Java8新特性lambda表达式有什么用(用法实例)
我们期待了很久lambda为java带来闭包的概念，但是如果我们不在集合中使用它的话，就损失了很大价值。现有接口迁移成为lambda风格的问题已经通过defaultmethods解决了，在这篇文章将深入解析Java集合里面的批量数据操作（bulkoperation），解开lambda最强作用的神秘面纱。
1.关于JSR335
JSR是JavaSpecificationRequests的缩写，意思是Java规范请求,Java8版本的主要改进是Lambda项目（JSR335），其目的是使Java更易于为多核处理器编写代码。JSR335=lambda表达式+接口改进（默认方法）+批量数据操作。加上前面两篇，我们已是完整的学习了JSR335的相关内容了。
2.外部VS内部迭代
以前Java集合是不能够表达内部迭代的，而只提供了一种外部迭代的方式，也就是for或者while循环。
Listpersons=asList(newPerson("Joe"),newPerson("Jim"),newPerson("John"));
for(Personp: persons){
p.setLastName("Doe");
}
上面的例子是我们以前的做法，也就是所谓的外部迭代，循环是固定的顺序循环。在现在多核的时代，如果我们想并行循环，不得不修改以上代码。效率能有多大提升还说定，且会带来一定的风险（线程安全问题等等）。
要描述内部迭代，我们需要用到Lambda这样的类库,下面利用lambda和Collection.forEach重写上面的循环
现在是由jdk库来控制循环了，我们不需要关心lastname是怎么被设置到每一个person对象里面去的，库可以根据运行环境来决定怎么做，并行，乱序或者懒加载方式。这就是内部迭代，客户端将行为p.setLastName当做数据传入api里面。
内部迭代其实和集合的批量操作并没有密切的联系，借助它我们感受到语法表达上的变化。真正有意思的和批量操作相关的是新的流（stream）API。新的java.util.stream包已经添加进JDK8了。
3.StreamAPI
流（Stream）仅仅代表着数据流，并没有数据结构，所以他遍历完一次之后便再也无法遍历（这点在编程时候需要注意，不像Collection，遍历多少次里面都还有数据），它的来源可以是Collection、array、io等等。
3.1中间与终点方法
流作用是提供了一种操作大数据接口，让数据操作更容易和更快。它具有过滤、映射以及减少遍历数等方法，这些方法分两种：中间方法和终端方法，“流”抽象天生就该是持续的，中间方法永远返回的是Stream，因此如果我们要获取最终结果的话，必须使用终点操作才能收集流产生的最终结果。区分这两个方法是看他的返回值，如果是Stream则是中间方法，否则是终点方法。具体请参照Stream的api。
简单介绍下几个中间方法（filter、map）以及终点方法（collect、sum）
3.1.1Filter
在数据流中实现过滤功能是首先我们可以想到的最自然的操作了。Stream接口暴露了一个filter方法，它可以接受表示操作的Predicate实现来使用定义了过滤条件的lambda表达式。
Listpersons=…
StreampersonsOver18=persons.stream().filter(p->p.getAge()>18);//过滤18岁以上的人
3.1.2Map
假使我们现在过滤了一些数据，比如转换对象的时候。Map操作允许我们执行一个Function的实现（Function<T,R>的泛型T,R分别表示执行输入和执行结果），它接受入参并返回。首先，让我们来看看怎样以匿名内部类的方式来描述它：
现在，把上述例子转换成使用lambda表达式的写法： 3.1.3Count count方法是一个流的终点方法，可使流的结果最终统计，返回int，比如我们计算一下满足18岁的总人数： 3.1.4Collect collect方法也是一个流的终点方法，可收集最终的结果 或者，如果我们想使用特定的实现类来收集结果： 篇幅有限，其他的中间方法和终点方法就不一一介绍了，看了上面几个例子，大家明白这两种方法的区别即可，后面可根据需求来决定使用。 3.2顺序流与并行流 每个Stream都有两种模式：顺序执行和并行执行。 顾名思义，当使用顺序方式去遍历时，每个item读完后再读下一个item。而使用并行去遍历时，数组会被分成多个段，其中每一个都在不同的线程中处理，然后将结果一起输出。 3.2.1并行流原理： 3.2.2顺序与并行性能测试对比 如果是多核机器，理论上并行流则会比顺序流快上一倍，下面是测试代码 //初始化一个范围100万整数流,求能被2整除的数字，toArray（）是终点方法 inta[]=IntStream.range(0,1_000_000).filter(p->p%2==0).toArray(); longt1=System.nanoTime(); //和上面功能一样，这里是用并行流来计算 intb[]=IntStream.range(0,1_000_000).parallel().filter(p->p%2==0).toArray(); longt2=System.nanoTime(); //我本机的结果是serial:0.06s,parallel0.02s，证明并行流确实比顺序流快 System.out.printf("serial:%.2fs,parallel%.2fs%n",(t1-t0)*1e-9,(t2-t1)*1e-9); 3.3关于Folk/Join框架 应用硬件的并行性在java7就有了，那就是java.util.concurrent包的新增功能之一是一个fork-join风格的并行分解框架，同样也很强大高效，有兴趣的同学去研究，这里不详谈了，相比Stream.parallel()这种方式，我更倾向于后者。 4.总结 如果没有lambda，Stream用起来相当别扭，他会产生大量的匿名内部类，比如上面的3.1.2map例子，如果没有defaultmethod，集合框架更改势必会引起大量的改动，所以lambda+defaultmethod使得jdk库更加强大，以及灵活，Stream以及集合框架的改进便是最好的证明。
Streamadult=persons
.stream()
.filter(p->p.getAge()>18)
.map(newFunction(){
@Override
publicAdultapply(Personperson){
returnnewAdult(person);//将大于18岁的人转为成年人
}
});
Streammap=persons.stream()
.filter(p->p.getAge()>18)
.map(person->newAdult(person));
intcountOfAdult=persons.stream()
.filter(p->p.getAge()>18)
.map(person->newAdult(person))
.count();
ListadultList=persons.stream()
.filter(p->p.getAge()>18)
.map(person->newAdult(person))
.collect(Collectors.toList());
ListadultList=persons
.stream()
.filter(p->p.getAge()>18)
.map(person->newAdult(person))
.collect(Collectors.toCollection(ArrayList::new));
顺序流：
List<Person>people=list.getStream.collect(Collectors.toList());
并行流：
List<Person>people=list.getStream.parallel().collect(Collectors.toList());
ListoriginalList=someData;
split1=originalList(0,mid);//将数据分小部分
split2=originalList(mid,end);
newRunnable(split1.process());//小部分执行操作
newRunnable(split2.process());
ListrevisedList=split1+split2;//将结果合并
longt0=System.nanoTime();
相关文章