Defualt关键字

此关键字在8之前常伴随swich出现，但8把它应用到了接口上，可用它在接口中实现简单的方法。

interface Testy{
    public void hello();//抽象方法
    default void hi(){
        System.out.println("hello");
    }
}
class TestImp implements Testy{
    @Override
    public void hello() {
        System.out.println("world");
    }
}
 public class Tes{
     public static void main(String[] args) {
         TestImp testImp = new TestImp();
         testImp.hi();
     }
 }

lambda表达式

Lambda 允许把函数作为一个方法的参数（函数作为参数传递到方法中）。

核心就在于Java的lambda规范，一个接口只有一个“抽象函数”，当然可以有多个default方法，然后利用抽象函数构建lambda表达式。

举个例子：

public class LambdaD {
    public static void main(String[] args) {
        LambdaD lambdaD = new LambdaD();
        LambdaT lambdaT = (a,b) -> {
            System.out.println(a+b);
            return a+b;
        };
        lambdaD.oprate(3,5,lambdaT);

    }
    private int oprate(int a,int b,LambdaT lambdaT){
        return lambdaT.mathAdd(a,b);
    }
}
interface LambdaT{
    public int mathAdd(int a,int b);
}//核心记忆就是，lambda的出现为的是解决匿名类问题，java把匿名类变成更轻快的lambda写法，但是规则依旧按照匿名类的规则

变量作用域

lambda 表达式只能引用标记了 final 的外层局部变量，这就是说不能在 lambda 内部修改定义在域外的局部变量，否则会编译错误。

由此说明lambda只能引用final变量参与运算，而不能修改lambda表达式外的局部变量

举个例子：

public static void main(String[] args) {
    int a1 =6;//设个局部变量
    LambdaD lambdaD = new LambdaD();
    LambdaT lambdaT = (a,b) -> {
        ++a1;//在这里我们尝试修改a1的值，但是编译器自动报错，甚至不需要我们去debug，因为它已经被隐式定义为final
        System.out.println(a1);
        return a+b;
    };

当然，全局变量是可以让你肆意妄为的

public class LambdaD {
    static int a1 = 5;
    public static void main(String[] args) {
        LambdaD lambdaD = new LambdaD();
        LambdaT lambdaT = (a,b) -> {
            ++a1;
            System.out.println(a+b);
            return a+b;
        };//这里输出的结果是10；说明传入的a1变成了值a，a1的变化不再辐射到lambda区；
        lambdaD.oprate(a1,5,lambdaT);
        System.out.println(a1);//这里结果为6；说明全局变量确实在a1中被修改
    }
    private int oprate(int a,int b,LambdaT lambdaT){
        return lambdaT.mathAdd(a,b);
    }
}
interface LambdaT{
    public int mathAdd(int a,int b);
}

综上：使用lambda的时候记住，你用的那个接口一定要是“函数式接口”，然后你在其中运算的时候，引入的局部变量一定是final的，是不允许被修改的，即便你没有给它final关键字，当它进入lambda的时候，他已经是final了！

Stream流

Stream是java8的新api，可以以声明的方式处理数据，是一个来自数据源的元素队列并支持聚合操作；

Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。

特点：

不是数据结构，不会保存数据。
不会修改原来的数据源，它会将操作后的数据保存到另外一个对象中。
惰性求值，流在中间处理过程中，只是对操作进行了记录，并不会立即执行，需要等到执行终止操作的时候才会进行实际的计算。

那么怎么生成流去操作集合呢？

在 Java 8 中, 集合接口有两个方法来生成流：

stream() − 为集合创建串行流。
parallelStream() − 为集合创建并行流。

串行流和并行流

串行流：故名思义，就是流操作顺序执行；

并行流：顾名思义，就是流操作并行执行;

下图很好的诠释了Stream的并行操作

代码示例一下：

//我要做集合元素累加
List<Integer> list1 =  new List();
list1 add();...//1000个元素
int result=0;//结果存储
//Java7
for( int i : myList){
 result += i;
}
//串行流
list1.stream().sum();
//并行流
mylist.stream().parallelStream().sum();

并行流适用场景

源集合必须可以有效拆分

拆分集合、管理 Fork/Join 任务、对象创建及 GC 也是算法上的开销，当且仅当在CPU核心上可简单完成有效拆分或者集合足够大时，才值得这样做。

因子”元素数量” * “ 每个元素的运行成本” 应该很大

CPU核心数量 - 越多越好 > 必须有1个

注意：

这部分需要对stream源码有较深的理解，通常情况我希望你能选择单一一些，遇到拆分简单的，也就是列表类型的大集合用并行，其它的用串行！

Stream的数据源

流的来源可以是集合，数组，i/o，产生器generator;

举些例子:

1 使用Collection下的 stream() 和 parallelStream() 方法

1
2
3

List<String> list = new ArrayList<>();
Stream<String> stream = list.stream(); //获取一个顺序流
Stream<String> parallelStream = list.parallelStream(); //获取一个并行流

2 使用Arrays 中的 stream() 方法，将数组转成流

1 2	Integer[] nums = new Integer[10]; Stream<Integer> stream = Arrays.stream(nums);

3 使用Stream中的静态方法：of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1,2,3,4,5,6);

Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
stream2.forEach(System.out::println); // 0 2 4 6 8 10
  
Stream<Double> stream3 = Stream.generate(Math::random).limit(2);
stream3.forEach(System.out::println);//随机两个

4 使用 BufferedReader.lines() 方法，将每行内容转成流

1
2
3

BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));
Stream<String> lineStream = reader.lines();
lineStream.forEach(System.out::println);

5 使用 Pattern.splitAsStream() 方法，将字符串分隔成流

1
2
3

Pattern pattern = Pattern.compile(",");
Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
stringStream.forEach(System.out::println);

Stream的中间操作

1 筛选与切片

　　filter：过滤流中的某些元素
　　limit(n)：获取n个元素
　　skip(n)：跳过n元素，配合limit(n)可实现分页
　　distinct：通过流中元素的 hashCode() 和 equals() 去除重复元素

Stream<Integer> stream = Stream.of(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14);
  
Stream<Integer> newStream = stream.filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
.distinct() //6 7 9 8 10 12 14
.skip(2) //9 8 10 12 14
.limit(2); //9 8
newStream.forEach(System.out::println);

2 映射

　　map：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
　　flatMap：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。

List<String> list = Arrays.asList("a,b,c", "1,2,3");
  
//将每个元素转成一个新的且不带逗号的元素
Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
s1.forEach(System.out::println); // abc 123
  
Stream<String> s3 = list.stream().flatMap(s -> {
//将每个元素转换成一个stream
String[] split = s.split(",");
Stream<String> s2 = Arrays.stream(split);
return s2;
});
s3.forEach(System.out::println); // a b c 1 2 3

3 排序

　　sorted()：自然排序，流中元素需实现Comparable接口
　　sorted(Comparator com)：定制排序，自定义Comparator排序器

List<String> list = Arrays.asList("aa", "ff", "dd");
//String 类自身已实现Compareable接口
list.stream().sorted().forEach(System.out::println);// aa dd ff
  
Student s1 = new Student("aa", 10);
Student s2 = new Student("bb", 20);
Student s3 = new Student("aa", 30);
Student s4 = new Student("dd", 40);
List<Student> studentList = Arrays.asList(s1, s2, s3, s4);
  
//自定义排序：先按姓名升序，姓名相同则按年龄升序
studentList.stream().sorted(
(o1, o2) -> {
if (o1.getName().equals(o2.getName())) {
return o1.getAge() - o2.getAge();
} else {
return o1.getName().compareTo(o2.getName());
}
}
).forEach(System.out::println);

4 消费

　　peek：如同于map，能得到流中的每一个元素。但map接收的是一个Function表达式，有返回值；而peek接收的是Consumer表达式，没有返回值。

Student s1 = new Student("aa", 10);
Student s2 = new Student("bb", 20);
List<Student> studentList = Arrays.asList(s1, s2);
  
studentList.stream()
.peek(o -> o.setAge(100))
.forEach(System.out::println);
  
//结果：
Student{name='aa', age=100}
Student{name='bb', age=100}

Stream的终止操作

1 匹配、聚合操作

　　allMatch：接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回false
　　noneMatch：接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回false
　　anyMatch：接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回false
　　findFirst：返回流中第一个元素
　　findAny：返回流中的任意元素
　　count：返回流中元素的总个数
　　max：返回流中元素最大值
　　min：返回流中元素最小值

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
  
boolean allMatch = list.stream().allMatch(e -> e > 10); //false
boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true
boolean anyMatch = list.stream().anyMatch(e -> e > 4); //true
  
Integer findFirst = list.stream().findFirst().get(); //1
Integer findAny = list.stream().findAny().get(); //1
  
long count = list.stream().count(); //5
Integer max = list.stream().max(Integer::compareTo).get(); //5
Integer min = list.stream().min(Integer::compareTo).get(); //1

2 规约操作

Optional reduce(BinaryOperator accumulator)：第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。
　　T reduce(T identity, BinaryOperator accumulator)：流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。
　　U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator combiner)：在串行流(stream)中，该方法跟第二个方法一样，即第三个参数combiner不会起作用。在并行流(parallelStream)中,我们知道流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity,accumulator)一样，而第三个参数combiner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。

//经过测试，当元素个数小于24时，并行时线程数等于元素个数，当大于等于24时，并行时线程数为16
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24);
  
Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(v); // 300
  
Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
System.out.println(v1); //310
  
Integer v2 = list.stream().reduce(0,
(x1, x2) -> {
System.out.println("stream accumulator: x1:" + x1 + " x2:" + x2);
return x1 - x2;
},
(x1, x2) -> {
System.out.println("stream combiner: x1:" + x1 + " x2:" + x2);
return x1 * x2;
});
System.out.println(v2); // -300
  
Integer v3 = list.parallelStream().reduce(0,
(x1, x2) -> {
System.out.println("parallelStream accumulator: x1:" + x1 + " x2:" + x2);
return x1 - x2;
},
(x1, x2) -> {
System.out.println("parallelStream combiner: x1:" + x1 + " x2:" + x2);
return x1 * x2;
});
System.out.println(v3); //197474048

3 收集操作

　　collect：接收一个Collector实例，将流中元素收集成另外一个数据结构。
　　Collector<T, A, R> 是一个接口，有以下5个抽象方法：
　　Supplier supplier()：创建一个结果容器A
　　BiConsumer<A, T> accumulator()：消费型接口，第一个参数为容器A，第二个参数为流中元素T。
　　BinaryOperator combiner()：函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各个子进程的运行结果(accumulator函数操作后的容器A)进行合并。
　　Function<A, R> finisher()：函数式接口，参数为：容器A，返回类型为：collect方法最终想要的结果R。
　　Set characteristics()：返回一个不可变的Set集合，用来表明该Collector的特征。有以下三个特征：
　　CONCURRENT：表示此收集器支持并发。（官方文档还有其他描述，暂时没去探索，故不作过多翻译）
　　UNORDERED：表示该收集操作不会保留流中元素原有的顺序。
　　IDENTITY_FINISH：表示finisher参数只是标识而已，可忽略。

Collector 工具库：Collectors

Student s1 = new Student("aa", 10,1);
Student s2 = new Student("bb", 20,2);
Student s3 = new Student("cc", 10,3);
List<Student> list = Arrays.asList(s1, s2, s3);
  
//装成list
List<Integer> ageList = list.stream().map(Student::getAge).collect(Collectors.toList()); // [10, 20, 10]
  
//转成set
Set<Integer> ageSet = list.stream().map(Student::getAge).collect(Collectors.toSet()); // [20, 10]
  
//转成map,注:key不能相同，否则报错
Map<String, Integer> studentMap = list.stream().collect(Collectors.toMap(Student::getName, Student::getAge)); // {cc=10, bb=20, aa=10}
  
//字符串分隔符连接
String joinName = list.stream().map(Student::getName).collect(Collectors.joining(",", "(", ")")); // (aa,bb,cc)
  
//聚合操作
//1.学生总数
Long count = list.stream().collect(Collectors.counting()); // 3
//2.最大年龄 (最小的minBy同理)
Integer maxAge = list.stream().map(Student::getAge).collect(Collectors.maxBy(Integer::compare)).get(); // 20
//3.所有人的年龄
Integer sumAge = list.stream().collect(Collectors.summingInt(Student::getAge)); // 40
//4.平均年龄
Double averageAge = list.stream().collect(Collectors.averagingDouble(Student::getAge)); // 13.333333333333334
// 带上以上所有方法
DoubleSummaryStatistics statistics = list.stream().collect(Collectors.summarizingDouble(Student::getAge));
System.out.println("count:" + statistics.getCount() + ",max:" + statistics.getMax() + ",sum:" + statistics.getSum() + ",average:" + statistics.getAverage());
  
//分组
Map<Integer, List<Student>> ageMap = list.stream().collect(Collectors.groupingBy(Student::getAge));
//多重分组,先根据类型分再根据年龄分
Map<Integer, Map<Integer, List<Student>>> typeAgeMap = list.stream().collect(Collectors.groupingBy(Student::getType, Collectors.groupingBy(Student::getAge)));
  
//分区
//分成两部分，一部分大于10岁，一部分小于等于10岁
Map<Boolean, List<Student>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10));
  
//规约
Integer allAge = list.stream().map(Student::getAge).collect(Collectors.reducing(Integer::sum)).get(); //40

Collectors.toList() 解析

//toList 源码
public static <T> Collector<T, ?, List<T>> toList() {
return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
(left, right) -> {
left.addAll(right);
return left;
}, CH_ID);
}
  
//为了更好地理解，我们转化一下源码中的lambda表达式
public <T> Collector<T, ?, List<T>> toList() {
Supplier<List<T>> supplier = () -> new ArrayList();
BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
BinaryOperator<List<T>> combiner = (list1, list2) -> {
list1.addAll(list2);
return list1;
};
Function<List<T>, List<T>> finisher = (list) -> list;
Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
  
return new Collector<T, List<T>, List<T>>() {
@Override
public Supplier supplier() {
return supplier;
}
  
@Override
public BiConsumer accumulator() {
return accumulator;
}
  
@Override
public BinaryOperator combiner() {
return combiner;
}
  
@Override
public Function finisher() {
return finisher;
}
  
@Override
public Set<Characteristics> characteristics() {
return characteristics;
}
};
}

Java8语法糖