# Java 函数式编程 ## 一、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： ```java (parameters) -> expression ``` 或采用花括号的形式： ```java (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： ```java /** * 定义函数式接口 * @param 参数类型 */ @FunctionalInterface public interface CustomPredicate { boolean test(T t); } ``` ```java /** * 集合过滤 * @param list 待过滤的集合 * @param predicate 函数式接口 * @param 集合中元素的类型 * @return 满足条件的元素的集合 */ public static List filter(List list, CustomPredicate predicate) { ArrayList 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： ```java List integers = Arrays.asList(1, 2, 3, 4, 5); filter(integers, x -> x % 2 == 0); // 过滤出所有偶数 List 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： ```java 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： ```java filter(employees, employee -> employee.isOfficial()); ``` 还可以使用方法引用的形式进行简写： ```java 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： ```java Stream 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。 ## 二、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： **1. Consumer\**：消费型接口，消费输入的变量，没有返回值： ```java @FunctionalInterface public interface Consumer { void accept(T t); ... } ``` **2. Consumer\**：供给型接口，供给变量： ```java @FunctionalInterface public interface Supplier { T get(); } ``` **3. Function**：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： ```java @FunctionalInterface public interface Function { R apply(T t); ... } ``` **4. Predicate\**：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： ```java @FunctionalInterface public interface Predicate { 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**：是函数型接口 Function 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\**：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： ```java @FunctionalInterface public interface BiFunction { R apply(T t, U u); } @FunctionalInterface public interface BinaryOperator extends BiFunction { .... } ``` 下面演示一下 BinaryOperator 的用法： ```java /** * 执行归约操作 */ public static T reduce(List list, T initValue, BinaryOperator binaryOperator) { for (T t : list) { initValue = binaryOperator.apply(initValue, t); } return initValue; } public static void main(String[] args) { List integers = Arrays.asList(1, 2, 3, 4, 5); reduce(integers, 0, (a, b) -> a + b); // 求和 输出：15 reduce(integers, 1, (a, b) -> a * b); // 求积 输出：120 } ``` ## 三、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： **1. 由值创建** 使用静态方法 `Stream.of()` 由指定的值进行创建： ```java Stream stream = Stream.of("a", "b ", "c", "d"); ``` **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： ```java String[] strings={"a", "b ", "c", "d"}; Stream stream = Arrays.stream(strings); ``` 调用集合类的 `stream()` 方法进行创建： ```shell List strings = Arrays.asList("a", "b ", "c", "d"); Stream 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： ```java public interface Collection extends Iterable { default Stream stream() { return StreamSupport.stream(spliterator(), false); } } ``` **3. 由文件创建** ```java try (Stream lines = Files.lines(Paths.get("pom.xml"), StandardCharsets.UTF_8)) { lines.forEach(System.out::println); } catch (IOException e) { e.printStackTrace(); } ``` **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： ```java // 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： ```java // 依次输出随机数 Stream.generate(Math::random).limit(10).forEach(System.out::print); ``` ## 四、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\ | Predicate\ | | distinct | 过滤重复元素 | Stream\ | | | skip | 跳过指定数量的元素 | Stream\ | long | | limit | 限制元素的数量 | Stream\ | long | | map | 对元素执行特定转换操作 | Stream\ | Function | | flatMap | 将元素扁平化后执行特定转换操作 | Stream\ | Function> | | sorted | 对元素进行排序 | Stream\ | Comparator\ | | anyMatch | 是否存在任意一个元素能满足指定条件 | boolean | Predicate\ | | noneMatch | 是否所有元素都不满足指定条件 | boolean | Predicate\ | | allMatch | 是否所有元素都满足指定条件 | boolean | Predicate\ | | findAny | 返回任意一个满足指定条件的元素 | Optional\ | | | findFirst | 返回第一个满足指定条件的元素 | Optional\ | | | forEach | 对所有元素执行特定的操作 | void | Cosumer\ | | collect | 使用收集器 | R | Collector | | reduce | 执行归约操作 | Optional\ | BinaryOperator\ | | count | 计算流中元素的数量 | long | | > 注：上表中返回类型为 Stream\ 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： ```java 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> 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： ```java 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` ，使用示例如下： ```java 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： ```java Stream 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()`： ````java 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： ```java IntStream intStream = Stream.iterate(0, x -> x + 1).limit(10).mapToInt(x -> x); Stream boxed = intStream.boxed(); ``` ## 五、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\ | 把流中所有元素收集到 List 中 | | toSet | Set\ | 把流中所有元素收集到 Set 中 | | toCollection | Collection\ | 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\ | 查找流中最大元素的 Optional | | minBy | Optional\ | 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> | 对流中所有元素执行分组操作 | | partitionBy | Map> | 对流中所有元素执行分区操作 | 使用示例如下： ```java Stream 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 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： ```java Stream 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)); ``` ```java public class Employee { private String name; private String gender; private String company; private int age; @Override public 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： ```java 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： ```java 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： ```java 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： ```java Map> 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： ```java 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'}] } ``` ## 六、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： ```java 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： ```java 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： ```she stream.sequential(); ``` ## 参考资料 厄马(Raoul-Gabriel Urma) / 弗斯科(Mario Fusco) / 米克罗夫特(Alan Mycroft) .**《Java 8实战》**. 人民邮电出版社 . 2016-04-01