java8 lambda表達式與集合類批處理操做

1、基本概念

    λ表達式能夠被當作是一個Object。λ表達式的類型，叫作「目標類型（target type）」。λ表達式的目標類型是「函數接口（functional interface）」，這是Java8新引入的概念。它的定義是：一個接口，若是隻有一個顯式聲明的抽象方法，那麼它就是一個函數接口。通常用@FunctionalInterface標註出來（也能夠不標）。

@FunctionalInterface
public interface Runnable { void run(); }
    
public interface Callable<V> { V call() throws Exception; }
    
public interface ActionListener { void actionPerformed(ActionEvent e); }
    
public interface Comparator<T> { int compare(T o1, T o2); boolean equals(Object obj); }

    注意最後這個Comparator接口。它裏面聲明瞭兩個方法，貌似不符合函數接口的定義，但它的確是函數接口。這是由於equals方法是Object的，全部的接口都會聲明Object的public方法——雖然大可能是隱式的。因此，Comparator顯式的聲明瞭equals不影響它依然是個函數接口

    集合類的批處理操做API的目的是實現集合類的「內部迭代」，並指望充分利用現代多核CPU進行並行計算。
    Java8以前集合類的迭代（Iteration）都是外部的，即客戶代碼，不能充分利用cpu的多核資源。而內部迭代意味着改由Java類庫來進行迭代，而不是客戶代碼.

    Java8爲集合類引入了一個重要概念：流（stream）。一個流一般以一個集合類實例爲其數據源，而後在其上定義各類操做。流的API設計使用了管道（pipelines）模式。對流的一次操做會返回另外一個流。如同IO的API或者StringBuffer的append方法那樣，從而多個不一樣的操做能夠在一個語句裏串起來.

2、λ表達式的使用

    一個λ表達式只有在轉型成一個函數接口後才能被當作Object使用

    能夠用一個λ表達式爲一個函數接口賦值，而後再賦值給一個Object

    一個λ表達式能夠有多個目標類型（函數接口），只要函數匹配成功便可。但需注意一個λ表達式必須至少有一個目標類型

    λ表達式主要用於替換之前普遍使用的內部匿名類，各類回調，好比事件響應器、傳入Thread類的Runnable等

new Thread( () -> {
        System.out.println("This is from an anonymous method (lambda exp).");
    } );

    注意線程裏的λ表達式，你並不須要顯式地把它轉成一個Runnable，由於Java能根據上下文自動推斷出來：一個Thread的構造函數接受一個Runnable參數，而傳入的λ表達式正好符合其run()函數，因此Java編譯器推斷它爲Runnable。

    filter方法的參數是Predicate類型，forEach方法的參數是Consumer類型，它們都是函數接口，因此可使用λ表達式

3、代碼樣例

import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.concurrent.Callable;
import java.util.stream.Collectors;
import java.util.stream.IntStream;

public class Main {
	private static List<Person> persons = Arrays.asList(new Person("Joe", 12),
			new Person("Jim", 19), new Person("John", 21));
	public static void main(String[] args) throws Exception {
		// testStreamAPI();
		// testStreamMap();
		// testStreamPerformance();
		testInt(2, 3, 4, 2, 3, 5, 1);
		testOccurrence(2, 3, 4, 2, 3, 5, 1);
		distinctSum(2, 3, 4, 2, 3, 5, 1);
		testNestLambda();
	}

	public static void testStreamAPI() {
		// 打印年齡大於12的人
		System.out.println("使用順序流串行打印");
		persons.stream().filter(p -> p.getAge() > 12)
				.collect(Collectors.toCollection(ArrayList::new))
				.forEach(p -> {
					System.out.println(p);
				});
		System.out.println("使用並行流並行打印，即利用多核技術可將大數據經過多核並行處理");
		persons.parallelStream().filter(p -> p.getAge() > 12)
				.collect(Collectors.toCollection(ArrayList::new))
				.forEach(p -> {
					System.out.println(p);
				});
	}

	public static void testStreamMap() {
		// 應該用filter過濾，而後再使用map進行轉換
		persons.parallelStream().map(p -> {
			if (p.getAge() > 18)
				return p;
			return null;
		}).collect(Collectors.toCollection(ArrayList::new)).forEach(p -> {
			if (p != null)
				System.out.println(p);
		});

		persons.parallelStream().filter(p -> p.getAge() > 18)
				.map(p -> new Adult(p))
				.collect(Collectors.toCollection(ArrayList::new))
				.forEach(p -> {
					if (p != null)
						System.out.println(p);
				});
	}

	public static void testStreamReduce() {
		persons.parallelStream().filter(p -> p.getAge() > 18)
				.map(p -> new Adult(p))
				.collect(Collectors.toCollection(ArrayList::new))
				.forEach(p -> {
					if (p != null)
						System.out.println(p);
				});
	}

	public static void testStreamPerformance() {
		// 初始化一個範圍100萬整數流,求能被2整除的數字，toArray（）是終點方法
		long start1 = System.nanoTime();
		int a[] = IntStream.range(0, 1_000_000).filter(p -> p % 2 == 0)
				.toArray();
		System.out.printf("測試順序流的性能: %.2fs",
				(System.nanoTime() - start1) * 1e-9);

		long start2 = System.nanoTime();
		int b[] = IntStream.range(0, 1_000_000).parallel()
				.filter(p -> p % 2 == 0).toArray();
		System.out.printf(" 測試並行流的性能: %.2fs",
				(System.nanoTime() - start2) * 1e-9);
		// 本機的測試結果是：測試順序流的性能: 0.02s 測試並行流的性能: 0.01s
		// 在100萬時，併發流快些，1000萬，併發流反而會慢些，估計和線程的頻繁切換有關（本機是8線程CPU）
	}

	public static void testInt(Integer... numbers) {
		List<Integer> l = Arrays.asList(numbers);
		List<Integer> r = l.stream()
				.map(e -> new Integer(e))
				.filter(e -> e > 2)
				.distinct()
				.collect(Collectors.toList());
		System.out.println("testInt result is: " + r);
	}

	public static void testOccurrence(Integer... numbers) {
		List<Integer> l = Arrays.asList(numbers);
		Map<Integer, Integer> r = l
				.stream()
				.map(e -> new Integer(e))
				.collect(
						Collectors.groupingBy(p -> p,
								Collectors.summingInt(p -> 1)));
		System.out.println("testOccurrence result is: " + r);
	}

	public static void distinctSum(Integer... numbers) {
		List<Integer> l = Arrays.asList(numbers);
		int sum = l.stream()
				.map(e -> new Integer(e))
				.distinct()
				.reduce(0, (x, y) -> x + y); // equivalent to .sum()
		System.out.println("distinctSum result is: " + sum);
	}
	
	public static void testNestLambda() throws Exception{
		 Callable<Runnable> c1 = () -> () -> { System.out.println("Nested lambda"); };
		 c1.call().run();
		// 用在條件表達式中
		Callable<Integer> c2 = false ? (() -> 42) : (() -> 24);
		System.out.println(c2.call());
	}
}

class Person {
	private String name;
	private int age;

	public Person(String name, int age) {
		this.name = name;
		this.age = age;
	}

	public void setName(String name) {
		this.name = name;
	}

	public String getName() {
		System.out.println(name);
		return name;
	}

	public int getAge() {
		return age;
	}

	@Override
	public String toString() {
		return "name:" + name + " age:" + age;
	}
}

class Adult extends Person {
	public Adult(Person p) {
		super(p.getName(), p.getAge());
	}
}

4、參考資料

http://openjdk.java.net/projects/lambda/

http://docs.oracle.com/javase/tutorial/java/javaOO/lambdaexpressions.html