Java Stream 中 Collectors 的 24 个操作-202509120149

Java Stream 中 Collectors 的 24 个操作

Stream 流处理。关于流处理内容比较多，要是说一下Stream 中的Collectors 工具类

的使用。

Collectors 是java.util.stream 包下的一个工具类，其中各个方法的返回值可以作

为java.util.stream.Stream#collect 的入参，实现对队列的各种操作，包括：分组、

聚合等。官方文档给出一些例子：

Implementations of {@link Collector} that implement various useful reduction operations, suc

h as accumulating elements into collections, summarizing elements according to various crit

eria, etc.

The following are examples of using the predefined collectors to perform common mutable re

duction tasks:

// Accumulate names into a

ListList list =

people.stream().map(Person::getName).collect(Collectors.toList());

// Accumulate names into a

TreeSetSet set =

people.stream().map(Person::getName).collect(Collectors.toCollection(

TreeSet::new));•

// Convert elements to strings and concatenate them, separated by

commasString

joined =

things.stream().map(Object::toString).collect(Collectors.joining(",

"));

// Compute sum of salaries of

employeeint total =

employees.stream().collect(Collectors.summingInt(Employee::getSalary)

));

// Group employees by

departmentMap> byDept =

employees.stream().collect(Collectors.groupingBy(Employee::getDepartm

ent));

// Compute sum of salaries by

departmentMap totalByDept =

employees.stream().collect(Collectors.groupingBy(Employee::getDepartm

ent, Collectors.summingInt(Employee::getSalary)));

// Partition students into passing and

1.1定义示例数据

先定义待操作对象，一个万能的Student 类（用到了 lombok）：

然后定义一组测试数据：

1.2数据统计

这个比较简单，就是统计聚合结果的元素数量：

1.3平均值：averagingDouble、averagingInt、averagingLong

这几个方法是计算聚合元素的平均值，区别是输入参数需要是对应的类型。

failingMap> passingFailing =

students.stream().collect(Collectors.partitioningBy(s ->

s.getGrade() >= PASS_THRESHOLD));

@Data

@AllArgsConstructorpublic

class Student {

private String id;

private String name;

private LocalDate birthday;

private int age;

private double score;}

final List students = Lists.newArrayList();

students.add(new Student("1", "张三", LocalDate.of(2009, Month.JANUARY,

1), 12, 12.123));

students.add(new Student("2", "李四", LocalDate.of(2010,

Month.FEBRUARY, 2), 11, 22.123));

students.add(new Student("3", "王五", LocalDate.of(2011, Month.MARCH,

3), 10, 32.123));

// 3

students.stream().collect(Collectors.counting())

比如，求学生的分数平均值，因为分数是double 类型，所以在不转类型的情况下，需要使

用averagingDouble ：

如果考虑转换精度，也是可以实现：

如果是求学生的平均年龄，因为年龄是int 类型，就可以随意使用任何一个函数了：

注意：这三个方法的返回值都是Double 类型。

1.4和：summingDouble、summingInt、summingLong

这三个方法和上面的平均值方法类似，也是需要注意元素的类型，在需要类型转换时，需要强制

转换：1

但是对于不需要强制转换的类型，可以随意使用任何一个函数：

// 22.123

students.stream().collect(Collectors.averagingDouble(Student::getScore)

)

// 22.0

students.stream().collect(Collectors.averagingInt(s ->

(int)s.getScore()))

// 22.0

students.stream().collect(Collectors.averagingLong(s ->

(long)s.getScore()))

// 11.0

students.stream().collect(Collectors.averagingInt(Student::getAge))

// 11.0

students.stream().collect(Collectors.averagingDouble(Student::getAge))

// 11.0

students.stream().collect(Collectors.averagingLong(Student::getAge))

// 66

students.stream().collect(Collectors.summingInt(s ->

(int)s.getScore()))

// 66.369

students.stream().collect(Collectors.summingDouble(Student::getScore))

// 66

students.stream().collect(Collectors.summingLong(s ->

(long)s.getScore()))

// 33

注意：这三个方法返回值和平均值的三个方法不一样，summingDouble 返回的是Doubl

e 类型、summingInt 返回的是Integer 类型，summingLong 返回的是Long 类

型。

1.5最大值/最小值元素：maxBy、minBy

顾名思义，这两个函数就是求聚合元素中指定比较器中的最大/最小元素。比如，求年龄最大/最

小的Student 对象：

从源码可以看出来，这两个方法算是作者给的福利，用于完善数据统计的结果。内部都是封装

了reducing 方法和BinaryOperator 工具类，这些下面会讲到。

2聚合、分组

2.1聚合元素：toList、toSet、toCollection

这几个函数比较简单，是将聚合之后的元素，重新封装到队列中，然后返回。比如，得到所有S

tudent 的 ID 列表，只需要根据需要的结果类型使用不同的方法即可：

students.stream().collect(Collectors.summingInt(Student::getAge))

// 33.0

students.stream().collect(Collectors.summingDouble(Student::getAge)

// 33

students stream() collect(Collectors summingLong(Student::getAge))

//Optional[Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)]，注意返回类型是Optional

students.stream().collect(Collectors.minBy(Comparator.comparing(Student

::getAge))

// Optional[Student(id=1, name=张三, birthday=2009-01-01, age=12,

score=12.123)]，

注意返回类型是

Optionalstudents.stream().collect(Collectors.maxBy(Comparator.comparing

(Student::getAge)))

public static Collector> maxBy(Comparator

super T> comparator) {    return

reducing(BinaryOperator.maxBy(comparator));

}

public static Collector> minBy(Comparator

super T> comparator) {    return

reducing(BinaryOperator.minBy(comparator));

}

// List: [1, 2, 3]

注意：toList 方法返回的是List 子类，toSet 返回的是Set 子类，toCollectio

n 返回的是Collection 子类。我们都知道，Collection 的子类包括List 、Se

t 等众多子类，所以toCollection 更加灵活。

2.2聚合元素：toMap、toConcurrentMap

这两个方法的作用是将聚合元素，重新组装为Map 结构，也就是 k-v 结构。两者用法一样，区

别是toMap 返回的是Map ，toConcurrentMap 返回ConcurrentMap ，也就是说，t

oConcurrentMap 返回的是线程安全的 Map 结构。

比如，我们需要聚合Student 的 id：

但是，如果 id 有重复的，会抛出java.lang.IllegalStateException: Duplicate ke

y 异常，所以，为了保险起见，我们需要借助toMap 另一个重载方法：

可以看到，toMap 有不同的重载方法，可以实现比较复杂的逻辑。比如，我们需要得到根据 id

分组的Student 的姓名：

final List idList =

students.stream().map(Student::getId).collect(Collectors.toList());

// Set: [1, 2, 3]

final Set idSet =

students.stream().map(Student::getId).collect(Collectors.toSet());

//TreeSet: [1, 2, 3]

final Collection idTreeSet =

students.stream().map(Student::getId).collect(Collectors.toCollection(T

reeSet::new));

// {1=Student(id=1, name=张三, birthday=2009-01-01, age=12,

score=12.123), 2=Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123), 3=Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)}

final Map map11 = students.stream()

.collect(Collectors.toMap(Student::getId, Function.identity()));

// {1=Student(id=1, name=张三, birthday=2009-01-01, age=12,

score=12.123), 2=Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123), 3=Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)}

final Map map2 = students.stream()

.collect(Collectors.toMap(Student::getId, Function.identity(), (x, y) -

> x));

// {1=张三, 2=李四, 3=王五}

final Map map3 = students.stream()

.collect(Collectors.toMap(Student::getId, Student::getName, (x, y) ->

比如，我们需要得到相同年龄得分最高的Student 对象集合：

所以，toMap 可玩性很高。

2.3分组：groupingBy、groupingByConcurrent

groupingBy 与toMap 都是将聚合元素进行分组，区别是，toMap 结果是 1:1 的 k-v 结

构，groupingBy 的结果是 1:n 的 k-v 结构。

比如，我们对Student 的年龄分组：

既然groupingBy 也是分组，是不是也能够实现与toMap 类似的功能，比如，根据 id 分组

的Student ：

x));

// {10=Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123), 11=Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123), 12=Student(id=1, name=张三, birthday=2009-01-01, age=12,

score=12.123)}

final Map map5 = students.stream()

.collect(Collectors.toMap(Student::getAge, Function.identity(),

BinaryOperator.maxBy(Comparator.comparing(Student::getScore))));

// List: {10=[Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)], 11=[Student(id=2, name=李四, birthday=2010-02-02,

age=11, score=22.123)], 12=[Student(id=1, name=张三, birthday=2009-01-

01, age=12, score=12.123)]}

final Map> map1 =

students.stream().collect(Collectors.groupingBy(Student::getAge));//

Set: {10=[Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)], 11=[Student(id=2, name=李四, birthday=2010-02-02,

age=11, score=22.123)], 12=[Student(id=1, name=张三, birthday=2009-01-

01, age=12, score=12.123)]}

final Map> map12 =

students.stream().collect(Collectors.groupingBy(Student::getAge,

Collectors.toSet()));

// {1=Student(id=1, name=张三, birthday=2009-01-01, age=12,

score=12.123), 2=Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123), 3=Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)}

final Map map3 = students.stream()

.collect(Collectors.groupingBy(Student::getId,

Collectors.collectingAndThen(Collectors.toList(), list ->

list.get(0))));

为了对比，把toMap 的写法放在这：

如果想要线程安全的Map ，可以使用groupingByConcurrent 。

2.4分组：partitioningBy

partitioningBy 与groupingBy 的区别在于，partitioningBy 借助Predicat

e 断言，可以将集合元素分为true 和false 两部分。比如，按照年龄是否大于 11 分组：

##

3统计结果：summarizingDouble、summarizingInt、summarizingLong

既然是数据操作，基本上逃不出计数、求平局、求和、最大、最小这几个，所以作者也是很贴心

的实现了一组聚合的数据统计方法。

这组方法与求和、求平均的方法类似，都需要注意方法类型。比如，按照分数统计的话，需要进

行类型转换：

// {1=Student(id=1, name=张三, birthday=2009-01-01, age=12,

score=12.123), 2=Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123), 3=Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)}

final Map map2 = students.stream()

.collect(Collectors.toMap(Student::getId, Function.identity(), (x, y) -

> x));

// List: {false=[Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123), Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)], true=[Student(id=1, name=张三, birthday=2009-01-01,

age=12, score=12.123)]}

final Map> map6 =

students.stream().collect(Collectors.partitioningBy(s -> s.getAge() >

11));

// Set: {false=[Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123), Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123)], true=[Student(id=1, name=张三, birthday=2009-01-01,

age=12, score=12.123)]}

final Map> map7 =

students.stream().collect(Collectors.partitioningBy(s -> s.getAge() >

11, Collectors.toSet()));

// IntSummaryStatistics{count=3, sum=66, min=12, average=22.000000,

max=32}

students.stream().collect(Collectors.summarizingInt(s -> (int)

s.getScore()))

如果是用年龄统计的话，三个方法通用：

注意：这三个方法返回值不一样，summarizingDouble 返回DoubleSummaryStatist

ics 类型，summarizingInt 返回IntSummaryStatistics 类型，summarizingLo

ng 返回LongSummaryStatistics 类型。

4链接数据：joining

这个方法对String 类型的元素进行聚合，拼接成一个字符串返回，作用与java.lang.Str

ing#join 类似，提供了 3 个不同重载方法，可以实现不同的需要。比如：

5操作链：collectingAndThen

这个方法在groupingBy 的例子中出现过，它是先对集合进行一次聚合操作，然后通过Func

tion 定义的函数，对聚合后的结果再次处理。

比如groupingBy 中的例子：

// DoubleSummaryStatistics{count=3, sum=66.369000, min=12.123000,

average=22.123000, max=32.123000}

students.stream().collect(Collectors.summarizingDouble(Student::getScor

e))

// LongSummaryStatistics{count=3, sum=66, min=12, average=22.000000,

max=32}

students.stream().collect(Collectors.summarizingLong(s -> (long)

// IntSummaryStatistics{count=3, sum=33, min=10, average=11.000000,

max=12}

students.stream().collect(Collectors.summarizingInt(Student::getAge))

// DoubleSummaryStatistics{count=3, sum=33.000000, min=10.000000,

average=11.000000, max=12.000000}

students.stream().collect(Collectors.summarizingDouble(Student::getAge)

)

// LongSummaryStatistics{count=3, sum=33, min=10, average=11.000000,

max=12}

students.stream().collect(Collectors.summarizingLong(Student::getAge))

// javagosql

Stream.of("java", "go", "sql").collect(Collectors.joining());

// java, go, sql

Stream.of("java", "go", "sql").collect(Collectors.joining(", "));

// 【java, go, sql】

Stream.of("java", "go", "sql").collect(Collectors.joining(", ", "【",

"】"));

显示将结果聚合成List 列表，然后取列表的第 0 个元素返回，通过这种方式，实现 1:1 的 ma

p 结构。

再来一个复杂一些的，找到聚合元素中年龄数据正确的Student 列表：

这个例子纯粹是为了使用collectingAndThen 的用法，其实可以简化为：

6操作后聚合：mapping

mapping 先通过Function 函数处理数据，然后通过Collector 方法聚合元素。比如，

获取获取students 的姓名列表：

这种计算与java.util.stream.Stream#map 方式类似：

从这点上看，还是通过java.util.stream.Stream#map 更清晰一些。

// {1=Student(id=1, name=张三, birthday=2009-01-01, age=12,

score=12.123), 2=Student(id=2, name=李四, birthday=2010-02-02, age=11,

score=22.123), 3=Student(id=3, name=王五, birthday=2011-03-03, age=10,

score=32.123)}

final Map map3 = students.stream()

.collect(Collectors.groupingBy(Student::getId,

Collectors.collectingAndThen(Collectors.toList(), list ->

list.get(0))));

// []，结果为空，是因为例子中所有人的年龄都是对的

students.stream() .collect(

Collectors.collectingAndThen(Collectors.toList(), (list ->

list.stream()

.filter(s -> (LocalDate.now().getYear() - s.getBirthday().getYear())

!=s.getAge()).collect(Collectors.toList()))));

students.stream()

.filter(s -> (LocalDate.now().getYear() -

s.getBirthday().getYear()) != s.getAge())

.collect(Collectors.toList());

// [张三, 李四, 王五]

students.stream()

.collect(Collectors.mapping(Student::getName, Collectors.toList()));

// [张三, 李四, 王五]

students.stream()

.map(Student::getName)

.collect(Collectors.toList());

7聚合后操作：reducing

reducing 提供了 3 个重载方法：

public static Collector> reducing(BinaryOper

ator op) ：直接通过BinaryOperator 操作，返回值是Optional 

public static Collector reducing(T identity, BinaryOp

erator op) ：预定默认值，然后通过BinaryOperator 操作

public static Collector reducing(U identity, Funct

ion mapper, BinaryOperator op) ：预定默认