Java8新特性-Stream，java常用算法面试题

本文主要是介绍Java8新特性-Stream，java常用算法面试题，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

Stream stream = Stream.iterate(0, x -> x + 2).limit(3);

stream.forEach(System.out::println);

}

输出结果

创建无限流

@Test

public void testUnlimitStream2() {

Stream stream = Stream.generate(() -> “number” + new Random().nextInt()).limit(3);

stream.forEach(System.out::println);

}

输出结果

number1042047526

number-155761434

number-1605164634

创建空流

@Test

public void testEmptyStream() {

Stream stream = Stream.empty();

stream.forEach(System.out::println);

}

Stream操作分类

中间操作又可以分为无状态（Stateless）与有状态（Stateful）操作，
无状态是指元素的处理不受之前元素的影响，
有状态是指该操作只有拿到所有元素之后才能继续下去。
终结操作又可以分为短路（Short-circuiting）与非短路（Unshort-circuiting）操作，
短路是指遇到某些符合条件的元素就可以得到最终结果，
非短路是指必须处理完所有元素才能得到最终结果。
我们通常还会将中间操作称为懒操作，也正是由这种懒操作结合终结操作、数据源构成的处理管道（Pipeline），实现了 Stream 的高效。

中间操作

无状态

filter：过滤流，过滤流中的元素
map：转换流，将一种类型的流转换为另外一种类型的流
flapMap：拆解流，将流中每一个元素拆解成一个流

filter

filter接收一个Predicate函数接口参数，boolean test(T t);即接收一个参数，返回boolean类型。

@Test

public void testFilter() {

Integer[] arr = new Integer[]{1, 2, 3, 4, 5, 6, 7, 8, 9, 10};

Arrays.stream(arr).filter(x -> x > 3 && x < 8).forEach(System.out::println);

}

输出结果

map

map接收一个Function<T, R>函数接口，R apply(T t);即接收一个参数，并且有返回值。

@Test

public void testMap() {

String[] arr = new String[]{“yes”, “YES”, “no”, “NO”};

Arrays.stream(arr).map(x -> x.toLowerCase()).forEach(System.out::println);

}

输出结果

yes

flapMap

flatMap接收一个Function<T, R>函数接口： Stream flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);即入参为集合类型，返回Stream类型。

@Test

public void testFlatMap() {

String[] arr1 = {“a”, “b”};

String[] arr2 = {“e”, “f”};

String[] arr3 = {“h”, “j”};

// Stream.of(arr1, arr2, arr3).flatMap(x -> Arrays.stream(x)).forEach(System.out::println);

Stream.of(arr1, arr2, arr3).flatMap(Arrays::stream).forEach(System.out::println);

}

输出结果

有状态

distinct：元素去重
sorted：元素排序
limit：获取前面的指定数量的元素
skip：跳过前面指定数量的元素，获取后面的元素
concat：把两个stream合并成一个stream

distinct

@Test

public void testDistinct() {

List list = new ArrayList() {

{

add(“user1”);

add(“user2”);

}

};

list.stream().distinct().forEach(System.out::println);

}

输出结果

user1

user2

sorted

@Test

public void testSorted1() {

String[] arr1 = {“abc”, “a”, “bc”, “abcd”};

// 按照字符长度排序

System.out.println(“lambda表达式”);

Arrays.stream(arr1).sorted((x, y) -> {

if (x.length() > y.length())

return 1;

else if (x.length() < y.length())

return -1;

else

return 0;

}).forEach(System.out::println);

// Comparator.comparing是一个键提取的功能

System.out.println(“方法引用”);

Arrays.stream(arr1).sorted(Comparator.comparing(String::length)).forEach(System.out::println);

}

输出结果

lambda表达式

abc

abcd

方法引用

abc

abcd

reversed

/**

倒序
reversed(),java8泛型推导的问题，所以如果comparing里面是非方法引用的lambda表达式就没办法直接使用reversed()
Comparator.reverseOrder():也是用于翻转顺序，用于比较对象（Stream里面的类型必须是可比较的）
Comparator.naturalOrder()：返回一个自然排序比较器，用于比较对象（Stream里面的类型必须是可比较的）

@Test

public void testSorted2_() {

String[] arr1 = {“abc”, “a”, “bc”, “abcd”};

System.out.println(“reversed(),这里是按照字符串长度倒序排序”);

Arrays.stream(arr1).sorted(Comparator.comparing(String::length).reversed()).forEach(System.out::println);

System.out.println(“Comparator.reverseOrder(),这里是按照首字母倒序排序”);

Arrays.stream(arr1).sorted(Comparator.reverseOrder()).forEach(System.out::println);

System.out.println(“Comparator.naturalOrder(),这里是按照首字母顺序排序”);

Arrays.stream(arr1).sorted(Comparator.naturalOrder()).forEach(System.out::println);

}

输出结果

reversed(),这里是按照字符串长度倒序排序

abcd

abc

Comparator.reverseOrder(),这里是按照首字母倒序排序

abcd

abc

Comparator.naturalOrder(),这里是按照首字母顺序排序

abc

abcd

thenComparing

/**

thenComparing
先按照首字母排序
之后按照String的长度排序

@Test

public void testSorted3() {

String[] arr1 = {“abc”, “a”, “bc”, “abcd”};

Arrays.stream(arr1).sorted(Comparator.comparing(this::firstChar).thenComparing(String::length)).forEach(System.out::println);

}

public char firstChar(String x) {

return x.charAt(0);

}

输出结果

abc

abcd

limit

/**

limit，限制从流中获得前n个数据

@Test

public void testLimit() {

Stream.iterate(1, x -> x + 2).limit(3).forEach(System.out::println);

}

输出结果

skip

/**

skip，跳过前n个数据

@Test

public void testSkip() {

Stream.iterate(1, x -> x + 2).skip(1).limit(3).forEach(System.out::println);

}

输出结果

concat

/**

可以把两个stream合并成一个stream（合并的stream类型必须相同）
只能两两合并

@Test

public void testConcat(){

// 1,3,5

Stream stream1 = Stream.iterate(1, x -> x + 2).limit(3);

// 3,5,7

Stream stream2 = Stream.iterate(1, x -> x + 2).skip(1).limit(3);

Stream.concat(stream1,stream2).distinct().forEach(System.out::println);

}

输出结果

终结操作

非短路操作

forEach：遍历
toArray：将流转换为Object数组
reduce : 归约，可以将流中的元素反复结合起来，得到一个值
collect：收集，将流装换为其他形式，比如List，Set，Map
max：返回流的最大值，无方法参数
min：返回流中的最小值，无方法参数
count：返回流中的元素总个数，无方法参数
summaryStatistics：获取汇总统计数据，比如最大值，最小值，平均值等

forEach

@Test

public void testForEach() {

List list = new ArrayList() {

{

add(“a”);

add(“b”);

}

};

list.stream().forEach(System.out::println);

}

输出结果

reduce

@Test

public void testReduce() {

Optional optional = Stream.of(1, 2, 3).filter(x -> x > 1).reduce((x, y) -> x + y);

System.out.println(optional.get());

}

输出结果

collect

收集是非常常用的一个操作。将流装换为其他形式。接收到一个Collector接口的实现，用于给Stream中的元素汇总的方法。用collect方法进行收集。方法参数为Collector。Collector可以由Collectors中的toList()，toSet()，toMap(Function(T,R) key,Function(T,R) value)等静态方法实现。

toList() 返回一个 Collector，它将输入元素到一个新的 List 。
toSet() 返回一个 Collector，将输入元素到一个新的 Set 。
toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper) 返回一个 Collector ，它将元素累加到一个 Map ，其键和值是将所提供的映射函数应用于输入元素的结果。

用户

@Data

@AllArgsConstructor

@ToString

public class User {

private String name;

private Integer age;

private Integer salary;

}

toList，toSet，toSet

@Test

public void testCollect() {

List users = Arrays.asList(new User(“张三”, 19, 1000),

new User(“张三”, 58, 2000),

new User(“李四”, 38, 3000),

new User(“赵五”, 48, 4000)

);

List collect = users.stream().map(x -> x.getName()).collect(Collectors.toList());

Set collect1 = users.stream().map(x -> x.getName()).collect(Collectors.toSet());

Map<Integer, String> collect2 = users.stream().collect(Collectors.toMap(x -> x.getAge(), x -> x.getName()));

System.out.println(collect);

System.out.println(collect1);

System.out.println(collect2);

}

输出结果

[张三, 张三, 李四, 赵五]

[李四, 张三, 赵五]

{48=赵五, 19=张三, 38=李四, 58=张三}

groupingBy

Collectors.groupingBy()方法根据分类功能分组元素。这个是非常常用的操作。比如你要对名字相同的进行分组。groupingBy(Function<? super T,? extends K> classifier)

@Test

public void testGroupby() {

List users = Arrays.asList(new User(“张三”, 19, 1000),

new User(“张三”, 58, 2000),

new User(“李四”, 38, 3000),

new User(“赵五”, 48, 4000)

);

Map<String, List> collect3 = users.stream().collect(Collectors.groupingBy(x -> x.getName()));

System.out.println(collect3);

}

输出结果

{李四=[StreamTest.User(name=李四, age=38, salary=3000)], 张三=[StreamTest.User(name=张三, age=19, salary=1000), StreamTest.User(name=张三, age=58, salary=2000)], 赵五=[StreamTest.User(name=赵五, age=48, salary=4000)]}

partitioningBy

如果只有两类，使用partitioningBy会比groupingBy更有效率，按照工资是否大于2500分组

@Test

public void testPartitioningBy() {

List users = Arrays.asList(new User(“张三”, 19, 1000),

new User(“张三”, 58, 2000),

new User(“李四”, 38, 3000),

new User(“赵五”, 48, 4000)

);

Map<Boolean, List> map = users.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 2500));

map.forEach((x, y) -> System.out.println(x + “->” + y));

}

输出结果

false->[StreamTest.User(name=张三, age=19, salary=1000), StreamTest.User(name=张三, age=58, salary=2000)]

true->[StreamTest.User(name=李四, age=38, salary=3000), StreamTest.User(name=赵五, age=48, salary=4000)]

max、min

@Test

public void testMaxAndMin() {

String[] arr = new String[]{“b”, “ab”, “abc”, “abcd”, “abcde”};

Stream.of(arr).max(Comparator.comparing(String::length)).ifPresent(System.out::println);

Stream.of(arr).min(Comparator.comparing(String::length)).ifPresent(System.out::println);

}

输出结果

abcde

count

@Test

public void testCount(){

String[] arr = new String[]{“b”, “ab”, “abc”, “abcd”, “abcde”};

long count = Stream.of(arr).count();

System.out.println(count);

}

输出结果

summaryStatistics

我们可以使用summaryStatistics方法获得stream中元素的各种汇总数据

@Test

public void testSummaryStatistics() {

//计算 count, min, max, sum, and average for numbers

List numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);

// IntSummaryStatistics stats = numbers.stream().collect(Collectors.summarizingInt(x -> x));

IntSummaryStatistics stats = numbers

.stream()

.mapToInt(x -> x)

.summaryStatistics();

System.out.println("List中最大的数字 : " + stats.getMax());

System.out.println("List中最小的数字 : " + stats.getMin());

System.out.println("所有数字的总和 : " + stats.getSum());

System.out.println("所有数字的平均值 : " + stats.getAverage());

}

输出结果

List中最大的数字 : 10

List中最小的数字 : 1

所有数字的总和 : 55

所有数字的平均值 : 5.5

短路操作

anyMatch：检查是否有一个元素匹配，方法参数为断言型接口
allMatch：检查是否匹配所有元素，方法参数为断言型接口
findFirst：返回第一个元素，无方法参数
findAny：返回当前流的任意元素，无方法参数
noneMatch：检查是否没有匹配所有元素，方法参数为断言型接口

anyMatch

@Test

public void testAnyMatch() {

String[] arr = new String[]{“b”, “ab”, “abc”, “abcd”, “abcde”};

Boolean aBoolean = Stream.of(arr).anyMatch(x -> x.startsWith(“a”));

System.out.println(aBoolean);

}

输出结果

true

findFirst

@Test

public void testFindFirst() {

String[] arr = new String[]{“b”, “ab”, “abc”, “abcd”, “abcde”};

String str = Stream.of(arr).parallel().filter(x -> x.length() > 3).findFirst().orElse(“noghing”);

System.out.println(str);

}

输出结果

abcd

findAny

/**

findAny
找到所有匹配的元素
对并行流十分有效
只要在任何片段发现了第一个匹配元素就会结束整个运算

@Test

public void testFindAny() {

String[] arr = new String[]{“b”, “ab”, “abc”, “abcd”, “abcde”};

Optional optional = Stream.of(arr).parallel().filter(x -> x.length() > 2).findAny();

optional.ifPresent(System.out::println);

}

输出结果

abc

Optional类型

通常聚合操作会返回一个Optional类型，Optional表示一个安全的指定结果类型，所谓的安全指的是避免直接调用返回类型的null值而造成空指针异常，调用optional.ifPresent()可以判断返回值是否为空，或者直接调用ifPresent(Consumer<? super T> consumer)在结果不为空时进行消费操作；调用optional.get()获取返回值。通常的使用方式如下：

@Test

public void testOptional() {

List list = new ArrayList() {

{

add(“user1”);

add(“user2”);

}

};

Optional opt = Optional.of(“user3”);

opt.ifPresent(list::add);

list.forEach(System.out::println);

}

输出结果

user1

user2

user3

使用Optional可以在没有值时指定一个返回值，例如

@Test

public void testOptional2() {

Integer[] arr = new Integer[]{4, 5, 6, 7, 8, 9};

Integer result = Stream.of(arr).filter(x -> x > 9).max(Comparator.naturalOrder()).orElse(-1);

System.out.println(result);

Integer result1 = Stream.of(arr).filter(x -> x > 9).max(Comparator.naturalOrder()).orElseGet(() -> -1);

System.out.println(result1);

Integer result2 = Stream.of(arr).filter(x -> x > 9).max(Comparator.naturalOrder()).orElseThrow(RuntimeException::new);

System.out.println(result2);

}

输出结果

-1

java.lang.RuntimeException

原始类型流

在数据量比较大的情况下，将基本数据类型（int,double…）包装成相应对象流的做法是低效的，因此，我们也可以直接将数据初始化为原始类型流，在原始类型流上的操作与对象流类似，我们只需要记住两点

原始类型流的初始化
原始类型流与流对象的转换

/**

原始类型流的初始化

@Test

public void testRawStream1() {

IntStream intStream = IntStream.of(1, 3);

IntStream stream1 = IntStream.rangeClosed(0, 1);

IntStream stream2 = IntStream.range(0, 1);

intStream.forEach(System.out::println);

System.out.println(“包括右边界”);

stream1.forEach(System.out::println);

System.out.println(“不包括右边界”);

stream2.forEach(System.out::println);

}

输出结果

包括右边界

不包括右边界

流与原始类型流的转换

@Test

public void testRawStream2() {

IntStream intStream =

《一线大厂Java面试题解析+后端开发学习笔记+最新架构讲解视频+实战项目源码讲义》

【docs.qq.com/doc/DSmxTbFJ1cmN1R2dB】完整内容开源分享

IntStream.of(1, 3);

Stream stream = intStream.boxed();

IntStream intStream1 = stream.mapToInt(Integer::new);

intStream1.forEach(System.out::println);

}

输出结果

并行流

可以将普通顺序执行的流转变为并行流，只需要调用顺序流的parallel() 方法即可，如Stream.iterate(1, x -> x + 1).limit(10).parallel()。

并行流的执行顺序

我们调用peek方法来瞧瞧并行流和串行流的执行顺序，peek方法顾名思义，就是追踪流内的数据，peek方法声明为Stream peek(Consumer<? super T> action);加入打印程序可以观察到通过流内数据，见如下代码：

public void peek1(int x) {

System.out.println(Thread.currentThread().getName() + “:->peek1->” + x);

}

public void peek2(int x) {

System.out.println(Thread.currentThread().getName() + “:->peek2->” + x);

}

public void peek3(int x) {

System.out.println(Thread.currentThread().getName() + “:->final result->” + x);

}

/**

peek，监控方法
串行流和并行流的执行顺序

@Test

public void testPeek() {

Stream stream = Stream.iterate(1, x -> x + 1).limit(10);

stream.peek(this::peek1).filter(x -> x > 5)

.peek(this::peek2).filter(x -> x < 8)

.peek(this::peek3)

.forEach(System.out::println);

}

@Test

public void testPeekParallel() {

Stream stream = Stream.iterate(1, x -> x + 1).limit(10).parallel();

stream.peek(this::peek1).filter(x -> x > 5)

.peek(this::peek2).filter(x -> x < 8)

.peek(this::peek3)

.forEach(System.out::println);

}

testPeek方法输出结果

main:->peek1->1

main:->peek1->2

main:->peek1->3

main:->peek1->4

main:->peek1->5

main:->peek1->6

main:->peek2->6

main:->final result->6

main:->peek1->7

main:->peek2->7

main:->final result->7

main:->peek1->8

main:->peek2->8

main:->peek1->9

main:->peek2->9

main:->peek1->10

main:->peek2->10

testPeekParallel输出结果

main:->peek1->7

ForkJoinPool.commonPool-worker-9:->peek1->6

ForkJoinPool.commonPool-worker-2:->peek1->3

main:->peek2->7

ForkJoinPool.commonPool-worker-9:->peek2->6

ForkJoinPool.commonPool-worker-9:->final result->6

main:->final result->7

ForkJoinPool.commonPool-worker-13:->peek1->4

ForkJoinPool.commonPool-worker-4:->peek1->9

ForkJoinPool.commonPool-worker-11:->peek1->2

ForkJoinPool.commonPool-worker-6:->peek1->1

main:->peek1->8

main:->peek2->8

ForkJoinPool.commonPool-worker-2:->peek1->5

ForkJoinPool.commonPool-worker-4:->peek2->9

ForkJoinPool.commonPool-worker-9:->peek1->10

这篇关于Java8新特性-Stream，java常用算法面试题的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！