摘要:運行機制分為源,中間操作,終止操作。反過來說,目前還無法專為某個并行流指定這個值。我們在本節(jié)中已經(jīng)指出,并行流不總是比順序流快。特別是和等依賴于元素順序的操作,它們在并行流上執(zhí)行的代價非常大。
1 StreamStream是一組用來處理數(shù)組,集合的API。
1.1 特性不是數(shù)據(jù)結(jié)構(gòu),沒有內(nèi)部存儲。
不支持索引訪問。
延遲計算
支持并行
很容易生成數(shù)據(jù)或集合
支持過濾,查找,轉(zhuǎn)換,匯總,聚合等操作。
Stream分為源source,中間操作,終止操作。
流的源可以是一個數(shù)組,集合,生成器方法,I/O通道等等。
一個流可以有零個或多個中間操作,每一個中間操作都會返回一個新的流,供下一個操作使用,一個流只會有一個終止操作。
Stream只有遇到終止操作,它的源才會開始執(zhí)行遍歷操作。
1.3 Stream的創(chuàng)建通過數(shù)組,Stream.of()
通過集合
通過Stream.generate方法來創(chuàng)建
通過Stram.iterate方法
其他API
import java.util.Arrays;
import java.util.List;
import java.util.stream.IntStream;
import java.util.stream.Stream;
public class CreateStream {
//通過數(shù)組,Stream.of()
static void gen1(){
String[] str = {"a","b","c"};
Stream str1 = Stream.of(str);
}
//通過集合
static void gen2(){
List strings = Arrays.asList("a", "b", "c");
Stream stream = strings.stream();
}
//通過Stream.generate方法來創(chuàng)建
static void gen3(){
//這是一個無限流,通過這種方法創(chuàng)建在操作的時候最好加上limit進(jìn)行限制
Stream generate = Stream.generate(() -> 1);
generate.limit(10).forEach(x -> System.out.println(x));
}
//通過Stram.iterate方法
static void gen4(){
Stream iterate = Stream.iterate(1, x -> x +1);
iterate.forEach(x -> System.out.println(x));
}
//其他API
static void gen5(){
String str = "abc";
IntStream chars = str.chars();
chars.forEach(x -> System.out.println(x));
}
}
2 Stream常用的API
2.1 中間操作
該操作會接受一個謂詞(一個返回boolean的函數(shù))作為參數(shù),并返回一個包括所有符合謂詞的元素的流。說白了就是給一個條件,filter會根據(jù)這個條件截取流中得數(shù)據(jù)。
public static void testFilter(){ Listintegers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10); //截取所有能被2整除得數(shù)據(jù) List collect = integers.stream().filter(i -> i % 2 == 0).collect(Collectors.toList()); System.out.println("collect = " + collect); }
結(jié)果:
collect = [2, 4, 6, 8, 10]
該操作會返回一個元素各異(根據(jù)流所生成元素的hashCode和equals方法實現(xiàn))的流。
public static void main(String[] args) { Listnumbers = Arrays.asList(1, 2, 1, 3, 3, 2, 4); List collect = numbers.stream().distinct().collect(Collectors.toList()); System.out.println("collect = " + collect); }
結(jié)果:
collect = [1, 2, 3, 4]
對流中得數(shù)據(jù)進(jìn)行排序,可以以自然序或著用Comparator 接口定義的排序規(guī)則來排序一個流。Comparator 能使用lambada表達(dá)式來初始化,還能夠逆序一個已經(jīng)排序的流。
public static void main(String[] args) { Listintegers = Arrays.asList(5, 8, 2, 6, 41, 11); //排序默認(rèn)為順序 順序 = [2, 5, 6, 8, 11, 41] List sorted = integers.stream().sorted().collect(Collectors.toList()); System.out.println("順序 = " + sorted); //逆序 逆序 = [41, 11, 8, 6, 5, 2] List reverseOrder = integers.stream().sorted(Comparator.reverseOrder()).collect(Collectors.toList()); System.out.println("逆序 = " + reverseOrder); //也可以接收一個lambda List ages = integers.stream().sorted(Comparator.comparing(User::getAge)).collect(Collectors.toList()); }
該方法會返回一個不超過給定長度的流。
public static void testLimit(){ Listintegers = Arrays.asList(1, 2, 1, 3, 3, 2, 4); //截取流中得前三個元素 collect = [1, 2, 1] List collect = integers.stream().limit(3).collect(Collectors.toList()); System.out.println("collect = " + collect); }
該方法會返回一個扔掉了前面n個元素的流。如果流中元素不足n個,則返回一個空流。
public static void testSkip(){ Listintegers = Arrays.asList(1, 2, 1, 3, 3, 2, 4); //丟掉流中得前三個元素 collect = [3, 3, 2, 4] List collect = integers.stream().skip(3).collect(Collectors.toList()); System.out.println("collect = " + collect); }
該方法會接受一個函數(shù)作為參數(shù),這個函數(shù)會被應(yīng)用到每個元素上,并將其映射成一個新的元素。就是根據(jù)指定函數(shù)獲取流中得每個元素得數(shù)據(jù)并重新組合成一個新的元素。
public static void main(String[] args) { //自己建好得一個獲取對象list得方法 ListdishList = Dish.getDishList(); //獲取每一道菜得名稱 并放到一個list中 List collect = dishList.stream().map(Dish::getName).collect(Collectors.toList()); //collect = [pork, beef, chicken, french fries, rice, season fruit, pizza, prawns, salmon] System.out.println("collect = " + collect); }
該方法key可以讓你把一個流中的每個值都換成另一個流,然后把所有的流都鏈接起來成為一個流。
給 定 單 詞 列 表["Hello","World"] ,你想要返回列表 ["H","e","l", "o","W","r","d"],你可能會認(rèn)為這很容易,通過map你可以把每個單詞映射成一張字符表,然后調(diào)用 distinct 來過濾重復(fù)的字符,但是這個方法的問題在于,傳遞給 map 方法的Lambda為每個單詞返回了一個 String[] ( String列表)。因此, map 返回的流實際上是Stream
正確寫法應(yīng)該是通過flatMap對其扁平化并作出對應(yīng)處理。
public static void main(String[] args) { String[] words = {"Hello", "World"}; Listcollect = Stream.of(words). //數(shù)組轉(zhuǎn)換流 map(w -> w.split("")). //去掉“”并獲取到兩個String[] flatMap(Arrays::stream). //方法調(diào)用將兩個String[]扁平化為一個stream distinct(). //去重 collect(Collectors.toList()); //collect = [H, e, l, o, W, r, d] System.out.println("collect = " + collect); } }
peek 的設(shè)計初衷就是在流的每個元素恢復(fù)運行之前,插入執(zhí)行一個動作。
public static void main(String[] args) { Listnumbers = Arrays.asList(2, 3, 4, 5); List result = numbers.stream() .peek(x -> System.out.println("from stream: " + x)) .map(x -> x + 17) .peek(x -> System.out.println("after map: " + x)) .filter(x -> x % 2 == 0) .peek(x -> System.out.println("after filter: " + x)) .limit(3) .peek(x -> System.out.println("after limit: " + x)) .collect(Collectors.toList()); }
結(jié)果:
from stream: 2 after map: 19 from stream: 3 after map: 20 after filter: 20 after limit: 20 from stream: 4 after map: 21 from stream: 5 after map: 22 after filter: 22 after limit: 22
從上面得代碼已經(jīng)可以看出來,collect是將最終stream中得數(shù)據(jù)收集起來,最終生成一個list,set,或者map。
public static void main(String[] args) { ListdishList = Dish.getDishList(); //list List collect = dishList.stream().limit(2).collect(Collectors.toList()); //set Set collect1 = dishList.stream().limit(2).collect(Collectors.toSet()); //map Map collect2 = dishList.stream().limit(2).collect(Collectors.toMap(Dish::getName, Dish::getType)); }
這里面生成map得toMap方法有三個重載,傳入得參數(shù)都不同,這里使用得是傳入兩個Function類型得參數(shù)。當(dāng)然,Collectors的功能還不止這些,下面的收集器中會有其他的詳解。
2.2 終止操作循環(huán) forEach
計算 min、max、count、average
匹配 anyMatch、allMatch、noneMatch、findFirst、findAny
匯聚 reduce
收集器 collect
2.3 查找和匹配另一個常見的數(shù)據(jù)處理套路是看看數(shù)據(jù)集中的某些元素是否匹配一個給定的屬性。Stream API通過allMatch,anyMatch,noneMatch,findFirst和findAny方法提供了這樣的工具。
查找和匹配都是終端操作。
anyMatch方法可以回答“流中是否有一個元素能匹配到給定的謂詞”。會返回一個boolean值。
public class AnyMatch { public static void main(String[] args) { Listdish = Dish.getDish(); boolean b = dish.stream().anyMatch(Dish::isVegetarian); System.out.println(b); } }
allMatch方法和anyMatch類似,校驗流中是否都能匹配到給定的謂詞。
class AllMatch{ public static void main(String[] args) { Listdish = Dish.getDish(); //是否所有菜的熱量都小于1000 boolean b = dish.stream().allMatch(d -> d.getCalories() < 1000); System.out.println(b); } }
noneMatch方法可以確保流中沒有任何元素與給定的謂詞匹配。
class NoneMatch{ public static void main(String[] args) { Listdish = Dish.getDish(); //沒有任何菜的熱量大于等于1000 boolean b = dish.stream().allMatch(d -> d.getCalories() >= 1000); System.out.println(b); } }
anyMatch,noneMatch,allMatch這三個操作都用到了所謂的短路。
findAny方法將返回當(dāng)前流中的任意元素。
class FindAny{ public static void main(String[] args) { Listdish = Dish.getDish(); Optional any = dish.stream().filter(Dish::isVegetarian).findAny(); System.out.println("any = " + any); } }
findFirst方法能找到你想要的第一個元素。
class FindFirst{ public static void main(String[] args) { List2.4 歸約 reducedish = Dish.getDish(); Optional any = dish.stream().filter(Dish::isVegetarian).findFirst(); System.out.println("any = " + any); } }
此類查詢需要將流中所有元素反復(fù)結(jié)合起來,得到一個值,比如一個 Integer 。這樣的查詢可以被歸類為歸約操作(將流歸約成一個值)。用函數(shù)式編程語言的術(shù)語來說,這稱為折疊(fold),因為你可以將這個操 作看成把一張長長的紙(你的流)反復(fù)折疊成一個小方塊,而這就是折疊操作的結(jié)果。
public static void main(String[] args) { Listintegers = Arrays.asList(1, 2, 3, 6, 8); //求list中的和,以0為基數(shù) Integer reduce = integers.stream().reduce(0, (a, b) -> a + b); //Integer的靜態(tài)方法 int sum = integers.stream().reduce(0, Integer::sum); System.out.println("reduce = " + reduce); }
public static void main(String[] args) { List2.5 收集器 Collectorsintegers = Arrays.asList(1, 2, 3, 6, 8); Optional min = integers.stream().reduce(Integer::min); System.out.println("min = " + min); Optional max = integers.stream().reduce(Integer::max); System.out.println("max = " + max); }
public static void main(String[] args) { Listdish = Dish.getDish(); //創(chuàng)建一個Comparator來進(jìn)行比較 比較菜的卡路里 Comparator dishComparator = Comparator.comparingInt(Dish::getCalories); //maxBy選出最大值 Optional collect = dish.stream().collect(Collectors.maxBy(dishComparator)); System.out.println("collect = " + collect); //選出最小值 Optional collect1 = dish.stream().collect(Collectors.minBy(dishComparator)); System.out.println("collect1 = " + collect1); }
Collectors.summingInt 。它可接受一個把對象映射為求和所需 int 的函數(shù),并返回一個收集器。
public static void main(String[] args) { Listdish = Dish.getDish(); //計算總和 int collect = dish.stream().collect(Collectors.summingInt(Dish::getCalories)); System.out.println("collect = " + collect); }
public static void main(String[] args) { Listdish = Dish.getDish(); //計算平均數(shù) Double collect = dish.stream().collect(Collectors.averagingInt(Dish::getCalories)); System.out.println("collect = " + collect); }
public static void main(String[] args) { Listdish = Dish.getDish(); String collect = dish.stream().map(Dish::getName).collect(Collectors.joining()); System.out.println("collect = " + collect); }
joining 工廠方法有一個重載版本可以接受元素之間的分界符,這樣你就可以得到一個逗號分隔的菜肴名稱列表。
String collect = dish.stream().map(Dish::getName).collect(Collectors.joining(", "));
long howManyDishes = dish.stream().collect(Collectors.counting());2.6 分組
public static void main(String[] args) { Listdish = Dish.getDish(); //groupingBy接受一個function作為參數(shù) Map > collect = dish.stream().collect(Collectors.groupingBy(Dish::getType)); System.out.println("collect = " + collect); }
如果想用以分類的條件可能比簡單的屬性訪問器要復(fù)雜。例如,你可能想把熱量不到400卡路里的菜劃分為“低熱量”(diet),熱量400到700卡路里的菜劃為“普通”(normal),高于700卡路里的劃為“高熱量”(fat)。由于 Dish 類的作者沒有把這個操作寫成一個方法,你無法使用方法引用,但你可以把這個邏輯寫成Lambda表達(dá)式。
public static void main(String[] args) { ListdishList = Dish.getDish(); Map > collect = dishList.stream().collect(Collectors.groupingBy(dish->{ if (dish.getCalories() <= 400) { return "DIET"; } else if (dish.getCalories() <= 700) { return "NORMAL"; } else { return "FAT"; } })); System.out.println("collect = " + collect); }
要實現(xiàn)多級分組,我們可以使用一個由雙參數(shù)版本的 Collectors.groupingBy 工廠方法創(chuàng)建的收集器,它除了普通的分類函數(shù)之外,還可以接受 collector 類型的第二個參數(shù)。那么要進(jìn)行二級分組的話,我們可以把一個內(nèi)層groupingBy 傳遞給外層 groupingBy ,并定義一個為流中項目分類的二級標(biāo)準(zhǔn)。
public static void main(String[] args) { Listdish = Dish.getDish(); Map >> collect = dish.stream().collect(Collectors.groupingBy(Dish::getType, Collectors.groupingBy(d -> { if (d.getCalories() <= 400) { return "DIET"; } else if (d.getCalories() <= 700) { return "NORMAL"; } else { return "FAT"; } }))); System.out.println("collect = " + collect); }
在上一面,我們看到可以把第二個 groupingBy 收集器傳遞給外層收集器來實現(xiàn)多級分組。但進(jìn)一步說,傳遞給第一個 groupingBy 的第二個收集器可以是任何類型,而不一定是另一個 groupingBy 。
例如,要數(shù)一數(shù)菜單中每類菜有多少個,可以傳遞 counting 收集器作為groupingBy 收集器的第二個參數(shù)。
MaptypesCount = dish.stream().collect(groupingBy(Dish::getType, counting()));
普通的單參數(shù) groupingBy(f) (其中 f 是分類函數(shù))實際上是 groupingBy(f,toList()) 的簡便寫法。
把收集器的結(jié)果轉(zhuǎn)換為另一種類型:
Collectors.collectingAndThen工廠方法
3 并行流并行流就是一個把內(nèi)容分成多個數(shù)據(jù)塊,并用不同的線程分別處理每個數(shù)據(jù)塊的流。這樣一來,你就可以自動把給定操作的工作負(fù)荷分配給多核處理器的所有內(nèi)核,讓它們都忙起來。
3.1 將順序流轉(zhuǎn)為并行流你可以把流轉(zhuǎn)換成并行流,從而讓前面的函數(shù)歸約過程(也就是求和)并行運行——對順序流調(diào)用 parallel 方法:
public static long parallelSum(long n) { return Stream.iterate(1L, i -> i + 1) .limit(n) .parallel() .reduce(0L, Long::sum); }
Stream 在內(nèi)部分成了幾塊。因此可以對不同的塊獨立并行進(jìn)行歸納操作,最后,同一個歸納操作會將各個子流的部分歸納結(jié)果合并起來,得到整個原始流的歸納結(jié)果。
類似地,你只需要對并行流調(diào)用 sequential 方法就可以把它變成順序流。
配置并行流使用的線程池
看看流的 parallel 方法,你可能會想,并行流用的線程是從哪兒來的?有多少個?怎么自定義這個過程呢?
并行流內(nèi)部使用了默認(rèn)的 ForkJoinPool (7.2節(jié)會進(jìn)一步講到分支/合并框架),它默認(rèn)的線 程 數(shù) 量 就是 你 的 處 理器 數(shù) 量 , 這個 值 是 由 Runtime.getRuntime().available-Processors() 得到的。 但 是 你 可 以 通 過 系 統(tǒng) 屬 性 java.util.concurrent.ForkJoinPool.common.parallelism 來改變線程池大小,如下所示: System.setProperty("java.util.concurrent.ForkJoinPool.common.parallelism","12"); 這是一個全局設(shè)置,因此它將影響代碼中所有的并行流。反過來說,目前還無法專為某個并行流指定這個值。一般而言,讓 ForkJoinPool 的大小等于處理器數(shù)量是個不錯的默認(rèn)值,除非你有很好的理由,否則我們強烈建議你不要修改它。
3.2 高效使用并行流我們聲稱并行求和方法應(yīng)該比順序和迭代方法性能好。然而在軟件工程上,靠猜絕對不是什么好辦法!特別是在優(yōu)化性能時,你應(yīng)該始終遵循三個黃金規(guī)則:測量,測量,再測量。
如果有疑問,測量。把順序流轉(zhuǎn)成并行流輕而易舉,但卻不一定是好事。我們在本節(jié)中已經(jīng)指出,并行流不總是比順序流快。此外,并行流有時候會和你的直覺不一致,所以在考慮選擇順序流還是并行流時,第一個也是最重要的建議就是用適當(dāng)?shù)幕鶞?zhǔn)來檢查其性能。
留意裝箱。自動裝箱和拆箱操作會大大降低性能。Java 8中有原始類型流( IntStream 、LongStream 、 DoubleStream )來避免這種操作,但凡有可能都應(yīng)該用這些流。
有些操作本身在并行流上的性能就比順序流差。特別是 limit 和 findFirst 等依賴于元素順序的操作,它們在并行流上執(zhí)行的代價非常大。例如, findAny 會比 findFirst 性能好,因為它不一定要按順序來執(zhí)行。你總是可以調(diào)用 unordered 方法來把有序流變成無序流。那么,如果你需要流中的n個元素而不是專門要前n個的話,對無序并行流調(diào)用limit 可能會比單個有序流(比如數(shù)據(jù)源是一個 List )更高效。
還要考慮流的操作流水線的總計算成本。設(shè)N是要處理的元素的總數(shù),Q是一個元素通過流水線的大致處理成本,則N*Q就是這個對成本的一個粗略的定性估計。Q值較高就意味著使用并行流時性能好的可能性比較大。
對于較小的數(shù)據(jù)量,選擇并行流幾乎從來都不是一個好的決定。并行處理少數(shù)幾個元素的好處還抵不上并行化造成的額外開銷。
要考慮流背后的數(shù)據(jù)結(jié)構(gòu)是否易于分解。例如, ArrayList 的拆分效率比 LinkedList高得多,因為前者用不著遍歷就可以平均拆分,而后者則必須遍歷。另外,用 range 工廠方法創(chuàng)建的原始類型流也可以快速分解。
流自身的特點,以及流水線中的中間操作修改流的方式,都可能會改變分解過程的性能。例如,一個 SIZED 流可以分成大小相等的兩部分,這樣每個部分都可以比較高效地并行處理,但篩選操作可能丟棄的元素個數(shù)卻無法預(yù)測,導(dǎo)致流本身的大小未知。
還要考慮終端操作中合并步驟的代價是大是小(例如 Collector 中的 combiner 方法)。如果這一步代價很大,那么組合每個子流產(chǎn)生的部分結(jié)果所付出的代價就可能會超出通過并行流得到的性能提升。
3.3 分支/合并框架
分支/合并框架的目的是以遞歸方式將可以并行的任務(wù)拆分成更小的任務(wù),然后將每個子任務(wù)的結(jié)果合并起來生成整體結(jié)果。它是 ExecutorService 接口的一個實現(xiàn),它把子任務(wù)分配給線程池(稱為 ForkJoinPool )中的工作線程。
要把任務(wù)提交到這個池,必須創(chuàng)建 RecursiveTask 的一個子類,其中 R 是并行化任務(wù)(以 及所有子任務(wù))產(chǎn)生的結(jié)果類型,或者如果任務(wù)不返回結(jié)果,則是 RecursiveAction 類型(當(dāng) 然它可能會更新其他非局部機構(gòu))。
要定義 RecursiveTask, 只需實現(xiàn)它唯一的抽象方法compute :
protected abstract R compute();
這個方法同時定義了將任務(wù)拆分成子任務(wù)的邏輯,以及無法再拆分或不方便再拆分時,生成單個子任務(wù)結(jié)果的邏輯。
public class ForkJoinSumCalculator extends java.util.concurrent.RecursiveTask{ private final long[] numbers; private final int start; private final int end; public static final long THRESHOLD = 10_000; public ForkJoinSumCalculator(long[] numbers) { this(numbers, 0, numbers.length); } private ForkJoinSumCalculator(long[] numbers, int start, int end) { this.numbers = numbers; this.start = start; this.end = end; } @Override protected Long compute() { int length = end - start; if (length <= THRESHOLD) { return computeSequentially(); } //創(chuàng)建一個子任務(wù)來為數(shù)組得前一半求和 ForkJoinSumCalculator leftTask = new ForkJoinSumCalculator(numbers, start, start + length / 2); //利 用 另 一 個ForkJoinPool線程異步執(zhí)行新創(chuàng)建的子任務(wù) leftTask.fork(); //創(chuàng)建一個子任務(wù)來為數(shù)組得后一半求和 ForkJoinSumCalculator rightTask = new ForkJoinSumCalculator(numbers, start + length / 2, end); //同步執(zhí)行第二個子任務(wù),有可能進(jìn)一步遞歸 Long rightResult = rightTask.compute(); //讀取第一個任務(wù)得結(jié)構(gòu),未完成就等待 Long leftResult = leftTask.join(); return leftResult + rightResult; } private long computeSequentially() { long sum = 0; for (int i = start; i < end; i++) { sum += numbers[i]; } return sum; } public static long forkJoinSum(long n) { long[] numbers = LongStream.rangeClosed(1, n).toArray(); ForkJoinTask task = new ForkJoinSumCalculator(numbers); return new ForkJoinPool().invoke(task); } public static void main(String[] args) { long l = ForkJoinSumCalculator.forkJoinSum(5); System.out.println("l = " + l); } }
文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址:http://specialneedsforspecialkids.com/yun/7293.html
摘要:使用是為了更高效的性能。注意將數(shù)組轉(zhuǎn)集合不能進(jìn)行和操作。的內(nèi)部類和都是繼承,等方法中是默認(rèn)而且不作任何操作。重新了這些方法而的內(nèi)部類沒有重新,所以會拋出異常。八玩轉(zhuǎn)工具包是什么顧名思義,和的區(qū)別就是可以保存多個相同的對象。 Java中那些讓你愛不釋手工具庫,精煉代碼量一、JDK1.8 Stream新特性1、St...
摘要:一面試題及剖析今日面試題今天壹哥帶各位復(fù)習(xí)一塊可能會令初學(xué)者比較頭疼的內(nèi)容,起碼當(dāng)時讓我很有些頭疼的內(nèi)容,那就是流。在這里壹哥會從兩部分展開介紹流,即與流。除此之外盡量使用字節(jié)流。關(guān)閉此輸入流并釋放與流相關(guān)聯(lián)的任何系統(tǒng)資源。 一. 面試題及剖析 1. 今日面試題 今天 壹哥 帶各位復(fù)習(xí)一塊可...
摘要:如果不指定字符集,則使用系統(tǒng)默認(rèn)字符編碼,系統(tǒng)的默認(rèn)字符編碼一般是。所以更準(zhǔn)確的說,是將一個字節(jié)輸入流按照給定的字符編碼來解碼,從而得到一個字符輸入流。當(dāng)然,缺點就是不能選擇使用的字符編碼。 相對于Python和 C來說,Java的I/O操作API比較復(fù)雜,因此本文打算做個簡單的介紹。 1. I/O分類 總的來說Java的I/O按照處理數(shù)據(jù)的粒度和方向來劃分,一共可以分為4類: 基...
摘要:第三個問題查找所有來自于劍橋的交易員,并按姓名排序。第六個問題打印生活在劍橋的交易員的所有交易額。第八個問題找到交易額最小的交易。 付諸實戰(zhàn) 在本節(jié)中,我們會將迄今學(xué)到的關(guān)于流的知識付諸實踐。我們來看一個不同的領(lǐng)域:執(zhí)行交易的交易員。你的經(jīng)理讓你為八個查詢找到答案。 找出2011年發(fā)生的所有交易,并按交易額排序(從低到高)。 交易員都在哪些不同的城市工作過? 查找所有來自于劍橋的交易...
摘要:新特性總覽標(biāo)簽本文主要介紹的新特性,包括表達(dá)式方法引用流默認(rèn)方法組合式異步編程新的時間,等等各個方面。還有對應(yīng)的和類型的函數(shù)連接字符串廣義的歸約匯總起始值,映射方法,二元結(jié)合二元結(jié)合。使用并行流時要注意避免共享可變狀態(tài)。 Java8新特性總覽 標(biāo)簽: java [TOC] 本文主要介紹 Java 8 的新特性,包括 Lambda 表達(dá)式、方法引用、流(Stream API)、默認(rèn)方...
閱讀 1428·2021-11-22 15:24
閱讀 2519·2021-10-11 11:06
閱讀 2323·2021-10-09 09:45
閱讀 2525·2021-09-09 09:33
閱讀 634·2019-08-30 15:53
閱讀 1439·2019-08-30 12:48
閱讀 657·2019-08-29 13:47
閱讀 500·2019-08-26 18:27