JDK新特性——Stream代码简洁之道-51CTO.COM

[[397698]]

本文转载自微信公众号「牧小农」，作者牧小农。转载本文请联系牧小农公众号。

一、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

二、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

三、分类

关于应用在Stream流上的操作，可以分成两种：

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;
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。

四、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

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

4.2 通过集合来生成

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

4.3 通过Stream.generate方法来创建

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

4.4 通过Stream.iterate方法来创建

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

4.5其他Api创建

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

五、Stream的常用API

5.1 中间操作

1. filter：过滤流中的某些元素

//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 
 Arrays.asList(1,2,3,4,5).stream()//获取顺序流 
 .filter((x)->x%2==0) // 2 4  
 .forEach(System.out::println); 
 
//求出结果集中所有偶数的和 
int count = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9).stream()//获取顺序流 
.filter(x -> x % 2 == 0).// 2 4 6 8  
mapToInt(x->x).sum();//求和 
System.out.println(count); //打印输出 20  
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

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

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

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。

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

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

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

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。

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

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。

//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 
String str ="11,22,33,44,55";       
System.out.println(Stream.of(str.split(",")).peek(System.out::println).mapToInt(Integer::valueOf).sum());//11 22 33 44 55 165 
1.
2.
3.

5.2 终止操作

1. 循环：forEach

Users类：

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

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

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

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

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

List<Integer> list = Arrays.asList(1,2, 3,4, 5, 6); 
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 
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 
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 
//取第一个偶数 
Optional<Integer> first = list.stream().filter(x -> x % 10 == 6).findFirst(); 
System.out.println(first.get());// 6 
//任意取一个偶数 
Optional<Integer> any = list.stream().filter(x -> x % 2 == 0).findAny(); 
System.out.println(any.get());// 2 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

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

Supplier supplier();创建一个结果容器A
BiConsumer
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。
Function
Set characteristics();返回一个不可变的Set集合，用来表明该Collector的特征

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

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

六、Stream的方法摘要

修饰符和类型	方法和说明
staticCollector<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。
staticCollector<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。
staticCollector<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。
staticCollector<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, SuppliermapFactory, 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, SuppliermapFactory, 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。
staticCollector<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。
staticCollector<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。
staticCollector<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。
staticCollector<T,?,Optional>	reducing(BinaryOperatorop) 返回一个 Collector ，它在指定的 Collector下执行其输入元素的 BinaryOperator 。
staticCollector<T,?,T>	reducing(T identity, BinaryOperatorop) 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 。
staticCollector<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。
staticCollector<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。
staticCollector<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。
staticCollector<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。
staticCollector<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。
staticCollector<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(SuppliercollectionFactory) 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, SuppliermapSupplier) 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。
staticCollector<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, SuppliermapSupplier) 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。
staticCollector<T,?,Set> toSet()	返回一个 Collector ，将输入元素 Set到一个新的 Set 。

七、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!