CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章JDK新特性——Stream代码简洁之道由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

1、概述

  。

Stream 是一组用来处理数组、集合的API，Stream API 提供了一种高效且易于使用的处理数据的方式。Java 8 中之所以费这么大的功夫引入 函数式编程 ，原因有两个:

代码简洁函数式编程写出的代码简洁且意图明确，使用stream接口让你从此告别for循环.

多核友好，Java函数式编程使得编写并行程序从未如此简单，你需要的全部就是用用一下parallel()方法 。

Stream 是 Java8 中处理集合的关键抽象概念，它可以指定你希望对集合进行的操作，可以执行非常复杂的查找、过滤和映射数据等操作 。

2、Stream特性

  。

1、不是数据结构，没有内部存储，不会保存数据，故每个Stream流只能使用一次 2、不支持索引访问 3、支持并行 4、很容易生成数据或集合(List，Set) 5、支持过滤、查找、转换、汇总、聚合等操作 6、延迟计算，流在中间处理过程中，只是对操作进行了记录，并不会立即执行，需要等到执行终止操作的时候才会进行实际的计算 。

3、分类

  。

关于应用在Stream流上的操作，可以分成两种:

1. Intermediate(中间操作)： 中间操作的返回结果都是Stream，故可以多个中间操作叠加;
2. Terminal(终止操作)： 终止操作用于返回我们最终需要的数据，只能有一个终止操作。

使用Stream流，可以清楚地知道我们要对一个数据集做何种操作，可读性强。而且可以很轻松地获取并行化Stream流，不用自己编写多线程代码，可以让我们更加专注于业务逻辑.

无状态： 指元素的处理不受之前元素的影响;有状态： 指该操作只有拿到所有元素之后才能继续下去。非短路操作： 指必须处理所有元素才能得到最终结果;短路操作： 指遇到某些符合条件的元素就可以得到最终结果，如 A || B，只要A为true，则无需判断B的结果.

4、Stream的创建

  。

1、通过数组来生成 2、通过集合来生成 3、通过Stream.generate方法来创建 4、通过Stream.iterate方法来创建 5、其他Api创建 。

4.1 通过数组来生成 。

1. //通过数组来生成 
2.    static void gen1(){ 
3.        String[] strs = {"a","b","c","d"}; 
4.        Stream<String> strs1 = Stream.of(strs);//使用Stream中的静态方法：of() 
5.        strs1.forEach(System.out::println);//打印输出(a、b、c、d) 
6.    } 

4.2 通过集合来生成 。

1. //通过集合来生成 
2.     static void gen2(){ 
3.         List<String> list = Arrays.asList("1","2","3","4"); 
4.         Stream<String> stream = list.stream();//获取一个顺序流 
5.         stream.forEach(System.out::println);//打印输出（1,2,3,4） 
6.     } 

4.3 通过Stream.generate方法来创建 。

1. //generate 
2. static void gen3(){ 
3.     Stream<Integer> generate = Stream.generate(() -> 1);//使用Stream中的静态方法：generate() 
4.     //limit 返回由该流的元素组成的流，截断长度不能超过maxSize 
5.     generate.limit(10).forEach(System.out::println);//打印输出(打印10个1) 
6. } 

4.4 通过Stream.iterate方法来创建 。

1. //使用iterator 
2. static void gen4() { 
3.     Stream<Integer> iterate = Stream.iterate(1, x -> x + 1);//使用Stream中的静态方法：iterate() 
4.     iterate.limit(10).forEach(System.out::println);//打印输出(1,2,3,4,5,6,7,8,9,10) 
5. } 

4.5其他Api创建 。

1. //其他方式 
2.     static void gen5(){ 
3.         String str = "abcdefg"; 
4.         IntStream stream =str.chars();//获取str 字节码 
5.         stream.forEach(System.out::println);//打印输出(97,98,99,100,101,102,103) 
6.     } 

5、Stream的常用API

  。

5.1 中间操作 。

1. filter：过滤流中的某些元素 。

1. //中间操作:如果调用方法之后返回的结果是Stream对象就意味着是一个中间操作 
2.  Arrays.asList(1,2,3,4,5).stream()//获取顺序流 
3.  .filter((x)->x%2==0) // 2 4  
4.  .forEach(System.out::println); 
5.  
6. //求出结果集中所有偶数的和 
7. int count = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9).stream()//获取顺序流 
8. .filter(x -> x % 2 == 0).// 2 4 6 8  
9. mapToInt(x->x).sum();//求和 
10. System.out.println(count); //打印输出 20  

2. distinct：通过流中元素的 hashCode() 和 equals() 去除重复元素 。

1. Arrays.asList(1,2,3,3,3,4,5,2).stream()//获取顺序流 
2.  .distinct()//去重 
3.  .forEach(System.out::println);// 打印输出(1,2,3,4,5) 
4.  
5. System.out.println("去重：---------------"); 
6.  
7. Arrays.asList(1,2,3,3,3,4,5,2).stream()//获取顺序流 
8.  .collect(Collectors.toSet())//Set()去重 
9.  .forEach(System.out::println);// 打印输出(1,2,3,4,5) 

3. 排序 。

sorted()：返回由此流的元素组成的流，根据自然顺序排序。sorted(Comparator com)：返回由该流的元素组成的流，根据提供的 Comparator进行排序.

1. //获取最大值和最小值但是不使用min和max方法 
2.    List<Integer> list = Arrays.asList(1,2, 3,4, 5, 6); 
3.    Optional<Integer> min = list.stream().sorted().findFirst();//自然排序 根据数字从小到大排列 
4.    System.out.println(min.get());//打印输出（1） 
5.     
6.    Optional<Integer> max2 = list.stream().sorted((a, b) -> b - a).findFirst();//定时排序 根据最大数进行排序 
7.    System.out.println(max2.get());//打印输出（6） 
8.  
9.  //按照大小(a-z)排序 
10.  Arrays.asList("java","c#","python","scala").stream().sorted().forEach(System.out::println); 
11.  //按照长度排序 
12.  Arrays.asList("java","c#","python","scala").stream().sorted((a,b)->a.length()-b.length()).forEach(System.out::println); 

4. 截取 。

limit(n)：返回由此流的元素组成的流，截短长度不能超过 nskip(n)：在丢弃流的第n元素后，配合limit(n)可实现分页 。

1. //打印20-30这样的集合数据 
2.       Stream.iterate(1,x->x+1).limit(50)// limit 50 总共到50 
3.       .skip(20)// 跳过前 20 
4.       .limit(10) // 打印10个 
5.       .forEach(System.out::println);//打印输出(21,22,23,24,25,26,27,28,29,30) 

5. 转换 。

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.

1. List<String> list = Arrays.asList("a,b,c", "1,2,3"); 
2.   
3. //将每个元素转成一个新的且不带逗号的元素 
4. Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", "")); 
5. s1.forEach(System.out::println); // abc  123 
6.   
7. Stream<String> s3 = list.stream().flatMap(s -> { 
8.     //将每个元素转换成一个stream 
9.     String[] split = s.split(","); 
10.     Stream<String> s2 = Arrays.stream(split); 
11.     return s2; 
12. }); 
13. s3.forEach(System.out::println); // a b c 1 2 3 

6. 消费 。

peek：如同于map，能得到流中的每一个元素。但map接收的是一个Function表达式，有返回值;而peek接收的是Consumer表达式，没有返回值.

1. //将str中的每一个数值都打印出来，同时算出最终的求和结果 
2. String str ="11,22,33,44,55";       
3. System.out.println(Stream.of(str.split(",")).peek(System.out::println).mapToInt(Integer::valueOf).sum());//11 22 33 44 55 165 

5.2 终止操作 。

1. 循环：forEach 。

Users类:

1. import java.util.Date; 
2.  
3. /** 
4.  * @program: lambda 
5.  * @ClassName Users 
6.  * @description: 
7.  * @author: muxiaonong 
8.  * @create: 2020-10-24 11:00 
9.  * @Version 1.0 
10.  **/ 
11. public class Users { 
12.  
13.     private String name; 
14.     public Users() {} 
15.  
16.     /** 
17.      * @param name 
18.      */ 
19.     public Users(String name) { 
20.         this.name = name; 
21.     } 
22.  
23.     /** 
24.      * @param name 
25.      * @return 
26.      */ 
27.     public static Users build(String name){ 
28.         Users u = new Users(); 
29.         u.setName(name); 
30.         return u; 
31.     } 
32.  
33.     public String getName() { 
34.         return name; 
35.     } 
36.  
37.     public void setName(String name) { 
38.         this.name = name; 
39.     } 
40.  
41.     @Override 
42.     public String toString() { 
43.         return  "name='" + name + '\''; 
44.     } 
45.   } 

1. //创建一组自定义对象 
2. String str2 = "java,scala,python"; 
3. Stream.of(str2.split(",")).map(x->new Users(x)).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'） 
4. Stream.of(str2.split(",")).map(Users::new).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'） 
5. Stream.of(str2.split(",")).map(x->Users.build(x)).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'） 
6. Stream.of(str2.split(",")).map(Users::build).forEach(System.out::println);//打印输出（name='java' name='scala' name='python'） 

2. 计算：min、max、count、sum 。

min：返回流中元素最小值max：返回流中元素最大值count：返回流中元素的总个数sum：求和 。

1. //求集合中的最大值 
2. List<Integer> list = Arrays.asList(1,2, 3,4, 5, 6); 
3.  Optional<Integer> max = list.stream().max((a, b) -> a - b); 
4.  System.out.println(max.get()); // 6  
5.  //求集合的最小值 
6.  System.out.println(list.stream().min((a, b) -> a-b).get()); // 1 
7. //求集合的总个数 
8. System.out.println(list.stream().count());//6 
9.  //求和 
10.  String str ="11,22,33,44,55"; 
11.  System.out.println(Stream.of(str.split(",")).mapToInt(x -> Integer.valueOf(x)).sum()); 
12.  System.out.println(Stream.of(str.split(",")).mapToInt(Integer::valueOf).sum()); 
13.  System.out.println(Stream.of(str.split(",")).map(x -> Integer.valueOf(x)).mapToInt(x -> x).sum()); 
14.  System.out.println(Stream.of(str.split(",")).map(Integer::valueOf).mapToInt(x -> x).sum()); 

3. 匹配：anyMatch、 allMatch、 noneMatch、 findFirst、 findAny 。

anyMatch：接收一个 Predicate 函数，只要流中有一个元素满足该断言则返回true，否则返回falseallMatch：接收一个 Predicate 函数，当流中每个元素都符合该断言时才返回true，否则返回falsenoneMatch：接收一个 Predicate 函数，当流中每个元素都不符合该断言时才返回true，否则返回falsefindFirst：返回流中第一个元素findAny：返回流中的任意元素 。

1. List<Integer> list = Arrays.asList(1,2, 3,4, 5, 6); 
2. System.out.println(list.stream().allMatch(x -> x>=0)); //如果集合中的元素大于等于0 返回true 
3. System.out.println(list.stream().noneMatch(x -> x > 5));//如果集合中的元素有大于5的元素。返回false 
4. System.out.println(list.stream().anyMatch(x -> x > 4));//如果集合中有大于四4的元素，返回true 
5. //取第一个偶数 
6. Optional<Integer> first = list.stream().filter(x -> x % 10 == 6).findFirst(); 
7. System.out.println(first.get());// 6 
8. //任意取一个偶数 
9. Optional<Integer> any = list.stream().filter(x -> x % 2 == 0).findAny(); 
10. System.out.println(any.get());// 2 

4.收集器：toArray、collect 。

collect：接收一个Collector实例，将流中元素收集成另外一个数据结构Collector 。

1. Supplier supplier();创建一个结果容器A
2. BiConsumer
3. BinaryOperator combiner();函数接口，该参数的作用跟上一个方法(reduce)中的combiner参数一样，将并行流中各个子进程的运行结果(accumulator函数操作后的容器A)进行合并。
4. Function
5. Set characteristics();返回一个不可变的Set集合，用来表明该Collector的特征

1. /** 
2.  * @program: lambda 
3.  * @ClassName Customer 
4.  * @description: 
5.  * @author: muxiaonong 
6.  * @create: 2020-10-24 11:36 
7.  * @Version 1.0 
8.  **/ 
9. public class Customer { 
10.  
11.     private String name; 
12.  
13.     private Integer age; 
14.      
15. ...getset忽略 
16. } 
17.  public static void main(String[] args) { 
18.         Customer c1 = new Customer("张三",10); 
19.         Customer c2 = new Customer("李四",20); 
20.         Customer c3 = new Customer("王五",10); 
21.  
22.         List<Customer> list = Arrays.asList(c1,c2,c3); 
23.  
24.         //转成list 
25.         List<Integer> ageList = list.stream().map(Customer::getAge).collect(Collectors.toList()); 
26.         System.out.println("ageList："+ageList);//ageList：[10, 20, 10] 
27.  
28.         //转成set 
29.         Set<Integer> ageSet = list.stream().map(Customer::getAge).collect(Collectors.toSet()); 
30.         System.out.println("ageSet："+ageSet);//ageSet：[20, 10] 
31.  
32. //转成map,注:key不能相同，否则报错 
33.         Map<String, Integer> CustomerMap = list.stream().collect(Collectors.toMap(Customer::getName, Customer::getAge)); 
34.         System.out.println("CustomerMap："+CustomerMap);//CustomerMap：{李四=20, 张三=10, 王五=10} 
35.  
36. //字符串分隔符连接 
37.         String joinName = list.stream().map(Customer::getName).collect(Collectors.joining(",", "(", ")")); 
38.         System.out.println("joinName："+joinName);//joinName：(张三,李四,王五) 
39.  
40. //聚合操作 
41. //1.学生总数 
42.         Long count = list.stream().collect(Collectors.counting()); 
43.         System.out.println("count："+count);//count：3 
44. //2.最大年龄 (最小的minBy同理) 
45.         Integer maxAge = list.stream().map(Customer::getAge).collect(Collectors.maxBy(Integer::compare)).get(); 
46.         System.out.println("maxAge："+maxAge);//maxAge：20 
47.  
48. //3.所有人的年龄 
49.         Integer sumAge = list.stream().collect(Collectors.summingInt(Customer::getAge)); 
50.         System.out.println("sumAge："+sumAge);//sumAge：40 
51.  
52. //4.平均年龄 
53.         Double averageAge = list.stream().collect(Collectors.averagingDouble(Customer::getAge)); 
54.         System.out.println("averageAge："+averageAge);//averageAge：13.333333333333334 
55.  
56. //分组 
57.         Map<Integer, List<Customer>> ageMap = list.stream().collect(Collectors.groupingBy(Customer::getAge)); 
58.         System.out.println("ageMap："+ageMap);//ageMap：{20=[com.mashibing.stream.Customer@20ad9418], 10=[com.mashibing.stream.Customer@31cefde0, com.mashibing.stream.Customer@439f5b3d]} 
59.  
60.  
61. //分区 
62. //分成两部分，一部分大于10岁，一部分小于等于10岁 
63.         Map<Boolean, List<Customer>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10)); 
64.         System.out.println("partMap："+partMap); 
65.  
66. //规约 
67.         Integer allAge = list.stream().map(Customer::getAge).collect(Collectors.reducing(Integer::sum)).get(); 
68.         System.out.println("allAge："+allAge);//allAge：40 
69.  
70.  
71.     } 

1.  public static void main(String[] args) { 
2.         Customer c1 = new Customer("张三",10); 
3.         Customer c2 = new Customer("李四",20); 
4.         Customer c3 = new Customer("王五",10); 
5.  
6.         List<Customer> list = Arrays.asList(c1,c2,c3); 
7.  
8.         //转成list 
9.         List<Integer> ageList = list.stream().map(Customer::getAge).collect(Collectors.toList()); 
10.         System.out.println("ageList："+ageList);//ageList：[10, 20, 10] 
11.  
12.         //转成set 
13.         Set<Integer> ageSet = list.stream().map(Customer::getAge).collect(Collectors.toSet()); 
14.         System.out.println("ageSet："+ageSet);//ageSet：[20, 10] 
15.  
16. //转成map,注:key不能相同，否则报错 
17.         Map<String, Integer> CustomerMap = list.stream().collect(Collectors.toMap(Customer::getName, Customer::getAge)); 
18.         System.out.println("CustomerMap："+CustomerMap);//CustomerMap：{李四=20, 张三=10, 王五=10} 
19.  
20. //字符串分隔符连接 
21.         String joinName = list.stream().map(Customer::getName).collect(Collectors.joining(",", "(", ")")); 
22.         System.out.println("joinName："+joinName);//joinName：(张三,李四,王五) 
23.  
24. //聚合操作 
25. //1.学生总数 
26.         Long count = list.stream().collect(Collectors.counting()); 
27.         System.out.println("count："+count);//count：3 
28. //2.最大年龄 (最小的minBy同理) 
29.         Integer maxAge = list.stream().map(Customer::getAge).collect(Collectors.maxBy(Integer::compare)).get(); 
30.         System.out.println("maxAge："+maxAge);//maxAge：20 
31.  
32. //3.所有人的年龄 
33.         Integer sumAge = list.stream().collect(Collectors.summingInt(Customer::getAge)); 
34.         System.out.println("sumAge："+sumAge);//sumAge：40 
35.  
36. //4.平均年龄 
37.         Double averageAge = list.stream().collect(Collectors.averagingDouble(Customer::getAge)); 
38.         System.out.println("averageAge："+averageAge);//averageAge：13.333333333333334 
39.  
40. //分组 
41.         Map<Integer, List<Customer>> ageMap = list.stream().collect(Collectors.groupingBy(Customer::getAge)); 
42.         System.out.println("ageMap："+ageMap);//ageMap：{20=[com.mashibing.stream.Customer@20ad9418], 10=[com.mashibing.stream.Customer@31cefde0, com.mashibing.stream.Customer@439f5b3d]} 
43.  
44.  
45. //分区 
46. //分成两部分，一部分大于10岁，一部分小于等于10岁 
47.         Map<Boolean, List<Customer>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 10)); 
48.         System.out.println("partMap："+partMap); 
49.  
50. //规约 
51.         Integer allAge = list.stream().map(Customer::getAge).collect(Collectors.reducing(Integer::sum)).get(); 
52.         System.out.println("allAge："+allAge);//allAge：40 
53.  
54.  
55.     } 

6、Stream的方法摘要

  。

修饰符和类型	方法和说明
static Collector<T,?,Double>	averagingDouble(ToDoubleFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的双值函数的算术平均值。
static Collector<T,?,Double>	averagingInt(ToIntFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的整数值函数的算术平均值。
static Collector<T,?,Double>	averagingLong(ToLongFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的长值函数的算术平均值。
static <T,A,R,RR> Collector<T,A,RR>	collectingAndThen(Collector<T,A,R> downstream, Function<R,RR> finisher) 适应 Collector进行额外的整理转换。
static Collector<T,?,Long>	counting() 返回 Collector类型的接受元件 T计数输入元件的数量。
static <T,K> Collector<T,?,Map<K,List >>	groupingBy(Function<? super T,? extends K> classifier) 返回 Collector “由基团”上的类型的输入元件操作实现 T ，根据分类功能分组元素，并且在返回的结果 Map 。
static <T,K,A,D> Collector<T,?,Map<K,D>>	groupingBy(Function<? super T,? extends K> classifier, Collector<? super T,A,D> downstream) 返回 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static <T,K,D,A,M extends Map<K,D>>Collector<T,?,M>	groupingBy(Function<? super T,? extends K> classifier, Supplier mapFactory, Collector<? super T,A,D> downstream) 返回 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static <T,K> Collector<T,?,ConcurrentMap<K,List >>	groupingByConcurrent(Function<? super T,? extends K> classifier) 返回一个并发 Collector “由基团”上的类型的输入元件操作实现 T ，根据分类功能分组元素。
static <T,K,A,D> Collector<T,?,ConcurrentMap<K,D>>	groupingByConcurrent(Function<? super T,? extends K> classifier, Collector<? super T,A,D> downstream) 返回一个并发 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static <T,K,A,D,M extends ConcurrentMap<K,D>> Collector<T,?,M>	groupingByConcurrent(Function<? super T,? extends K> classifier, Supplier mapFactory, Collector<? super T,A,D> downstream) 返回一个并发 Collector “由基团”上的类型的输入元件操作实现级联 T ，根据分类功能分组元素，然后使用下游的指定执行与给定键相关联的值的归约运算 Collector 。
static Collector<CharSequence,?,String>	joining() 返回一个 Collector ，按照遇到的顺序将输入元素连接到一个 String中。
static Collector<CharSequence,?,String>	joining(CharSequence delimiter) 返回一个 Collector ，按照遇到的顺序连接由指定的分隔符分隔的输入元素。
static Collector<CharSequence,?,String>	joining(CharSequence delimiter, CharSequence prefix, CharSequence suffix) 返回一个 Collector ，它将按照指定的 Collector分隔的输入元素与指定的前缀和后缀进行连接。
static <T,U,A,R> Collector<T,?,R>	mapping(Function<? super T,? extends U> mapper, Collector<? super U,A,R> downstream) 适应一个 Collector类型的接受元件 U至类型的一个接受元件 T通过积累前应用映射函数到每个输入元素。
static Collector<T,?,Optional >	maxBy(Comparator<? super T> comparator) 返回一个 Collector ，它根据给出的 Comparator产生最大元素，描述为 Optional 。
static Collector<T,?,Optional >	minBy(Comparator<? super T> comparator) 返回一个 Collector ，根据给出的 Comparator产生最小元素，描述为 Optional 。
static Collector<T,?,Map<Boolean,List >>	partitioningBy(Predicate<? super T> predicate) 返回一个 Collector ，根据Predicate对输入元素进行 Predicate ，并将它们组织成 Map<Boolean, List > 。
static <T,D,A> Collector<T,?,Map<Boolean,D>>	partitioningBy(Predicate<? super T> predicate, Collector<? super T,A,D> downstream) 返回一个 Collector ，它根据Predicate对输入元素进行 Predicate ，根据另一个 Collector减少每个分区的值，并将其组织成 Map<Boolean, D> ，其值是下游缩减的结果。
static Collector<T,?,Optional >	reducing(BinaryOperator op) 返回一个 Collector ，它在指定的 Collector下执行其输入元素的 BinaryOperator 。
static Collector<T,?,T>	reducing(T identity, BinaryOperator op) 返回 Collector执行下一个指定的减少其输入元件的 BinaryOperator使用所提供的身份。
static <T,U> Collector<T,?,U>	reducing(U identity, Function<? super T,? extends U> mapper, BinaryOperator op) 返回一个 Collector ，它在指定的映射函数和 BinaryOperator下执行其输入元素的 BinaryOperator 。
static Collector<T,?,DoubleSummaryStatistics>	summarizingDouble(ToDoubleFunction<? super T> mapper) 返回一个 Collector ， double生产映射函数应用于每个输入元素，并返回结果值的汇总统计信息。
static Collector<T,?,IntSummaryStatistics>	summarizingInt(ToIntFunction<? super T> mapper) 返回一个 Collector ， int生产映射函数应用于每个输入元素，并返回结果值的汇总统计信息。
static Collector<T,?,LongSummaryStatistics>	summarizingLong(ToLongFunction<? super T> mapper) 返回一个 Collector ， long生产映射函数应用于每个输入元素，并返回结果值的汇总统计信息。
static Collector<T,?,Double>	summingDouble(ToDoubleFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的双值函数的和。
static Collector<T,?,Integer>	summingInt(ToIntFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的整数值函数的和。
static Collector<T,?,Long>	summingLong(ToLongFunction<? super T> mapper) 返回一个 Collector ，它产生应用于输入元素的长值函数的和。
static <T,C extends Collection > Collector<T,?,C>	toCollection(Supplier collectionFactory) 返回一个 Collector ，按照遇到的顺序将输入元素累加到一个新的 Collection中。
static <T,K,U> Collector<T,?,ConcurrentMap<K,U>>	toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper) 返回一个并发的 Collector ，它将元素累加到 ConcurrentMap ，其键和值是将所提供的映射函数应用于输入元素的结果。
static <T,K,U> Collector<T,?,ConcurrentMap<K,U>>	toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction) 返回一个并发的 Collector ，它将元素累加到一个 ConcurrentMap ，其键和值是将提供的映射函数应用于输入元素的结果。
static <T,K,U,M extends ConcurrentMap<K,U>>	Collector<T,?,M> toConcurrentMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction, Supplier mapSupplier) 返回一个并发的 Collector ，它将元素累加到一个 ConcurrentMap ，其键和值是将所提供的映射函数应用于输入元素的结果。
static Collector<T,?,List >	toList() 返回一个 Collector ，它将输入元素 List到一个新的 List 。
static <T,K,U> Collector<T,?,Map<K,U>>	toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper) 返回一个 Collector ，它将元素累加到一个 Map ，其键和值是将所提供的映射函数应用于输入元素的结果。
static <T,K,U> Collector<T,?,Map<K,U>>	toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction)  返回一个 Collector ，它将元素累加到 Map ，其键和值是将提供的映射函数应用于输入元素的结果。
static <T,K,U,M extends Map<K,U>> Collector<T,?,M>	toMap(Function<? super T,? extends K> keyMapper, Function<? super T,? extends U> valueMapper, BinaryOperator mergeFunction, Supplier mapSupplier) 返回一个 Collector ，它将元素累加到一个 Map ，其键和值是将所提供的映射函数应用于输入元素的结果。
static Collector<T,?,Set > toSet()	返回一个 Collector ，将输入元素 Set到一个新的 Set 。

7、总结

  。

对于Java中新特性除了 Stream 还有lamaba表达式都是可以帮忙我们很好的去优化代码，使我们的代码简洁且意图明确，避免繁琐的重复性的操作，对于文中有兴趣的小伙伴可以操作起来，又不懂的小伙伴可以在下面进行留言，小农看到了会第一时间回复大家，谢谢，大家加油.

原文地址：https://mp.weixin.qq.com/s/LuV5QGSfP60EPWBTeY3SuQ 。

最后此篇关于JDK新特性——Stream代码简洁之道的文章就讲到这里了,如果你想了解更多关于JDK新特性——Stream代码简洁之道的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。