Java 8 stream 与 functional interface 的珠联璧合

Java 8 提供了一组称为 stream 的 API，用于处理可遍历的流式数据。stream API 的设计，充分融合了函数式编程的理念，极大简化了代码量。

我们来讲解如何将常用的 stream API 与相应的 functional interface （函数式接口）配合使用，达成数据处理的目的。

类似于困扰哲学家们数千年的三大问题，关于 stream 我们也有三个疑团需要解开：它从哪里来？它能做什么？它会变成什么？

generate 与 Supplier

stream 最常见的来源是 Collection。Collection 是一组可遍历元素的抽象容器。它有两大类实现：不允许重复元素的 Set 和允许重复的 List。只要在某个 Collection 对象后面加上 .stream() 或者 .parallelStream() 就可以得到相应的 stream 了。

如果没有现成的 Collection，或者 Collection 太大根本存不下，还有什么办法可以生成 stream 么？如果知道生成 stream 中每个元素的算法，就可以无中生有造出一个 stream 来。这里用到的是方法 Stream.generate()，它依赖于一个函数式接口 Supplier。

1	static <T> Stream<T> generate(Supplier<T> s);

Supplier 的方法 get() 在每次调用时都返回一个 T 的对象。因为 get() 方法不接收任何参数，所以使用 generate 时，代码总是会写成类似 () -> returnValue 的样子。

另外，由于 get() 可以被调用无限多次，因此通过 generate 生成的 stream 也是无限长的，必要时可以通过 .limit() 截取前若干个元素。

例如，如果想获得一个无限长的随机 UUID 序列，可以使用下面的方法：

1	Stream<UUID> infiniteUUIDStream = Stream.generate(() -> UUID.randomUUID());

想要获取诸如 1 ~ 10 这样的序列也是可行的，但需要一个 helper class 记录当前状态，这里就不提供案例了。

forEach 与 Consumer

知道了如何生成 stream，也要知道如何消费它。既然 stream 可以从 Collection 来，那么最后应该也能变成 Collection，这就是 collect() 的功劳了。collect() 接收一个 Collector 作为参数，返回从 stream 生成的 Collection 对象。不过这个 Collector 不是函数式接口，所以不属于本文的重点。下面着重讲解的是 forEach 方法。

1	void forEach(Consumer<? super T> action);

forEach 与函数式接口 Consumer 配合工作，Consumer 的 void accept(T t) 方法就是来消费 stream 中的各个元素的。因为 accept 接收单个元素 T 作为参数，forEach 会写成 e -> statement 的形式，其中 statement 不返回任何值。

比如，逐行打印 stream 中的每一个元素，就可以写作：

1	stream.forEach(e -> System.out.println(e));

或者通过方法引用进一步简化：

1	stream.forEach(System.out::println);

reduce 与 BinaryOperator

除了 forEach 这种吞噬元素的终结型操作以外，使用 stream 中的元素还有两种常见的模式。第一种依旧是终结型操作：整合所有的元素，最后返回一个单一的值，我们把这个操作称作 reduce。第二种则是过程性操作，它让每个元素都有自己对应的返回值，之后重组成为新的 stream，以便下一步继续利用。我们把第二种操作称为 map。把刚刚提及的这两个操作结合起来，就是大名鼎鼎的 MapReduce 了（误）。

reduce 与一种特殊的函数式接口搭配使用，它叫 BinaryOperator。BinaryOperator<T> 的原型是 BiFunction<T, T, T>，那这个 BiFunction 又是怎么回事呢？原来，BiFunction<T, U, R> 是一个宽泛的函数式接口，它的方法 R apply(T t, U u) 接受类型为 T 和 U 的两个参数，并返回一个类型为 R 的值。如果 T U R 这三者的类型相同，就可以写作 BiFunction<T, T, T>。因为这种用法尤其常见，于是它有了自己专属的名字，即 BinaryOperator<T>。最常见的 BinaryOperator 当属二元算术操作，我们熟知的加减乘除都属于这个范畴。

讲解 reduce 时最常见的例子就是求一个 stream 中所有元素之和了：

1 2	// stream: Stream<Integer> Optional<Integer> sum = stream.reduce((a, b) -> a + b);

我们可以看出，reduce 方法的特征是 (a, b) -> returnValue。它返回的结果是 Optional，我们可以用 .isPresent() 查看是否为空值；当值不为空时，用 .get() 获取数据。

map 与 Function

map 或许是 stream 中使用最为广泛的一个操作了。与 reduce 涉及的 BiFunction 不同，与 map 配套使用的函数式接口是略为简单的 Function。它同样是一个宽泛的函数式接口，同时也是函数式接口最著名的代表。Function<T, R> 的方法 R apply(T t) 接受一个类型为 T 的参数，并返回一个类型为 R 的值。map 所做的事情，就是把这个 Function 应用于 stream 中的每一个元素，以得到一个新的全部由 R 组成的 stream。

比如说，把一个 stream 中的每一个字符串都变成大写：

1 2	// original: Stream<String> Stream<String> transformed = original.map(e -> e.toUpperCase());

map 方法的特征是 e -> returnValue。正如我们之前用过的 System.out::println 一样，这里也可以使用方法引用简化代码，只要引用的方法符合 map 预期的类型即可：传入一个 T 参数，返回一个 R 值。

1 2	// original: Stream<String> Stream<String> transformed = original.map(String::toUpperCase);

filter 与 Predicate

介绍了 forEach，reduce 和 map 这些重量级的操作，下面我们来处理一个尴尬的问题：如果这个 stream 中有我们不想要的元素怎么办？答案是使用 filter 把他们踢出去。

与 filter 搭配使用的函数式接口是 Predicate。Predicate<T> 的方法 boolean test(T t) 接受一个类型为 T 的参数，并返回 true 或是 false。我们可以认为 Predicate<T> 就是特异化的 Function<T, boolean>，因为它使用得足够广泛，所以自立门户成为一套单独的接口。

在下面的例子中，程序只打印 stream 中的偶数：

1 2	// stream: Stream<Integer> stream.filter(e -> e % 2 == 0).forEach(System.out::println);

可以看出，由于 Predicate 是一种特异的 Function，所以 filter 方法的特征与 map 在外观上如出一辙。不过 filter 要保证 e -> returnValue 中的 returnValue 是一个 boolean，否则编译会报错。

sorted 与 Comparator

最后来看看 stream 中非常强大的 sorted 方法，它允许我们自定义比较规则对 stream 中的元素排序。与 sorted 搭配的函数式接口是 Comparator，Comparator<T> 使用 int compare(T o1, T o2) 方法比较两个 T 类型的对象。排序正是通过比较对象之间的相对大小实现的。

接下来的例子将 stream 中的浮点数按绝对值的升序排列，并打印出来：

// stream: Stream<Double>
stream.sorted((a, b) -> {
    double diff = a - b;
    if (diff < 0) return -1;
    else if (diff > 0) return 1;
    else return 0;
    }).forEach(System.out::println);

不难看出，sorted 方法的特征与 reduce 比较相似，都是 (a, b) -> returnValue 的结构，但是要保证 returnValue 是 int 类型。