lamada表达式、stream、collect整理

lamada表达式格式

格式：( parameter-list ) -> { expression-or-statements }
实例：简化匿名内部类的写法
原本写法：
public class LamadaTest {
    public static void main(String[] args) {
        new Thread(new Runnable() {
            @Override
            public void run() {
                System.out.println("沉默王二");
            }
        }).start();
    }
}
直接通过lamada表达式可以改写成：
public class LamadaTest {
    public static void main(String[] args) {
        new Thread(() -> {System.out.println("沉默王二")}.start();
    }
}

2 结合foreach替代for循环
List<Student> stus = Lists.newArrayList();//假设stus里面有数据，这里就不添加了
stus.foreach(stu->system.out.println(stu.getName()));
或者采用如下遍历方式：
for(Student stu : stus){
    system.out.println(stu.getName());
}

lamada实现排序
Collections.sort(list,(Integer o1,Integer o2) ->{
return o2-o1;
})   //降序

stream流相关

https://blog.csdn.net/anyi2351033836/article/details/125027710

filter操作

方法的定义，源码如下Stream filter(Predicate< super T> predicate);一个单纯的过滤操作直接返回传入类型
String[] dd = { “a”, “b”, “c” };
Stream stream = Arrays.stream(dd);
stream.filter(str -> str.equals(“a”)).forEach(System.out::println);//返回字符串为a的值

stream项目实例：
CppBankExercise cppBankExercise = exerciseList.stream().filter(exercise -> Objects.equals(projectId, exercise.getProjectId())).findFirst().orElse(null);

map操作

先看方法定义，源码如下** Stream map(Function< super T, extends R> mapper);**
这个方法传入一个Function的函数式接口，这个接口，接收一个泛型T，返回泛型R，map函数的定义，返回的流，表示的泛型是R对象，这个表示，调用这个函数后，可以改变返回的类型
        Integer[] dd = { 1, 2, 3 };
        Stream<Integer> stream = Arrays.stream(dd);
        stream.map(str -> Integer.toString(str)).forEach(str -> {
            System.out.println(str);// 1 ,2 ,3
            System.out.println(str.getClass());// class java.lang.String
        });

List<String> list = Arrays.asList(bankProjectQueryDto.getArithmeticLabel().split(",")).stream().map(label -> labelBiz.getArithmeticLabelById(label)).collect(Collectors.toList());

总结：无论是经过filte\map都是返回的stream

stream转化成clollector的方法

1️  collect是Stream流的一个终止方法，会使用传入的收集器（入参）对结果执行相关的操作，这个收集器必须是Collector接口的某个具体实现类
2️  Collector是一个接口，collect方法的收集器是Collector接口的具体实现类
3️  Collectors是一个工具类，提供了很多的静态工厂方法， 提供了很多Collector接口的具体实现类，是为了方便程序员使用而预置的一些较为通用的收集器（如果不使用Collectors类，而是自己去实现Collector接口，也可以）

又可将收集器分为几种不同的大类：恒等 归约 分组，如下图

恒等，例如toList()操作，只是最终将结果从Stream中取出放入到List对象中，并没有对元素本身做任何的更改处理，如：
list.stream().collect(Collectors.toList());
list.stream().collect(Collectors.toSet());
list.stream().collect(Collectors.toCollection());

 

归约，如Collectors.summingInt()，Stream流中的元素逐个遍历，进入到Collector处理函数中，然后会与上一个元素的处理结果进行合并处理，并得到一个新的结果
例1：计算总薪资
public void calculateSum() {
    Integer salarySum = getAllEmployees().stream()
            .filter(employee -> "上海公司".equals(employee.getSubCompany()))
            .collect(Collectors.summingInt(Employee::getSalary));
    System.out.println(salarySum);
}
例2：找薪资最高的员工
Optional<Employee> highestSalaryEmployee = getAllEmployees().stream()
            .filter(employee -> "上海公司".equals(employee.getSubCompany()))
            .max(Comparator.comparingInt(Employee::getSalary));

分组
常规的数据分组操作时，可以仅传入一个分组函数，这样collect返回的结果，就是一个HashMap，其每一个HashValue的值为一个List类型。
// 按照子公司维度将员工分组
Map<String, List<Employee>> resultMap = getAllEmployees()
                    .stream().collect(Collectors.groupingBy(Employee::getSubCompany));
collect返回的结果，就是一个HashMap，其每一个HashValue的值为一个List类型。

如果不仅需要分组，还需要对分组后的数据进行处理的时候，则需要同时给定分组函数以及值收集器：
public void groupAndCaculate() {
    // 按照子公司分组，并统计每个子公司的员工数
    Map<String, Long> resultMap = getAllEmployees().stream()
            .collect(Collectors.groupingBy(Employee::getSubCompany,
                    Collectors.counting()));
    System.out.println(resultMap);
}

public void filterEmployeesThenGroupByStream() {
    Map<String, List<Employee>> resultMap = getAllEmployees().stream()
            .filter(employee -> "上海公司".equals(employee.getSubCompany()))
            .collect(Collectors.groupingBy(Employee::getDepartment));
    System.out.println(resultMap);
}

     public void streamFilterAndMap(){
          List<String> addressList = data.toJavaList(DecrepitHouseInfo.class).stream().filter(item -> {
               //filter 过滤目标，返回值true：保留  返回值false：不保留
              return "C".equals(item.getType()) && "泥木结构".equals(item.getType2());
          }).map(item ->{
               //map 映射 可改变数据结构，添加、删除、组合数据均可
               return item.getCity()+item.getStreet();
          }).collect(Collectors.toList());
          System.out.println(JSON.toJSON(addressList));
     }

for循环、foreache、stream性能对比

普通for循环、foreache、stream三种方式性能差别不大，甚至在少量数据的时候stream效率低于for循环，但是stream写法更简洁、提供了并发处理的方式、且丰富的功能可以简化代码。

stream的parallelStream

如果要操作的集合很大，如针对答题结果的数据统计，则可以使用并发流，充分利用机器多核的特性，实例如下：
List<CompStuInfoReq> registerReqs = notRegister.parallelStream().map(userEntry ->
        CompStuInfoReq.builder()
            .secretKey(Constants.UC_SECRET_KEY)
            .userId(userEntry.getUserId())
            .competitionId(userEntry.getCompetitionId())
            .passwordSalt(userEntry.getPasswordSalt())
            .passwordHash(userEntry.getPasswordHash())
            .mobile(userInfoService.getDecryptMsg(userEntry.getMobile()))
            .name(userEntry.getName())
            .identity(userEntry.getIdentity())
            .build())
        .collect(Collectors.toList());

说明：
parallelStream默认使用了fork-join框架，其默认线程数是CPU核心数。也可以通过如下方式指定：

1.全局设置
在运行代码之前，加入如下代码：
System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism", "64");
一般不建议修改，因为修改虽然改进当前的业务逻辑，但对于整个项目中其它地方只是用来做非耗时的并行流运算，性能就不友好了，因为所有使用并行流parallerStream的地方都是使用同一个Fork-Join线程池，而Fork-Join线程数默认仅为cpu的核心数。最好是自己创建一个Fork-Join线程池来用，即下面的方法2。

2.默认优先用在CPU密集型计算中
这里有的人就说了，用在IO密集比如HTTP请求啊什么的这种耗时高的操作并行去请求不是效果显著吗
由于默认并行流使用的是全局的线程池，线程数量是根据cpu核数设置的，所以如果某个操作占用了线程，将影响全局其他使用并行流的操作
所以IO密集型场景的正确用法是自定义线程池来执行某个并行流操作
  ForkJoinPool forkJoinPool = new ForkJoinPool(10);
        forkJoinPool.execute(() -> {
            listByPage.parallelStream().forEach(str -> {
 
            });
        });