集合处理的利器

为什么需要Stream

 集合在Java中使用最为广泛，几乎每个Java应用程序都会制造和处理集合，可以说集合是编程任务最基本的单元。但这样的基本单元常规性的操作（比如数据分组、筛选、排序等），并没有API支持。而且对于集合元素不存在逻辑关系时的处理，并没有一种并行方式来利用多核机构。

 那么，Java语言的设计者就设计了流，使每位工程师能更加轻松的处理集合、操作集合。

Stream详解

 Stream是Java8提供的API，以声明性方式处理数据集合，处理更加高效，可以对集合进行链状流式的操作。

 

Stream的所有操作可以进行分类：

• 中间操作

 中间操作只记录一种标记，只有终止操作才会触发实际计算。

• 无状态：指元素不受前面元素的影响，元素之间无关联

• 有状态：有状态的中间操作必须等到所有元素处理之后才知道最终结果

• 终止操作

 终止操作就是得出最后计算结果的操作。

• 短路操作：不用处理全部元素就可以返回结果

• 非短路操作：必须处理所有元素才能得到最终结果

Stream原理

 Stream内部是通过Pipeline的方式实现的，基本思想就是在迭代的时候顺着流水线尽可能的执行更多的操作，从而避免多次迭代。采用某种方式记录用户的每一步操作，当用户调用终止操作时将之前的记录操作叠加到一起，再一次迭代中全部执行。

其中，核心问题就是：

• 用户操作如何记录

• 操作如何叠加

• 叠加后的操作如何执行

操作如何记录

 此图为Stream相关类和接口的继承关系，Stream通过Stage来描述一个完整操作，并用某种实例化后的PipelineHelper来代表Stage，将具有先后顺序的各个Stage连载一起，构成整个流水线。

 

 在调用Stream()方法时，会创建一个Head实例来表示流操作的头。紧接着调用一系列中间操作，不断产生新的Stream。这些Stream对象以双向链表的形式组织起来，构成整个流水线。由于每个Stage都记录了前一个Stage和本次的操作以及毁掉函数，依靠这种结构就能建立起对数据源的所有操作。

操作如何叠加

 通过Slin接口。每个Stage都将自己的操作封装在一个Slink里，前一个Stage只需调用后一个Stage的accept()方法即可。实际上Stream API内部实现本质就是如何重写Slink接口的这四个方法。

• 首先begin()方法告诉Slink参与操作的元素个数，方便确定中间结果容器的大小

• 之后通过accept()方法将元素添加到中间结果当中，最终执行时调用者会不断调用该方法，直到遍历所有元素

• 最后end()方法告诉Slink所有元素遍历完毕，启动对应操作步骤，操作完成后将结果传递给下游的Slink

• 如果下游的Slink时短路操作，将结果传递给下游时不断询问cancellationrequested()是否可以结束处理

叠加后操作如何执行

 Stream类库的设计者设置了一个

Sink AbstractPipeline.opWrapSink(int flags, Sink downstream)

方法来得到Sink，该方法的作用是返回一个新的包含了当前Stage代表的操作以及能够将结果传递给downstream的Sink对象。

 使用opWrapSink()可以将当前操作与下游Sink（上文中的downstream参数）结合成新Sink。试想只要从流水线的最后一个Stage开始，不断调用上一个Stage的opWrapSink()方法直到最开始（不包括stage0，因为stage0代表数据源，不包含操作），就可以得到一个代表了流水线上所有操作的Sink。流水线上从开始到结束的所有的操作都被包装到了一个Sink里，执行这个Sink就相当于执行整个流水线。