实体类声明
@Getter
@Setter
public class ComputerDTO {
private String computerNo;
private String brand;
private BigDecimal price;
private Integer coreQuantity;
private Integer memory;
private String hardDisk;
private String place;
}场景描述
我暂且充当一下产品经理，现在罗列出了下列需求，基本上覆盖了日常使用Stream流的大多场景，各位小伙伴可以先行看一看有没有思路。
经典场景
- 筛选出所有品牌为“abc”的电脑，并按价格降序排序。
- 计算所有电脑的价格总和。
- 找出内存最大的电脑的信息。
- 统计硬盘类型为SSD的电脑数量。
- 将所有电脑的产地转换成一个不重复的集合。
- 创建一个Map，键为品牌，值为该品牌的电脑列表。
- 获取每个品牌的平均价格。
- 获取一个Map，键为计算机编号，值为该计算机信息。
组合应用
- 筛选出价格低于5000元且CPU核数大于等于4的电脑。
- 找出每个品牌中最贵的电脑，并返回一个包含这些电脑的列表。
- 统计每个品牌的电脑数量，并按数量降序排序。
- 找出所有品牌为“abc”且内存大于等于8GB的电脑，并按CPU核数降序排序。
- 统计每个品牌的平均价格，并找出平均价格最高的品牌。
- 创建一个Map，键为品牌，值为该品牌所有电脑的总价。
经典场景实战攻克
下面我来带大家一道一道攻克，并在这个过程中带大家梳理一下Stream流使用过程中的一些注意事项。
我们假设需要处理的数据是一个ComputerDTO的List，如下：
List computers=getComputers(); Stream流模型的操作很丰富，我们今天将使用到一些常用的方法，这些方法可以被分成两种。
终结方法：返回值类型不再是Stream类型的方法，不再支持链式调用。如count、forEach、collect方法等。
非终结方法：返回值类型仍然是Stream类型的方法，支持链式调用。如map、filter、sorted方法等。
场景1
筛选出所有品牌为“abc”的电脑，并按价格降序排序。
List abcComputers = computers.stream()
.filter(computer -> "abc".equals(computer.getBrand()))
.sorted(Comparator.comparing(ComputerDTO::getPrice).reversed())
.collect(Collectors.toList()); 首先我们将这个场景拆解成两个过程，第一个过程是将列表中的所有品牌不为“abc”的电脑过滤掉，这里我们需要使用到filter方法。
filter方法的入参是含一个参数返回结果为boolean类型的函数式接口，这里我们直接使用lambda表达式实现。
需要注意的是filter方法将会保留符合表达式的数据，这里可以和集合的removeIf方法进行对比记忆，并且我们使用stream处理数据并不会改变原集合computers。
第二个过程是将过滤后的结果按照价格降序排序，这里我们使用sorted方法实现。
sorted方法的入参是一个比较器Comparator，这里我们直接使用Comparator.comparing方法构建一个根据价格排序的比较器，并使用reversed方法返回一个降序的比较器。
最后我们使用终结方法collect(Collectors.toList())将结果收集到集合当中。
场景2
计算所有电脑的价格总和。
BigDecimal totalCost = computers.stream()
.map(ComputerDTO::getPrice)
.reduce(BigDecimal.ZERO, BigDecimal::add);这个场景我们需要先将集合中的ComputerDTO对象转换为价格，因为我们需要的最终结果是一个BigDecimal类型，所以需要先使用map方法对数据进行转换。
map方法的入参是一个Function函数式接口，下面贴出一张图帮助大家理解map方法的作用。
图片
map方法在工作中常常被使用，例如需要根据一个实体类集合获取一个属性值集合，通常先使用map方法获取属性值，看情况需要可以使用distinct方法去重、filter过滤、sorted方法排序，最后使用collect方法收集起来。
在当前场景中我们需要计算所有电脑的价格总和，所以可以使用reduce终结方法进行汇总。
图片
场景3
找出内存最大的电脑的信息。
Optional maxMemoryComputer = computers.stream()
.max(Comparator.comparingInt(ComputerDTO::getMemory)); 这个场景简单粗暴，直接将待处理数据转成流，然后使用max方法就可以解决，不过需要注意的是max方法返回的数据使用Optional包了一层。
Optional类同样是Java8提供的，使用isPresent方法可以判断包含值是否为null，通过get方法可以获取包含值，如果包含值为null会抛出一个NoSuchElementException异常，所以通常搭配isPresent方法使用。
场景4
统计硬盘类型为SSD的电脑数量。
long ssdCount = computers.stream()
.filter(computer -> computer.getHardDisk().contains("SSD"))
.count();这个场景使用了一个新的终结方法count，count方法用于统计流中元素个数，返回值类型为long类型。
场景5
将所有电脑的产地转换成一个不重复的集合。
Set places = computers.stream()
.map(ComputerDTO::getPlace)
.collect(Collectors.toSet()); 这个场景在工作中常常会用到，也是上面提到的map的经典用法，只不过这里将流中数据通过collect(Collectors.toSet())收集到了Set中，利用了Set的特性进行去重，而没有使用distinct方法进行去重。
这里引申一下，上点难度，如果这里最终需要获取的是根据产地去重后的ComputerDTO集合呢，使用流的方式又该怎样实现。
这是工作中另外的一个经典场景，List集合按照对象属性去重，其实最终也是利用了Set的特性，在Set的构造函数中传入了自定义比较器！
List newList = computers.stream().collect(Collectors
.collectingAndThen(Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(ComputerDTO::getPlace)))
, ArrayList::new)); 这里使用的Collectors.collectingAndThen方法只是将返回结果Set转化为了List，核心处理就是Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(ComputerDTO::getPlace)))。
场景6
创建一个Map，键为品牌，值为该品牌的电脑列表。
Map> computersByBrand = computers.stream()
.collect(Collectors.groupingBy(ComputerDTO::getBrand)); 这个场景也是工作中常常会遇到的场景，对原有数据根据某一个纬度进行分组，然后不同组的数据使用不同的逻辑进行处理。Stream为这个需求也提供了专门的方法Collectors.groupingBy。
场景7
获取每个品牌的平均价格。
Map averagePrices = computers.stream()
.collect(Collectors.groupingBy(ComputerDTO::getBrand, Collectors.averagingDouble(c -> c.getPrice().doubleValue()))); 这个场景是场景6的进阶玩法，根据某一个纬度进行分组，分组后再对数据进行处理。
这里使用的是Collectors.groupingBy两个参数的重载方法。
场景8
获取一个Map，键为计算机编号，值为该计算机信息。
Map computerInfoMap = computers.stream().collect(Collectors.toMap(ComputerDTO::getComputerNo, item -> item));
Map computerInfoMap = computers.stream().collect(HashMap::new, (m, v) -> m.put(v.getComputerNo(), v), HashMap::putAll); 这个场景在工作中出现的频率很高，通常有两种方法去实现，其中Collectors.toMap方法有一个小坑，大家在使用时需要注意一下。
java8的Collectors.toMap的value不能为null。
如果待处理的数据中value值存在null，则会出现莫名其妙的空指针异常，所以我在工作中往往会使用第二种方式。
组合应用代码参考
通过上面经典场景的讲解，其实我们可以注意到，基本上绝大多数的应用都离不开collect方法，这个方法在流的使用中极为重要，在后续的文章中我也会为大家进一步的讲解collect方法，敬请期待！
组合场景就是对经典场景中的一些常用API进行组合应用，所以就不在这里一一赘述，仅为大家提供了参考代码。
- 筛选出价格低于5000元且CPU核数大于等于4的电脑。
List affordableAndPowerful = computers.stream()
.filter(computer -> computer.getPrice().compareTo(new BigDecimal("5000")) < 0 && computer.getCoreQuantity() >= 4)
.collect(Collectors.toList()); - 找出每个品牌中最贵的电脑，并返回一个包含这些电脑的列表。
Map mostExpensivePerBrand = computers.stream()
.collect(Collectors.groupingBy(ComputerDTO::getBrand,
Collectors.collectingAndThen(
Collectors.maxBy(Comparator.comparing(ComputerDTO::getPrice)),
optional -> optional.orElseThrow(() -> new NoSuchElementException("No computers found for this brand"))
)
));
List mostExpensiveComputers = new ArrayList<>(mostExpensivePerBrand.values()); - 统计每个品牌的电脑数量，并按数量降序排序。
Map brandCounts = computers.stream()
.collect(Collectors.groupingBy(ComputerDTO::getBrand, Collectors.counting()));
List> sortedBrandCounts = brandCounts.entrySet().stream()
.sorted(Map.Entry.comparingByValue().reversed())
.collect(Collectors.toList()); - 找出所有品牌为“abc”且内存大于等于8GB的电脑，并按CPU核数降序排序。
List abcHighMemoryComputers = computers.stream()
.filter(computer -> "abc".equals(computer.getBrand()) && computer.getMemory() >= 8)
.sorted(Comparator.comparingInt(ComputerDTO::getCoreQuantity).reversed())
.collect(Collectors.toList()); - 统计每个品牌的平均价格，并找出平均价格最高的品牌。
Optional> highestAveragePrice = computers.stream()
.collect(Collectors.groupingBy(
ComputerDTO::getBrand,
Collectors.averagingDouble(c -> c.getPrice().doubleValue())
))
.entrySet().stream()
.max(Map.Entry.comparingByValue());
String highestBrand = highestAveragePrice.map(Map.Entry::getKey).orElse(null);
double highestAverage = highestAveragePrice.map(Map.Entry::getValue).orElse(0.0); - 创建一个Map，键为品牌，值为该品牌所有电脑的总价。
Map totalPricesByBrand = computers.stream()
.collect(Collectors.groupingBy(
ComputerDTO::getBrand,
Collectors.reducing(BigDecimal.ZERO, ComputerDTO::getPrice, BigDecimal::add)
)); 结语
学会使用java8的Stream新特性，可以极大的减少工作中的代码量，可以使自己的代码看起来更整洁，同时很多框架源码中也大量使用Stream，掌握了它也可以为我们阅读源码提供帮助，希望这篇文章可以给大家带来帮助。
