Java 8新特性探究（三）解开lambda最强做用的神秘面纱

咱们期待了好久lambda为java带来闭包的概念，可是若是咱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风格的问题已经经过default methods解决了，在这篇文章将深刻解析Java集合里面的批量数据操做（bulk operation），解开lambda最强做用的神秘面纱。

1.关于JSR335

JSR是Java Specification Requests的缩写，意思是Java 规范请求,Java 8 版本的主要改进是 Lambda 项目（JSR 335），其目的是使 Java 更易于为多核处理器编写代码。JSR 335=lambda表达式+接口改进（默认方法）+批量数据操做。加上前面两篇，咱们已经是完整的学习了JSR335的相关内容了。

2.外部VS内部迭代

之前Java集合是不可以表达内部迭代的，而只提供了一种外部迭代的方式，也就是for或者while循环。

List persons = asList(new Person("Joe"), new Person("Jim"), new Person("John"));
for (Person p :  persons) {
   p.setLastName("Doe");
}

上面的例子是咱们之前的作法，也就是所谓的外部迭代，循环是固定的顺序循环。在如今多核的时代，若是咱们想并行循环，不得不修改以上代码。效率能有多大提高还说定，且会带来必定的风险（线程安全问题等等）。
要描述内部迭代，咱们须要用到Lambda这样的类库,下面利用lambda和Collection.forEach重写上面的循环

persons.forEach(p->p.setLastName("Doe"));

如今是由jdk 库来控制循环了，咱们不须要关心last name是怎么被设置到每个person对象里面去的，库能够根据运行环境来决定怎么作，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当作数据传入api里面。

内部迭代其实和集合的批量操做并无密切的联系，借助它咱们感觉到语法表达上的变化。真正有意思的和批量操做相关的是新的流（stream）API。新的java.util.stream包已经添加进JDK 8了。

3.Stream API

流（Stream）仅仅表明着数据流，并无数据结构，因此他遍历完一次以后便再也没法遍历（这点在编程时候须要注意，不像Collection，遍历多少次里面都还有数据），它的来源能够是Collection、array、io等等。

3.1中间与终点方法

流做用是提供了一种操做大数据接口，让数据操做更容易和更快。它具备过滤、映射以及减小遍历数等方法，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，所以若是咱们要获取最终结果的话，必须使用终点操做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，若是是Stream则是中间方法，不然是终点方法。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咱们能够想到的最天然的操做了。Stream接口暴露了一个filter方法，它能够接受表示操做的Predicate实现来使用定义了过滤条件的lambda表达式。

List persons = …
Stream personsOver18 = persons.stream().filter(p -> p.getAge() > 18);//过滤18岁以上的人

3.1.2Map

假使咱们如今过滤了一些数据，好比转换对象的时候。Map操做容许咱们执行一个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，让咱们来看看怎样以匿名内部类的方式来描述它：

Stream adult= persons
              .stream()
              .filter(p -> p.getAge() > 18)
              .map(new Function() {
                  @Override
                  public Adult apply(Person person) {
                     return new Adult(person);//将大于18岁的人转为成年人
                  }
              });

如今，把上述例子转换成使用lambda表达式的写法：

Stream map = persons.stream()
                    .filter(p -> p.getAge() > 18)
                    .map(person -> new Adult(person));

3.1.3Count

count方法是一个流的终点方法，可以使流的结果最终统计，返回int，好比咱们计算一下知足18岁的总人数

int countOfAdult=persons.stream()
                       .filter(p -> p.getAge() > 18)
                       .map(person -> new Adult(person))
                       .count();

3.1.4Collect

collect方法也是一个流的终点方法，可收集最终的结果

List adultList= persons.stream()
                       .filter(p -> p.getAge() > 18)
                       .map(person -> new Adult(person))
                       .collect(Collectors.toList());

或者，若是咱们想使用特定的实现类来收集结果：

List adultList = persons
                 .stream()
                 .filter(p -> p.getAge() > 18)
                 .map(person -> new Adult(person))
                 .collect(Collectors.toCollection(ArrayList::new));

篇幅有限，其余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，你们明白这两种方法的区别便可，后面可根据需求来决定使用。

3.2顺序流与并行流

每一个Stream都有两种模式：顺序执行和并行执行。
顺序流：

List <Person> people = list.getStream.collect(Collectors.toList());

并行流：

List <Person> people = list.getStream.parallel().collect(Collectors.toList());

顾名思义，当使用顺序方式去遍历时，每一个item读完后再读下一个item。而使用并行去遍历时，数组会被分红多个段，其中每个都在不一样的线程中处理，而后将结果一块儿输出。

3.2.1并行流原理：

List originalList = someData;
split1 = originalList(0, mid);//将数据分小部分
split2 = originalList(mid,end);
new Runnable(split1.process());//小部分执行操做
new Runnable(split2.process());
List revisedList = split1 + split2;//将结果合并

你们对hadoop有稍微了解就知道，里面的 MapReduce  自己就是用于并行处理大数据集的软件框架，其 处理大数据的核心思想就是大而化小，分配到不一样机器去运行map，最终经过reduce将全部机器的结果结合起来获得一个最终结果，与MapReduce不一样，Stream则是利用多核技术可将大数据经过多核并行处理，而MapReduce则能够分布式的。

3.2.2顺序与并行性能测试对比

若是是多核机器，理论上并行流则会比顺序流快上一倍，下面是测试代码

long t0 = System.nanoTime();

        //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

        int a[]=IntStream.range(0, 1_000_000).filter(p -> p % 2==0).toArray();

        long t1 = System.nanoTime();

        //和上面功能同样，这里是用并行流来计算

        int b[]=IntStream.range(0, 1_000_000).parallel().filter(p -> p % 2==0).toArray();

        long t2 = System.nanoTime();

        //我本机的结果是serial: 0.06s, parallel 0.02s，证实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java 7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，一样也很强大高效，有兴趣的同窗去研究，这里不详谈了，相比Stream.parallel()这种方式，我更倾向于后者。

4.总结

若是没有lambda，Stream用起来至关别扭，他会产生大量的匿名内部类，好比上面的3.1.2map例子，若是没有default method，集合框架更改势必会引发大量的改动，因此lambda+default method使得jdk库更增强大，以及灵活，Stream以及集合框架的改进即是最好的证实。

java 8特性探究系列写了3篇了，做为大餐，将java 8的重量级特性lambda与default method写在前面，下篇上个小菜，荤素搭配，也是语言相关的，JEP104 Java 类型的注解的探究，同时谢谢你们的支持，欢迎提出建议。若是你想了解哪些特性，欢迎给我发留言。

转载时候请注明出处。 http://my.oschina.net/benhaile