用Java8的lambda與Stream提高效率

Java 8 的lambda表達式語法與對Stream流的操作已經出來很久了,之前一直沒有感覺到有特別好用,直到最近自己在工作開發中心血來潮用了Stream來處理集合,才發現它的強大之處。以前需要許多代碼才能完成的集合處理操作,使用Stream和lambda之后,只需要一兩行代碼就能夠輕易完成,而且代碼含義也很明確。話不多說,上例子:

場景舉例:假設我們需要對一個公司的員工對象按照員工職能進行分類,分類之前不知道一共有幾個類別(就這么假設吧。。。)。
這是我們定義的員工類(省略get,set):

public class Employee{
    private Integer number;
    private String name;
    private Integer age;
    private Rank rank;
    private Gender gender;
    public Employee(Integer number, String name, Integer age, Rank rank, Gender gender) {
        this.number = number;
        this.name = name;
        this.age = age;
        this.rank = rank;
        this.gender = gender;
    }
    @Override
    public String toString() {
        return "Employee{" +
                "number=" + number +
                ", name='" + name + '\'' +
                ", age=" + age +
                ", rank=" + rank +
                '}';
    }
    public static enum Rank{
        MANAGER, PROGRAMMER,TESTER,OPERATOR
    }
    public static enum Gender{
        MALE,FEMALE
    }
}

傳統的Java代碼(我就不寫了)一般是先new一個map,key是員工職能,value是一個屬于這個職能的員工的集合list,然后對所有員工進行遍歷,先判斷map中有沒有對應的key,有就加到對應的value的list里面;沒有就先new一個list,然后把當前員工加到list里面,再把k,v加到map里面,如此循環直到結束。而用了Stream之后,我們看看可以怎么簡化:

Map<Employee.Rank, List<Employee>> map = employees.stream().collect(Collectors.groupingBy(Employee::getRank, Collectors.toList()));

只用了一個groupingBy方法就能取代之前代碼的功能,十分強大,效率很高。而且代碼的含義也明確:根據Employee的getRank方法返回的值對其進行分組,每組是一個list,結果放到map中。groupingBy方法的第一個參數是分類依據,第二個參數是對分類結果進行處理的函數。
附上完整示例:

public class MainTest {
    public static void main(String[] args) {
        List<Employee> employees = new ArrayList<>();
        employees.add(new Employee(1, "e1", 30, Employee.Rank.MANAGER, Employee.Gender.MALE));
        employees.add(new Employee(2, "e2", 31, Employee.Rank.PROGRAMMER, Employee.Gender.MALE));
        employees.add(new Employee(3, "e3", 29, Employee.Rank.PROGRAMMER, Employee.Gender.MALE));
        employees.add(new Employee(4, "e4", 24, Employee.Rank.PROGRAMMER, Employee.Gender.MALE));
        employees.add(new Employee(5, "e5", 25, Employee.Rank.PROGRAMMER, Employee.Gender.FEMALE));
        employees.add(new Employee(6, "e6", 29, Employee.Rank.PROGRAMMER, Employee.Gender.MALE));
        employees.add(new Employee(7, "e7", 25, Employee.Rank.TESTER, Employee.Gender.FEMALE));
        employees.add(new Employee(8, "e8", 27, Employee.Rank.TESTER, Employee.Gender.MALE));
        employees.add(new Employee(9, "e9", 28, Employee.Rank.OPERATOR, Employee.Gender.MALE));
        employees.add(new Employee(10, "e10", 26, Employee.Rank.OPERATOR, Employee.Gender.FEMALE));
        System.out.println(employees);
        // 對員工按職能進行分類
        Map<Employee.Rank, List<Employee>> map = employees.stream()
                .collect(Collectors.groupingBy(Employee::getRank, Collectors.toList()));
        System.out.println(map);
        // 對組內員工按年齡排序
        map.values().stream().forEach(MainTest::sortList);
        System.out.println(map);
    }
    // 對員工按年齡大小進行排序
    private static void sortList(List<Employee> list) {
        Collections.sort(list, (bean1, bean2) -> bean1.getAge().compareTo(bean2.getAge()));
    }
}

在上面的代碼中,我們也用了stream的forEach方法來進行遍歷,forEach方法的參數是一個對遍歷的每個元素的進行操作的方法,這里我們傳入的是對map.Values的每個list進行集合內部按年齡排序的方法。
運行結果:

所有員工:[Employee{number=1,name='e1',age=30,rank=MANAGER},Employee{number=2,name='e2',age=31,rank=PROGRAMMER},Employee{number=3,name='e3',age=29,rank=PROGRAMMER},Employee{number=4,name='e4',age=24,rank=PROGRAMMER},Employee{number=5,name='e5',age=25,rank=PROGRAMMER},Employee{number=6,name='e6',age=29,rank=PROGRAMMER},Employee{number=7,name='e7',age=25,rank=TESTER},Employee{number=8,name='e8',age=27,rank=TESTER},Employee{number=9,name='e9',age=28,rank=OPERATOR},Employee{number=10,name='e10',age=26,rank=OPERATOR}]
分組之后:{MANAGER=[Employee{number=1,name='e1',age=30,rank=MANAGER}],TESTER=[Employee{number=7,name='e7',age=25,rank=TESTER},Employee{number=8,name='e8',age=27,rank=TESTER}],PROGRAMMER=[Employee{number=2,name='e2',age=31,rank=PROGRAMMER},Employee{number=3,name='e3',age=29,rank=PROGRAMMER},Employee{number=4,name='e4',age=24,rank=PROGRAMMER},Employee{number=5,name='e5',age=25,rank=PROGRAMMER},Employee{number=6,name='e6',age=29,rank=PROGRAMMER}],OPERATOR=[Employee{number=9,name='e9',age=28,rank=OPERATOR},Employee{number=10,name='e10',age=26,rank=OPERATOR}]}
組內年齡排序之后:{MANAGER=[Employee{number=1,name='e1',age=30,rank=MANAGER}],TESTER=[Employee{number=7,name='e7',age=25,rank=TESTER},Employee{number=8,name='e8',age=27,rank=TESTER}],PROGRAMMER=[Employee{number=4,name='e4',age=24,rank=PROGRAMMER},Employee{number=5,name='e5',age=25,rank=PROGRAMMER},Employee{number=3,name='e3',age=29,rank=PROGRAMMER},Employee{number=6,name='e6',age=29,rank=PROGRAMMER},Employee{number=2,name='e2',age=31,rank=PROGRAMMER}],OPERATOR=[Employee{number=10,name='e10',age=26,rank=OPERATOR},Employee{number=9,name='e9',age=28,rank=OPERATOR}]}```
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 227,818評論 6 531
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,185評論 3 414
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 175,656評論 0 373
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 62,647評論 1 309
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,446評論 6 405
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 54,951評論 1 321
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,041評論 3 440
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,189評論 0 287
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,718評論 1 333
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,602評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,800評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,316評論 5 358
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,045評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,419評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,671評論 1 281
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,420評論 3 390
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,755評論 2 371

推薦閱讀更多精彩內容