您的位置：首页 > 编程语言 > Java开发

JAVA8新特性[第四季]-强大的Stream API

2017-08-23 09:07 393 查看
Java8中有两大最为重要的改变。第一个是 Lambda 表达式 ;另外一 个则是 Stream API(java.util.stream.*)。

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。

使用Stream API 对集合数据进行操作，就类似于使用 SQL 执行的数 据库查询。也可以使用 Stream API 来并行执行操作。简而言之， Stream API 供了一种高效且易于使用的处理数据的方式。


一、什么是 Stream

流(Stream) 到底是什么呢?

是数据渠道，用于操作数据源(集合、数组等)所生成的元素序列。

集合讲的是数据，流讲的是计算!

注意:

1. Stream自己不会存储元素。

2. Stream不会改变原对象。相反，他们会返回一个持有结果的新Stream。

3. Stream操作是延迟执行。这意味着他们会等到需要结果的时候才执行。


二、Stream操作的三个步骤


2.1 第一步：创建stream

一个数据源（如：集合或数组），获取一个流


2.2 第二步：中间操作

一个中间操作链，对数据源的数据进行处理。


2.3 第三步：终止操作（终端操作）

一个终止操作，执行中间操作链，并产生结果。




三、创建Stream的四种方式


3.1 第一种方式：通过 Collection 系列集合提供的方法 stream() 或者 parallelStream()

Java8 中的 Collection 接口被扩展， 供了两个获取流的方法:

1. default Stream< E> stream() : 返回一个顺序流

2. default Stream< E> parallelStream() : 返回一个并行流

案例：
List<Employee> list = new ArrayList<>();
Stream<Employee> stream = list.stream();
Stream<Employee> parallelStream = list.parallelStream();
1
2
3
1
2
3
[/code]


3.2 第二种方式：由数组创建流

通过 Arrays中的静态方法 stream() 创建数据源 。

static < T> Stream< T> stream(T[] array): 返回一个流

重载形式，能够处理对应基本类型的数组:

1. public static IntStream stream(int[] array)

2. public static LongStream stream(long[] array)

3. public static DoubleStream stream(double[] array)

案例：
Integer[] num = new Integer[23];
Stream<Integer> stream1 = Arrays.stream(num);
1
2
1
2
[/code]


3.3 第三种方式：由值创建流

可以使用静态方法 Stream.of(), 通过显示值 创建一个流。它可以接收任意数量的参数。

public static< T> Stream< T> of(T… values) : 返回一个流

案例：
Stream<Integer> stream2 = Stream.of(1, 5, 7);
1
1
[/code]


3.4 第四种方式：由函数创建流，创建无限流。

可以使用静态方法 Stream.iterate() 和 Stream.generate(), 创建无限流。

1. 迭代：public static< T> Stream< T> iterate(final T seed, final UnaryOperator< T> f)

2. 生成：public static< T> Stream< T> generate(Supplier< T> s)

案例：
// 迭代
Stream<Integer> stream3 = Stream.iterate(0, (x) -> x + 2).limit(2);
stream3.forEach(System.out::println);

System.out.println("-------------");

// 生成
Stream<Double> stream4 = Stream.generate(Math::random).limit(4);
stream4.forEach(System.out::println);
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9
[/code]

执行结果：
0
2
-------------
0.8009341328264229
0.3393727316726045
0.16402941830797657
0.18983964153830712
1
2
3
4
5
6
7
1
2
3
4
5
6
7
[/code]


四、Stream的中间操作

多个 中间操作 可以连接起来形成一个流水线，除非流水 线上触发终止操作，否则中间操作不会执行任何的处理! 而在终止操作时一次性全部处理，称为“惰性求值”。


4.1 筛选与切片

方法描述
filter(Predicate p)接收 Lambda ， 从流中排除某些元素。
distinct()筛选，通过流所生成元素的 hashCode() 和 equals() 去 除重复元素
limit(long maxSize)截断流，使其元素不超过给定数量
skip(long n)跳过元素，返回一个扔掉了前 n 个元素的流。若流中元素 不足 n 个，则返回一个空流。与 limit(n) 互补
案例：

定义一个集合： Employee 重写 hashcode ， equals — 去重时使用
List<Employee> emps = Arrays.asList(
new Employee(101, "林青霞", 28, 9889.99),
new Employee(102, "东方不败", 29, 4329.85),
new Employee(103, "周星驰", 40, 1233.88),
new Employee(104, "大圣", 500, 5000.44),
new Employee(105, "张无忌", 15, 3000.09),
new Employee(102, "东方不败", 29, 4329.85)
);
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
[/code]

执行操作：

1.内部迭代 - 迭代操作由Stream API 完成操作
@Test
public void test2() {
// 中间操作不会做任何处理
Stream<Employee> stream = emps.stream()
.filter((e) -> {
System.out.println("惰性求值");
return e.getAge() < 30;
});
System.out.println("--------------------");

// 终止操作，一次性执行全部功能， 称为 "惰性求值"
stream.forEach(System.out::println);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
1
2
3
4
5
6
7
8
9
10
11
12
13
[/code]

执行结果：
--------------------
惰性求值
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
惰性求值
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
惰性求值
惰性求值
惰性求值
Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}
惰性求值
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
7
8
9
10
11
[/code]

2.外部迭代
@Test
public void test3() {
Iterator<Employee> iterator = emps.iterator();

while (iterator.hasNext()) {
System.out.println(iterator.next());
}
}
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
[/code]

执行结果：
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}
Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}
Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
1
2
3
4
5
6
1
2
3
4
5
6
[/code]

3.中间操作 - 截断流
@Test
public void test4() {
emps.stream()
.filter(employee -> employee.getAge() < 30) // 过滤年龄小于30的人
.limit(1) // 截取一个
.forEach(System.out::println);
}
1
2
3
4
5
6
7
1
2
3
4
5
6
7
[/code]

执行结果：
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
1
2
1
2
[/code]

4.中间操作 - 跳过
@Test
public void test5() {

emps.stream()
.filter(employee -> employee.getAge() < 30)
.skip(2)
.forEach(System.out::println);
}
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
[/code]

执行结果：
Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
1
2
3
1
2
3
[/code]

5.中间操作 - 筛选去重
@Test
public void test6() {
emps.stream()
.distinct()
.forEach(System.out::println);
}
1
2
3
4
5
6
1
2
3
4
5
6
[/code]

执行结果：
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}
Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}
Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}
1
2
3
4
5
1
2
3
4
5
[/code]


4.2 映射

方法描述
map(Function f)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。
mapToDouble(ToDoubleFunction f)接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 DoubleStream。
mapToInt(ToIntFunction f)接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 IntStream。
mapToLong(ToLongFunction f)接收一个函数作为参数，该函数会被应用到每个元 素上，产生一个新的 LongStream。
flatMap(Function f)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
案例：

1.map操作
@Test
public void test7() {
List<String> list = Arrays.asList("aaa", "java", "ccc", "java8", "hello world");

list.stream()
.map((x) -> x.toUpperCase())
.forEach(System.out::println);

System.out.println("-------------");

emps.stream()
.map(Employee::getAge)
.forEach(System.out::println);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
2
3
4
5
6
7
8
9
10
11
12
13
14
[/code]

执行结果：
AAA
JAVA
CCC
JAVA8
HELLO WORLD
-------------
28
29
40
500
15
29
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
[/code]

2.flatMap操作

先定义一个 filterCharacter(String str) 方法：
private static Stream<Character> filterCharacter(String str) {
List<Character> characters = new ArrayList<>();

for (Character character : str.toCharArray()) {
characters.add(character);
}
return characters.stream();
}
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
[/code]

执行测试代码：
@Test
public void test8() {
List<String> list = Arrays.asList("aaa", "hello world");

Stream<Stream<Character>> streamStream = list.stream()
.map(LambdaStramAPI::filterCharacter);

streamStream.forEach((s) -> {
s.forEach((c) -> System.out.println(c + ""));
System.out.println();
});

System.out.println("----------------------");

list.stream()
.flatMap(LambdaStramAPI::filterCharacter)
.forEach(System.out::println);

}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
[/code]

执行结果：
a
a
a

h
e
l
l
o

w
o
r
l
d

----------------------
a
a
a
h
e
l
l
o

w
o
r
l
d
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
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
[/code]


4.3 排序

方法描述
sorted()产生一个新流，其中按自然顺序排序
sorted(Comparator comp)产生一个新流，其中按比较器顺序排序
案例：
@Test
public void test9() {
emps.stream()
.map(Employee::getSalary)
.sorted()
.forEach(System.out::println);

System.out.println("-----------------");

emps.stream()
.map(Employee::getAge)
.sorted(Integer::compare)
.forEach(System.out::println);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
2
3
4
5
6
7
8
9
10
11
12
13
14
[/code]

执行结果：
1233.88
3000.09
4329.85
4329.85
5000.44
9889.99
-----------------
15
28
29
29
40
500
1
2
3
4
5
6
7
8
9
10
11
12
13
1
2
3
4
5
6
7
8
9
10
11
12
13
[/code]


五、 Stream的终止操作

终止操作会从流的流水线生成结果。其结果可以是任何不是流的值，例如:List、Integer，甚至是 void 。


5.1 查找与匹配

方法描述
allMatch(Predicate p)检查是否匹配所有元素
anyMatch(Predicate p)检查是否至少匹配一个元素
noneMatch(Predicate p)检查是否没有匹配所有元素
findFirst()返回第一个元素
findAny()返回当前流中的任意元素
count()返回流中元素总数
max(Comparator c)返回流中最大值
min(Comparator c)返回流中最小值
forEach(Consumer c)内部迭代(使用 Collection 接口需要用户去做迭 代，称为外部迭代。相反，Stream API 使用内部 迭代——它帮你把迭代做了)
案例：

1.匹配
@Test
public void test10() {
boolean allMatch = emps.stream()
.allMatch((employee -> employee.getName().equals("林青霞")));
System.out.println(allMatch);

System.out.println("-----------------");

boolean anyMatch = emps.stream()
.anyMatch(employee -> employee.getName().equals("林青霞"));
System.out.println(anyMatch);

System.out.println("-----------------");

boolean noneMatch = emps.stream()
.noneMatch(employee -> employee.getName().equals("林青霞"));
System.out.println(noneMatch);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
[/code]

执行结果：
false
-----------------
true
-----------------
false
1
2
3
4
5
1
2
3
4
5
[/code]

2.第一个元素 、 任意一个元素
@Test
public void test12() {
Optional<String> first = emps.stream()
.map(Employee::getName)
.sorted()
.findFirst(); // 获取第一个元素
System.out.println(first.get());

System.out.println("-----------------");

Optional<Employee> findAny = emps.parallelStream()
.filter(employee -> employee.getName().equals("林青霞"))
.findAny(); //任意一个元素
System.out.println(findAny.get());
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
[/code]

执行结果：
东方不败
-----------------
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}
1
2
3
1
2
3
[/code]

3.统计总个数、 最大、 最小值
// 注意： 流一旦执行终止操作后， 就不能在重复使用
@Test
public void test13() {
Stream<Employee> stream = emps.stream();
long count = stream.count();
System.out.println(count);

System.out.println("-----------------");

Optional<Double> doubleOptional = emps.stream()
.map(Employee::getSalary)
.max(Double::compare); //最大值
System.out.println(doubleOptional.get());

System.out.println("-----------------");

Optional<Employee> employeeOptional = emps.stream()
.min((x, y) -> Double.compare(x.getSalary(),  y.getSalary())); // 最小值
System.out.println(employeeOptional.get());
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
[/code]

执行结果：
6
-----------------
9889.99
-----------------
Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}
1
2
3
4
5
1
2
3
4
5
[/code]


5.2 归约

备注:map 和 reduce 的连接通常称为 map-reduce 模式，因 Google 用它 来进行网络搜索而出名。
方法描述
reduce(T iden, BinaryOperator b)可以将流中元素反复结合起来，得到一个值。 返回 T
reduce(BinaryOperator b)可以将流中元素反复结合起来，得到一个值。 返回 Optional< T>
案例：

1.求和
@Test
public void test14() {
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);

Integer sum = list.stream()
.reduce(0, (x, y) -> x + y);
System.out.println(sum);
}
1
2
3
4
5
6
7
8
1
2
3
4
5
6
7
8
[/code]

执行结果：
55
1
1
[/code]

2.计算次数
@Test
public void test15() {
Optional<Double> doubleOptional = emps.stream()
.map(Employee::getSalary)
.reduce(Double::max);
System.out.println(doubleOptional);

System.out.println("-----------------");

//查看 东方不败 出现的次数 -- 【此处还有点毛病】
Optional<Integer> sumOptional = emps.stream()
.map(Employee::getName)
.flatMap(LambdaStramAPI::filterCharacter)
.map((c) -> {
if (c.equals("东")) return 1;
else return 0;
}).reduce(Integer::sum);
System.out.println(sumOptional.get());
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
[/code]

执行结果：
Optional[9889.99]
-----------------
0
1
2
3
1
2
3
[/code]


5.3 收集

方法描述
collect(Collector c)将流转换为其他形式。接收一个 Collector接口的 实现，用于给Stream中元素做汇总的方法
案例：

1.收集
@Test
public void test16(){
List<String> collect = emps.stream()
.map(Employee::getName)
.collect(Collectors.toList());
collect.forEach(System.out::println);

System.out.println("-------------------");

Set<String> set = emps.stream()
.map(Employee::getName)
.collect(Collectors.toSet());
set.forEach(System.out::println);

System.out.println("-------------------");

HashSet<String> hashSet = emps.stream()
.map(Employee::getName)
.collect(Collectors.toCollection(HashSet::new));
hashSet.forEach(System.out::println);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
[/code]

执行结果：
林青霞
东方不败
周星驰
大圣
张无忌
东方不败
-------------------
周星驰
林青霞
大圣
东方不败
张无忌
-------------------
周星驰
林青霞
大圣
东方不败
张无忌
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
[/code]

2.收集统计
// 收集统计
@Test
public  void test17(){
// 统计总个数
Long count = emps.stream()
.collect(Collectors.counting());
System.out.println(count);

System.out.println("-------------------");

// 求平均值
Double avg = emps.stream()
.collect(Collectors.averagingDouble(Employee::getSalary));
System.out.println(avg);

System.out.println("-------------------");

// 求和
Double sum = emps.stream()
.collect(Collectors.summingDouble(Employee::getSalary));
System.out.println(sum);

System.out.println("-------------------");

//求最大值
Optional<Employee> max = emps.stream()
.collect(Collectors.maxBy((x, y) -> Double.compare(x.getSalary(), y.getSalary())));
System.out.println(max.get());

System.out.println("-------------------");

//求最小值
Optional<Double> min = emps.stream()
.map(Employee::getSalary)
.collect(Collectors.minBy(Double::compare));
System.out.println(min.get());

System.out.println("-------------------");

//统计分析
DoubleSummaryStatistics doubleSummaryStatistics = emps.stream()
.collect(Collectors.summarizingDouble(Employee::getSalary));
System.out.println(doubleSummaryStatistics.getAverage());

System.out.println("-------------------");

//拼接
String join = emps.stream()
.map(Employee::getName)
.collect(Collectors.joining(",", "--", "--"));
System.out.println(join);
}
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
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
[/code]

执行结果：
6
-------------------
4630.683333333333
-------------------
27784.1
-------------------
Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}-------------------
1233.88
-------------------
4630.683333333333
-------------------
--林青霞,东方不败,周星驰,大圣,张无忌,东方不败--
1
2
3
4
5
6
7
8
9
10
11
12
13
1
2
3
4
5
6
7
8
9
10
11
12
13
[/code]

3.收集-分组
// 分组
@Test
public  void test18(){
Map<String, List<Employee>> group = emps.stream()
.collect(Collectors.groupingBy(Employee::getName));
System.out.println(group);
}
1
2
3
4
5
6
7
1
2
3
4
5
6
7
[/code]

执行结果：
{
周星驰=[Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}],
林青霞=[Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}],
大圣=[Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}],
东方不败=[
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null},
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
],
张无忌=[Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}]}
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9
[/code]

4.收集-多级分组
// 多级分组
@Test
public void test19(){
Map<String, Map<String, List<Employee>>> group = emps.stream()
.collect(Collectors.groupingBy(Employee::getName, Collectors.groupingBy((e) -> {
if (e.getAge() < 30) return "青年";
else if (e.getAge() < 50) return "中年";
else return "老年";
})));
System.out.println(group);
}
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
7
8
9
10
11
[/code]

执行结果：
{周星驰={中年=[Employee{id=103, name='周星驰', age=40, salary=1233.88, status=null}]},
林青霞={青年=[Employee{id=101, name='林青霞', age=28, salary=9889.99, status=null}]},
大圣={老年=[Employee{id=104, name='大圣', age=500, salary=5000.44, status=null}]},
东方不败={青年=[
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null},
Employee{id=102, name='东方不败', age=29, salary=4329.85, status=null}
]},
张无忌={青年=[Employee{id=105, name='张无忌', age=15, salary=3000.09, status=null}]}}
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9
[/code]

Collector 接口中方法的实现决定了如何对流执行收集操作(如收 集到 List、Set、Map)。但是 Collectors 实用类 供了很多静态 方法，可以方便地创建常见收集器实例，具体方法与实例如下表:
方法返回类型作用
toListList<T>把流中元素收集到List
List<Employee> emps= list.stream().collect(Collectors.toList());
toSetSet<T>把流中元素收集到Set
Set<Employee> emps= list.stream().collect(Collectors.toSet());
toCollectionCollection<T>把流中元素收集到创建的集合
Collection<Employee>emps=list.stream().collect(Collectors.toCollection(ArrayList::new));
countingLong计算流中元素的个数
long count = list.stream().collect(Collectors.counting());
summingIntInteger对流中元素的整数属性求和
inttotal=list.stream().collect(Collectors.summingInt(Employee::getSalary));
averagingIntDouble计算流中元素Integer属性的平均 值
doubleavg= list.stream().collect(Collectors.averagingInt(Employee::getSalary));
summarizingIntIntSummaryStatistics收集流中Integer属性的统计值。 如:平均值
IntSummaryStatisticsiss= list.stream().collect(Collectors.summarizingInt(Employee::getSalary));
joiningString连接流中每个字符串
String str= list.stream().map(Employee::getName).collect(Collectors.joining());
maxByOptional<T>根据比较器选择最大值
Optional<Emp>max= list.stream().collect(Collectors.maxBy(comparingInt(Employee::getSalary)));
minByOptional<T>根据比较器选择最小值
Optional<Emp> min = list.stream().collect(Collectors.minBy(comparingInt(Employee::getSalary)));
reducing归约产生的类型从一个作为累加器的初始值 开始，利用BinaryOperator与 流中元素逐个结合，从而归 约成单个值
inttotal=list.stream().collect(Collectors.reducing(0, Employee::getSalar, Integer::sum));
collectingAndThen转换函数返回的类型包裹另一个收集器，对其结 果转换函数
inthow= list.stream().collect(Collectors.collectingAndThen(Collectors.toList(), List::size));
groupingByMap<K, List<T>>根据某属性值对流分组，属 性为K，结果为V
Map<Emp.Status, List<Emp>> map= list.stream() .collect(Collectors.groupingBy(Employee::getStatus));
partitioningByMap<Boolean, List<T>>根据true或false进行分区
Map<Boolean,List<Emp>>vd= list.stream().collect(Collectors.partitioningBy(Employee::getManage));
相关源码地址：https://github.com/liudongdong0909/java8/tree/master/java8-Lambda/src/com/donggua
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航