Java8 新特性Stream

image.png

1 什么是Stream?

Stream将要处理的元素集合看作一种流，在流的过程中，借助Stream API对流中的元素进行操作，比如：筛选、排序、聚合等。
Stream可以由数组或集合创建，对流的操作分为两种：

中间操作，每次返回一个新的流，可以有多个。
终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。

另外，Stream有几个特性：

stream不存储数据，而是按照特定的规则对数据进行计算，一般会输出结果。
stream不会改变数据源，通常情况下会产生一个新的集合或一个值。
stream具有延迟执行特性，只有调用终端操作时，中间操作才会执行。

2 Stream的创建

流的特性：支持并行流与顺序流

并行流：多个线程同时运行
顺序流：使用主线程，单线程

Stream可以通过集合数组创建。
1、通过 java.util.Collection.stream() 方法用集合创建流

    public static void main(String[] args) {

        List<String> list = Arrays.asList("a", "b", "c");
// 创建一个顺序流 顺序流：使用主线程，单线程 
        Stream<String> stream = list.stream();
// 创建一个并行流 并行流：多个线程同时运行 并行流就是把一个内容分成多个数据库，并用不同的线程分别处理每个数据块的流
        Stream<String> parallelStream = list.parallelStream();

    }

2、使用java.util.Arrays.stream(T[] array)方法用数组创建流

int[] array={1,3,5,6,8};
IntStream stream = Arrays.stream(array);

3、使用Stream的静态方法：of()、iterate()、generate()


    public static void main(String[] args) {

        Stream<Integer> stream = Stream.of(1, 2, 3, 4, 5, 6);

        Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 3).limit(4);
        stream2.forEach(System.out::println);   // 0 2 4 6 8 10

        Stream<Double> stream3 = Stream.generate(Math::random).limit(3);
        stream3.forEach(System.out::println);
    }

Stream(顺序流)和ParallelStream(并行流)的简单区分：

Stream： stream是顺序流，由主线程按顺序对流执行操作。
ParallelStream：是并行流，内部以多线程并行执行的方式对流进行操作。
但前提是流中的数据处理没有顺序要求。
例如筛选集合中的奇数，两者的处理不同之处：

image.png

image.png

如果流中的数据量足够大，并行流可以加快处理速度
出了直接创建并行流还可以通过parallel() 把顺序流转换成并行流

    public static void main(String[] args) {
        List<Integer> list =new ArrayList<>();
        list.add(1);
        list.add(9);
        list.add(5);
        list.add(6);
        list.add(7);
        list.add(8);
        // 返回第一个元素
        Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();
        System.out.println(findFirst);// 输出 9
        List<Integer> collect = list.stream().parallel().filter(x -> x > 6).collect(Collectors.toList());
        collect.forEach(System.out::print); // 输出 9 7 8
    }

3 Stream的使用

在使用stream之前，先理解一个概念：Optional

Optional类是一个可以为null的容器对象。如果值存在则isPresent()方法会返回true，调用get()方法会返回该对象。

更详细说明请见：https://www.runoob.com/java/java8-optional-class.html

案例使用的员工类

@Data
@AllArgsConstructor
@NoArgsConstructor
public class Person {
    private String name;// 姓名
    private int salary; // 薪资
    private int age; // 年龄
    private String sex; //性别
    private String area; // 地区;
}
    List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 20,"male", "New York"));
        personList.add(new Person("Jack", 7000, 21,"male", "Washington"));
        personList.add(new Person("Lily", 7800, 22,"female", "Washington"));
        personList.add(new Person("Anni", 8200, 25,"female", "New York"));
        personList.add(new Person("Owen", 9500, 32,"male", "New York"));
        personList.add(new Person("Alisa", 7900, 23,"female", "New York"));

3.1 遍历/匹配（foreach/find/match）

Stream也是支持类似集合的遍历和匹配元素的，只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。


        List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

        // 遍历输出符合条件的元素 小于6  // 输出  798
        list.stream().filter(x -> x > 6).forEach(System.out::print);
        //1: 匹配第一个
        Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
        //2: 匹配任意（适用于并行流）
        Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
        //3: 是否包含符合特定条件的元素
        boolean anyMatch = list.stream().anyMatch(x -> x < 6);


        System.out.println("1匹配第一个值：" + findFirst.get()); //1匹配第一个值：7
        System.out.println("2匹配任意一个值：" + findAny.get());//2匹配任意一个值：8
        System.out.println("3是否存在大于6的值：" + anyMatch);//3是否存在大于6的值：true
    }

3.2 筛选（filter）

List<Integer> list = Arrays.asList(6, 7, 3, 8, 1, 2, 9);
        Stream<Integer> stream = list.stream();
        stream.filter(x -> x > 7).forEach(System.out::println); // 输出 8 9

案例二：筛选员工中工资高于8000的人，并形成新的集合。形成新集合依赖collect（收集），后文有详细介绍。

     List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        List<String> fiterList = personList.stream().filter(x -> x.getSalary() > 8000).map(Person::getName)
                .collect(Collectors.toList());
        System.out.print("高于8000的员工姓名：" + fiterList); // 输出: 高于8000的员工姓名：[Tom, Anni, Owen]

3.3 聚合（max/min/count)

max
案例一：获取String集合中最长的元素。

   List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");

        Optional<String> max = list.stream().max(Comparator.comparing(String::length));
        System.out.println("最长的字符串：" + max.get()); //最长的字符串：weoujgsd

案例二：获取Integer集合中的最大值。

List<Integer> list = Arrays.asList(7, 6, 9, 4, 11, 6);

        // 1自然排序
        Optional<Integer> max = list.stream().max(Integer::compareTo);
        // 2自定义排序
        Optional<Integer> max2 = list.stream().max(new Comparator<Integer>() {
            @Override
            public int compare(Integer o1, Integer o2) {
                return o1.compareTo(o2);
            }
        });
        System.out.println("1自然排序的最大值：" + max.get()); //1自然排序的最大值：11
      
        System.out.println("2自定义排序的最大值：" + max2.get()); //  2自定义排序的最大值：11

案例三：获取员工工资最高的人。

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        Optional<Person> max = personList.stream().max(Comparator.comparingInt(Person::getSalary));
        System.out.println("员工工资最大值：" + max.get().getSalary());//员工工资最大值：9500

案例四：计算Integer集合中大于6的元素的个数。

       List<Integer> list = Arrays.asList(7, 6, 4, 8, 2, 11, 9);

        long count = list.stream().filter(x -> x > 6).count();
        System.out.println("list中大于6的元素个数：" + count); //list中大于6的元素个数：4

3.4 映射(map/flatMap)

映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap：

map:接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
flatMap:接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。
案例一：英文字符串数组的元素全部改为大写。整数数组每个元素+3。

 String[] strArr = { "abcd", "bcdd", "defde", "fTr" };

        List<String> strList = Arrays.stream(strArr).map(String::toUpperCase).collect(Collectors.toList());

        List<Integer> intList = Arrays.asList(1, 3, 5, 7, 9, 11);
        List<Integer> intListNew = intList.stream().map(x -> x + 3).collect(Collectors.toList());

        System.out.println("每个元素大写：" + strList); // 输出: 每个元素大写：[ABCD, BCDD, DEFDE, FTR]
        System.out.println("每个元素+3：" + intListNew);//输出: 每个元素+3：[4, 6, 8, 10, 12, 14]

案例二：将员工的薪资全部增加1000。

       List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        // 不改变原来员工集合的方式
        List<Person> personListNew = personList.stream().map(person -> {
            Person personNew = new Person(person.getName(), 0, 0, null, null);
            personNew.setSalary(person.getSalary() + 10000);
            return personNew;
        }).collect(Collectors.toList());
        // 一次改动前：Tom-->8900
        System.out.println("一次改动前：" + personList.get(0).getName() + "-->" + personList.get(0).getSalary());
        // 一次改动前：Jack-->8900
        System.out.println("一次改动前：" + personList.get(1).getName() + "-->" + personList.get(0).getSalary());

        //一次改动后：Tom-->18900
        System.out.println("一次改动后：" + personListNew.get(0).getName() + "-->" + personListNew.get(0).getSalary());
        // 一次改动后：Jack-->18900
        System.out.println("一次改动后：" + personListNew.get(1).getName() + "-->" + personListNew.get(0).getSalary());

        // 改变原来员工集合的方式
        List<Person> personListNew2 = personList.stream().map(person -> {
            person.setSalary(person.getSalary() + 10000);
            return person;
        }).collect(Collectors.toList());
        //二次改动前：Tom-->18900
        System.out.println("二次改动前：" + personList.get(0).getName() + "-->" + personListNew2.get(0).getSalary());
        // 二次改动后：Tom-->18900
        System.out.println("二次改动后：" + personListNew2.get(0).getName() + "-->" + personListNew2.get(0).getSalary());

案例三：将两个字符数组合并成一个新的字符数组。

        List<String> list = Arrays.asList("m,k,l,a", "1,3,5,7");

        List<String> listNew = list.stream().flatMap(s -> {
            // 将每个元素转换成一个stream
            String[] split = s.split(",");
            Stream<String> s2 = Arrays.stream(split);
            return s2;
        }).collect(Collectors.toList());

        System.out.println("处理前的集合：" + list);// 处理前的集合：[m,k,l,a, 1,3,5,7]

        System.out.println("处理后的集合：" + listNew);//        处理后的集合：[m, k, l, a, 1, 3, 5, 7]

3.5 归约(reduce)

归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。
案例一：求Integer集合的元素之和、乘积和最大值。

        List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);

        // 求和方式1
        Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
        // 求和方式2
        Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
        // 求和方式3
        Integer sum3 = list.stream().reduce(0, Integer::sum);

        // 求乘积
        Optional<Integer> product = list.stream().reduce((x, y) -> x * y);

        // 求最大值方式1
        Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
        // 求最大值写法2
        Integer max2 = list.stream().reduce(1, Integer::max);

        System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3); // 输出: list求和：29,29,29
        System.out.println("list求积：" + product.get()); // 输出:  list求积：2112
        System.out.println("list求和：" + max.get() + "," + max2); // list求和：11,11

案例二：求所有员工的工资之和和最高工资。

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
        //求所有员工的工资之和和最高工资。
        // 求工资之和方式1：
        Optional<Integer> sumSalary  = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        // 求工资之和 方式2
        Integer sumSalary2 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(),
                (sum1, sum2) -> sum1 + sum2);
        // 求工资之和 方式3
        Integer sumSalary3 = personList.stream().reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

        // 求最高工资方式1：
        Integer maxSalary = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
                Integer::max);
        // 求最高工资方式2：
        Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
                (max1, max2) -> max1 > max2 ? max1 : max2);

        System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3); //工资之和：49300,49300,49300
        System.out.println("最高工资：" + maxSalary + "," + maxSalary2);//最高工资：9500,9500

3.6 收集(collect)

collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。

collect主要依赖java.util.stream.Collectors类内置的静态方法。

3.6.1 归集(toList/toSet/toMap)

因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。
下面用一个案例演示toList、toSet和toMap：

        List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
        // 收集集合里面 除2 余0 的数
        List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
       // 收集集合里面 除2 余0 的数 去重
        Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

        List<Person> personList = new ArrayList<>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));

        Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
                .collect(Collectors.toMap(Person::getName, p -> p));
        System.out.println("toList:" + listNew);// toList:[6, 4, 6, 6, 20]
        System.out.println("toSet:" + set);// toSet:[4, 20, 6]
        //toMap:{Tom=Person(name=Tom, salary=8900, age=23, sex=male, area=New York), Anni=Person(name=Anni, salary=8200, age=24, sex=female, area=New York)}
        System.out.println("toMap:" + map);

3.6.2 统计(count/averaging)

Collectors提供了一系列用于数据统计的静态方法：

计数：count
平均值：averagingInt、averagingLong、averagingDouble
最值：maxBy、minBy
求和：summingInt、summingLong、summingDouble
统计以上所有：summarizingInt、summarizingLong、summarizingDouble
案例：统计员工人数、平均工资、工资总额、最高工资。

        List<Person> personList = new ArrayList<>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

        //统计员工人数、平均工资、工资总额、最高工资。
         //1:员工人数
        Long count = personList.stream().collect(Collectors.counting());
         //2:平均工资 1
        Double average1 = personList.stream().collect(Collectors.averagingDouble(p -> p.getSalary()));
        //2:平均工资 2
        Double average2 = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
     //3: // 求最高工资
        Optional<Integer> max = personList.stream().map(p -> p.getSalary()).collect(Collectors.maxBy(Integer::compare));
        //// 求工资之和
        Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));

        // 一次性统计所有信息
        DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

        System.out.println("员工总数：" + count); //  员工总数：3
        System.out.println("员工平均工资：" + average1 +"222->"+average2); // 员工平均工资：7900.0222->7900.0
        System.out.println("求最高工资：" + max); //求最高工资：Optional[8900]
        System.out.println("员工工资总和：" + sum);//员工工资总和：23700
        System.out.println("员工工资所有统计：" + collect); //员工工资所有统计：DoubleSummaryStatistics{count=3, sum=23700.000000, min=7000.000000, average=7900.000000, max=8900.000000}

3.6.3 分组(partitioningBy/groupingBy)

分区：将stream按条件分为两个Map，比如员工按薪资是否高于8000分为两部分。
分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。
案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 21,"male", "New York"));
        personList.add(new Person("Jack", 7000,26, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 23,"female", "Washington"));
        personList.add(new Person("Anni", 8200, 22,"female", "New York"));
        personList.add(new Person("Owen", 9500, 41,"male", "New York"));
        personList.add(new Person("Alisa", 7900,31, "female", "New York"));
        // 将员工按薪资是否高于8000分组// 将员工按薪资是否高于8000分组
        Map<Boolean, List<Person>> part = personList.stream().collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));
        // 将员工按性别分组
        Map<String, List<Person>> group = personList.stream().collect(Collectors.groupingBy(Person::getSex));
        // 将员工先按性别分组，再按地区分组
        Map<String, Map<String, List<Person>>> group2 = personList.stream().collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        /**
         * 员工按薪资是否大于8000分组情况：
         * {false=[Person(name=Jack, salary=7000, age=26, sex=male, area=Washington), Person(name=Lily, salary=7800, age=23, sex=female, area=Washington), Person(name=Alisa, salary=7900, age=31, sex=female, area=New York)],
         * true=[Person(name=Tom, salary=8900, age=21, sex=male, area=New York), Person(name=Anni, salary=8200, age=22, sex=female, area=New York), Person(name=Owen, salary=9500, age=41, sex=male, area=New York)]}
         */
        System.out.println("员工按薪资是否大于8000分组情况：" + part);

        /**
         * 员工按性别分组情况：
         * {female=[Person(name=Lily, salary=7800, age=23, sex=female, area=Washington), Person(name=Anni, salary=8200, age=22, sex=female, area=New York), Person(name=Alisa, salary=7900, age=31, sex=female, area=New York)],
         * male=[Person(name=Tom, salary=8900, age=21, sex=male, area=New York), Person(name=Jack, salary=7000, age=26, sex=male, area=Washington), Person(name=Owen, salary=9500, age=41, sex=male, area=New York)]}
         */
        System.out.println("员工按性别分组情况：" + group);

        /**
         * 员工按性别、地区：{female={New York=[Person(name=Anni, salary=8200, age=22, sex=female, area=New York), Person(name=Alisa, salary=7900, age=31, sex=female, area=New York)], Washington=[Person(name=Lily, salary=7800, age=23, sex=female, area=Washington)]}, male={New York=[Person(name=Tom, salary=8900, age=21, sex=male, area=New York), Person(name=Owen, salary=9500, age=41, sex=male, area=New York)],
         * Washington=[Person(name=Jack, salary=7000, age=26, sex=male, area=Washington)]}}
         */
        System.out.println("员工按性别、地区：" + group2);

3.6.4 接合(joining)

joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

   List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

        String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
        System.out.println("所有员工的姓名：" + names); // 所有员工的姓名：Tom,Jack,Lily
        List<String> list = Arrays.asList("A", "B", "C");
        String string = list.stream().collect(Collectors.joining("-"));
        System.out.println("拼接后的字符串：" + string); // 拼接后的字符串：A-B-C

3.6.5 归约(reducing)

Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。

   List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

        // 每个员工减去起征点后的薪资之和（这个例子并不严谨，但一时没想到好的例子）
        Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
        System.out.println("员工扣税薪资总和：" + sum); //员工扣税薪资总和：8700

        // stream的reduce
        Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
        System.out.println("员工薪资总和：" + sum2.get()); //员工薪资总和：23700

3.7 排序(sorted)

sorted，中间操作。有两种排序：

sorted()：自然排序，流中元素需实现Comparable接口
sorted(Comparator com)：Comparator排序器自定义排序
案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序

        List<Person> personList = new ArrayList<Person>();

        personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
        personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
        personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 8800, 26, "male", "New York"));
        personList.add(new Person("Alisa", 9000, 26, "female", "New York"));

        // 按照工资 增序排序
        List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName).collect(Collectors.toList());

        // 按工资倒序排序
        List<String> newList2  = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()).map(Person::getName).collect(Collectors.toList());

        // 先按工资再按年龄自然排序（从小到大）
        List<String> newList3  =
                personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed()) .map(Person::getName).collect(Collectors.toList());

        // 先按工资再按年龄自定义排序（从大到小）
        List<String> newList4 = personList.stream().sorted((p1, p2) -> {
            if (p1.getSalary() == p2.getSalary()) {
                return p2.getAge() - p1.getAge();
            } else {
                return p2.getSalary() - p1.getSalary();
            }
        }).map(Person::getName).collect(Collectors.toList());

        System.out.println("按工资自然排序：" + newList); //按工资自然排序：[Lily, Tom, Sherry, Jack, Alisa]
        System.out.println("按工资降序排序：" + newList2); //按工资降序排序：[Sherry, Jack, Alisa, Tom, Lily]
        System.out.println("先按工资再按年龄自然排序：" + newList3); //先按工资再按年龄自然排序：[Sherry, Jack, Alisa, Tom, Lily]
        System.out.println("先按工资再按年龄自定义降序排序：" + newList4); //先按工资再按年龄自定义降序排序：[Alisa, Jack, Sherry, Tom, Lily]

3.8 提取/组合

流也可以进行合并、去重、限制、跳过等操作。

        String[] arr1 = { "a", "b", "c", "d" };
        String[] arr2 = { "d", "e", "f", "g" };

        Stream<String> stream1 = Stream.of(arr1);
        Stream<String> stream2 = Stream.of(arr2);
        // concat:合并两个流 distinct：去重
        List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
        // limit：限制从流中获得前n个数据
        List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
        // skip：跳过前n个数据
        List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

        System.out.println("流合并：" + newList); //流合并：[a, b, c, d, e, f, g]
        System.out.println("limit：" + collect); //limit：[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]
        System.out.println("skip：" + collect2); //skip：[3, 5, 7, 9, 11]

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 213,254评论 6赞 492
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 90,875评论 3赞 387
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 158,682评论 0赞 348
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 56,896评论 1赞 285
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 66,015评论 6赞 385
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 50,152评论 1赞 291
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 39,208评论 3赞 412
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 37,962评论 0赞 268
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 44,388评论 1赞 304
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 36,700评论 2赞 327
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 38,867评论 1赞 341
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 34,551评论 4赞 335
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 40,186评论 3赞 317
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 30,901评论 0赞 21
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,142评论 1赞 267
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 46,689评论 2赞 362
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 43,757评论 2赞 351