进行实现，但是需要注意的是 Stream.iterate() 生成流中的元素类型都是包装类型：

Stream<Integer> stream = Stream.iterate(0, x -> x + 1); //包装类型Integer
而 sum() 方法则是定义在 IntStream 上，此时需要将流转换为具体的数值流，对应的方法是 mapToInt()：
Stream.iterate(0, x -> x + 1).limit(10).mapToInt(x -> x).sum();

类似的方法还有 mapToLong() 和 mapToDouble() 。如果你想要将数值流转换为原有的流，相当于对其中的元素进行装箱操作，此时可以调用 boxed() 方法：

IntStream intStream = Stream.iterate(0, x -> x + 1).limit(10).mapToInt(x -> x);
Stream<Integer> boxed = intStream.boxed();

5.流收集器

5.1 常用流收集器

Stream 中最强大一个终止操作是 collect() ，它接收一个收集器 Collector 作为参数，可以将流中的元素收集到集合中，或进行分组、分区等操作。Java 中内置了多种收集器的实现，可以通过 Collectors 类的静态方法进行调用，常用的收集器如下：

工厂方法	返回类型	用于
toList	List<T>	把流中所有元素收集到 List 中
toSet	Set<T>	把流中所有元素收集到 Set 中
toCollection	Collection<T>	把流中所有元素收集到指定的集合中
counting	Long	计算流中所有元素的个数
summingInt	Integer	将流中所有元素转换为整数，并计算其总和
averagingInt	Double	将流中所有元素转换为整数，并计算其平均值
summarizingInt	IntSummaryStatistics	将流中所有元素转换为整数，并返回统计结果，包含最大值、最小值、 总和与平均值等信息
joining	String	将流中所有元素转换为字符串，并使用给定连接符进行连接
maxBy	Optional<T>	查找流中最大元素的 Optional
minBy	Optional<T>	查找流中最小元素的 Optional
reducing	规约操作产生的类型	对流中所有元素执行归约操作
collectingAndThen	转换返回的类型	先把流中所有元素收集到指定的集合中，再对集合执行特定的操作
groupingBy	Map<K,List<T>>	对流中所有元素执行分组操作
partitionBy	Map<Boolean,List<T>>	对流中所有元素执行分区操作

使用示例如下：

Stream<Integer> stream = Stream.of(1, 2, 3, 4, 4, 5, 6); stream.collect(Collectors.toSet());  // [1, 2, 3, 4, 5, 6]
stream.collect(Collectors.toList()); // [1, 2, 3, 4, 4, 5, 6]
stream.collect(Collectors.toCollection(ArrayList::new)); // [1, 2, 3, 4, 4, 5, 6]
stream.collect(Collectors.counting()); // 7 等效于 stream.count();
stream.collect(Collectors.summarizingInt(x -> x)); // IntSummaryStatistics{count=7, sum=25, min=1, average=3.571429, max=6}
stream.collect(Collectors.maxBy((Integer::compareTo))); // Optional[6]
stream.collect(Collectors.reducing(1, (a, b) -> a * b)); // 等效于 stream.reduce(1, (a, b) -> a * b);
collect(Collectors.collectingAndThen(Collectors.toSet(), Set::size)); // 先把所有元素收集到Set中，再计算Set的大小

注意：以上每个终止操作只能单独演示，因为对一个流只能执行一次终止操作。并且执行完终止操作后，就不能再对这个流进行任何操作，否则将抛出 java.lang.IllegalStateException: stream has already been operated upon or closed 的异常。

5.2 分组收集器

分组收集器可以实现类似数据库 groupBy 子句的功能。假设存在如下员工信息：

Stream<Employee> stream = Stream.of(new Employee("张某", "男", "A公司", 20),new Employee("李某", "女", "A公司", 30),new Employee("王某", "男", "B公司", 40),new Employee("田某", "女", "B公司", 50));
public class Employee {private String name;private String gender;private String company;private int age;@Overridepublic String toString() {return "Employee{" + "name='" + name + '\'' + '}';}
}

此时如果需要按照公司进行分组，则可以使用 groupingBy() 收集器： 

stream.collect(Collectors.groupingBy(Employee::getCompany));对应的分组结果如下：
{ B公司=[Employee{name='王某'}, Employee{name='田某'}], A公司=[Employee{name='张某'}, Employee{name='李某'}]
}

如果想要计算分组后每家公司的人数，还可以为 groupingBy() 传递一个收集器 Collector 作为其第二个参数，调用其重载方法：

stream.collect(Collectors.groupingBy(Employee::getCompany, Collectors.counting()));对应的结果如下：
{B公司=2, A公司=2
}    

因为第二个参数是一个 Collector，这意味着你可以再传入一个分组收集器来完成多级分组，示例如下：

stream.collect(Collectors.groupingBy(Employee::getCompany, Collectors.groupingBy(Employee::getGender)));先按照公司分组，再按照性别分组，结果如下：
{ B公司={女=[Employee{name='田某'}], 男=[Employee{name='王某'}]}, A公司={女=[Employee{name='李某'}], 男=[Employee{name='张某'}]}
}

除此之外，也可以通过代码块来自定义分组条件，示例如下：

Map<String, List<Employee>> collect = stream.collect(Collectors.groupingBy(employee -> {if (employee.getAge() <= 30) {return "青年员工";} else if (employee.getAge() < 50) {return "中年员工";} else {return "老年员工";}
}));对应的分组结果如下：
{ 
  中年员工=[Employee{name='王某'}], 
  青年员工=[Employee{name='张某'}, Employee{name='李某'}], 
  老年员工=[Employee{name='田某'}]
}    

5.3 分区

分区是分组的一种特殊情况，即将满足指定条件的元素分为一组，将不满足指定条件的元素分为另一组，两者在使用上基本类似，示例如下：

stream.collect(Collectors.partitioningBy(x -> "A公司".equals(x.getCompany())));对应的分区结果如下：
{false=[Employee{name='王某'}, Employee{name='田某'}], true=[Employee{name='张某'}, Employee{name='李某'}]
}    

6. 并行流

想要将普通流转换为并行流非常简单，只需要调用 Stream 的 parallel() 方法即可：

stream.parallel();

此时流中的所有元素会被均匀的分配到多个线程上进行处理。并行流内部使用的是 ForkJoinPool 线程池，它默认的线程数量就是处理器数量，可以通过 Runtime.getRuntime().availableProcessors() 来查看该值，通常不需要更改。

当前也没有办法为某个具体的流指定线程数量，只能通过修改系统属性 java.util.concurrent.ForkJoinPool.common.parallelism 的值来改变所有并行流使用的线程数量，示例如下：

System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism","12"); 

如果想将并行流改回普通的串行流，则只需要调用 Stream 的 sequential() 方法即可：

stream.sequential();