2020-heibaiying-Java 函数式编程
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：
(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。
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<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. Consumer<T>：供给型接口，供给变量：
@FunctionalInterface
public interface Supplier<T> {
T get();
}
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);
...
}
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：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：
Stream<String> 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：
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. 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();
}
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);
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<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：
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();
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<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
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;
@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：
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'}]
}
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：
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();
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