入門 lambda表達式教程 1

在之前的項目中，有同事就用過lambda表達式。之前只是泛泛的用了一下，今天找了一本書實際的看了一下《精通lambda表達式 java多核編程》。
下載鏈接：
鏈接: https://pan.baidu.com/s/1mNncEt5fj6cL0h7YXpyY0A 提取碼: cjlj

下面是看書筆記。
首先準備一個實體類，用於寫demo程序

import lombok.Getter;
import lombok.Setter;

@Getter
@Setter
public class Name{

    private String name;
    public Integer age;
    Name(){

    }
    Name(Integer age){
        this.age = age;
    }

    Name(String name){
        this.name = name;
    }
}

書中首先提到了，lambda表達式與匿名內部類具有相似性

private List<Name> names = new ArrayList<>();
int n = 10;
for (int i = 0; i < n; i++) {
    Name name = new Name();
    name.setName(i+"");
    names.add(name);
}
names.forEach(new Consumer<Name>() {
    @Override
    public void accept(Name s) {
        log.info("{}", s.getName());
    }
});

這段程序採用匿名內部類的方式，實現了對names中所有成員的name元素的打印。這種匿名內部類的寫法在日常工程項目中是非常常見的。比如 實現數據庫事務、對象比較接口等的時候。

在有了lambda表達式之後，可以簡化爲

names.forEach(s -> {
            log.info("{}",s.getName());
        });

其中，lambda表達式會猜測出裏面的表達式中參數的類型，如果lambda表達式無法通過上線文對參數類型進行猜測的話，需要程序員顯示的標識參數的類型。就像下面這樣

names.forEach((Name s) -> {
            log.info("{}",s.getName());
        });

然後來看看下面的例子

List<Name> names1 = new ArrayList<>();
int n = 10000;
for (int i=0;i<n;i++){
    names1.add(new Name(i+1));
}
Integer ageSum1 = names1.stream()
                .map(name -> new Name(name.age*2+1))
                .mapToInt(name-> name.getAge())
                .sum();

lambda表達式可以和流運算結合起來實現多核並行編程，在小編以前的所有項目中，都只利用了計算機的一個核。這裏是簡單的一個流運算的例子，首先通過 list調用stream()方法，將數據轉化成一個 Stream<Name>的結構，然後通過Map對整個流做操作。還記得大數據課上做過的實驗（Map-reduce），這裏的Map不是指的數據結構Map，它表示一種動作，表示對流中所有元素進行括號內處理並整合，由於流中各個成員是相互獨立的，所以就可以利用多核來提高處理效率。Stream<Object> 提供了對元素的很多操作的方法，有需要了解的同學可以看看上面的書，或者自己寫一段代碼來試試。

其實，多核的流一般是調用另一個方法 $parallelStream()$

List<Name> names1 = new ArrayList<>();
int n = 10000;
for (int i=0;i<n;i++){
    names1.add(new Name(i+1));
}
Integer ageSum = names1.parallelStream()
                .map(name -> new Name(name.age*2+1))
                .mapToInt(name-> name.getAge())
                .sum();

從名字就可以看出，parallel 的中文意思就是平行。但是如果你測試上面兩份代碼的運行時間可能會發現 第一個的消耗時間可能比第二個少一些。這主要與你係統環境以及jvm的運行情況有關，但是從線上時間段統計觀察，並行流的速度肯定高於單核流的。