入门 lambda表达式教程 1

在之前的项目中，有同事就用过lambda表达式。之前只是泛泛的用了一下，今天找了一本书实际的看了一下《精通lambda表达式 java多核编程》。
下载链接：
链接: https://pan.baidu.com/s/1mNncEt5fj6cL0h7YXpyY0A 提取码: cjlj

下面是看书笔记。
首先准备一个实体类，用于写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;
    }
}

书中首先提到了，lambda表达式与匿名内部类具有相似性

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());
    }
});

这段程序采用匿名内部类的方式，实现了对names中所有成员的name元素的打印。这种匿名内部类的写法在日常工程项目中是非常常见的。比如 实现数据库事务、对象比较接口等的时候。

在有了lambda表达式之后，可以简化为

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

其中，lambda表达式会猜测出里面的表达式中参数的类型，如果lambda表达式无法通过上线文对参数类型进行猜测的话，需要程序员显示的标识参数的类型。就像下面这样

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

然后来看看下面的例子

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表达式可以和流运算结合起来实现多核并行编程，在小编以前的所有项目中，都只利用了计算机的一个核。这里是简单的一个流运算的例子，首先通过 list调用stream()方法，将数据转化成一个 Stream<Name>的结构，然后通过Map对整个流做操作。还记得大数据课上做过的实验（Map-reduce），这里的Map不是指的数据结构Map，它表示一种动作，表示对流中所有元素进行括号内处理并整合，由于流中各个成员是相互独立的，所以就可以利用多核来提高处理效率。Stream<Object> 提供了对元素的很多操作的方法，有需要了解的同学可以看看上面的书，或者自己写一段代码来试试。

其实，多核的流一般是调用另一个方法 $parallelStream()$

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();

从名字就可以看出，parallel 的中文意思就是平行。但是如果你测试上面两份代码的运行时间可能会发现 第一个的消耗时间可能比第二个少一些。这主要与你系统环境以及jvm的运行情况有关，但是从线上时间段统计观察，并行流的速度肯定高於单核流的。