我們期待了很久lambda為java帶來閉包的概念，但是如果我們不在集合中使用它的話，就損失了很大價值。現有接口遷移成為lambda風格的問題已經通過default methods解決了，在這篇文章將深入解析Java集合里面的批量數據操作（bulk operation），解開lambda***作用的神秘面紗。

1.關于JSR335

JSR是Java Specification Requests的縮寫，意思是Java 規范請求,Java 8 版本的主要改進是 Lambda 項目（JSR 335），其目的是使 Java 更易于為多核處理器編寫代碼。JSR 335=lambda表達式+接口改進（默認方法）+批量數據操作。加上前面兩篇，我們已是完整的學習了JSR335的相關內容了。

2.外部VS內部迭代

以前Java集合是不能夠表達內部迭代的，而只提供了一種外部迭代的方式，也就是for或者while循環。

List persons = asList(new Person("Joe"), new Person("Jim"), new Person("John"));  
for (Person p :  persons) {  
   p.setLastName("Doe");  
} 

上面的例子是我們以前的做法，也就是所謂的外部迭代，循環是固定的順序循環。在現在多核的時代，如果我們想并行循環，不得不修改以上代碼。效率能有多大提升還說定，且會帶來一定的風險（線程安全問題等等）。
要描述內部迭代，我們需要用到Lambda這樣的類庫,下面利用lambda和Collection.forEach重寫上面的循環

persons.forEach(p->p.setLastName("Doe")); 

現在是由jdk 庫來控制循環了，我們不需要關心last name是怎么被設置到每一個person對象里面去的，庫可以根據運行環境來決定怎么做，并行，亂序或者懶加載方式。這就是內部迭代，客戶端將行為p.setLastName當做數據傳入api里面。

內部迭代其實和集合的批量操作并沒有密切的聯系，借助它我們感受到語法表達上的變化。真正有意思的和批量操作相關的是新的流（stream）API。新的java.util.stream包已經添加進JDK 8了。

3.Stream API

流（Stream）僅僅代表著數據流，并沒有數據結構，所以他遍歷完一次之后便再也無法遍歷（這點在編程時候需要注意，不像Collection，遍歷多少次里面都還有數據），它的來源可以是Collection、array、io等等。

3.1中間與終點方法

流作用是提供了一種操作大數據接口，讓數據操作更容易和更快。它具有過濾、映射以及減少遍歷數等方法，這些方法分兩種：中間方法和終端方法，“流”抽象天生就該是持續的，中間方法永遠返回的是Stream，因此如果我們要獲取最終結果的話，必須使用終點操作才能收集流產生的最終結果。區分這兩個方法是看他的返回值，如果是Stream則是中間方法，否則是終點方法。具體請參照Stream的api。

簡單介紹下幾個中間方法（filter、map）以及終點方法（collect、sum）

3.1.1Filter

在數據流中實現過濾功能是首先我們可以想到的最自然的操作了。Stream接口暴露了一個filter方法，它可以接受表示操作的Predicate實現來使用定義了過濾條件的lambda表達式。

List persons = …  
Stream personsOver18 = persons.stream().filter(p -> p.getAge() > 18);//過濾18歲以上的人 

3.1.2Map

假使我們現在過濾了一些數據，比如轉換對象的時候。Map操作允許我們執行一個Function的實現（Function<T,R>的泛型T,R分別表示執行輸入和執行結果），它接受入參并返回。首先，讓我們來看看怎樣以匿名內部類的方式來描述它：

Stream adult= persons  
              .stream()  
              .filter(p -> p.getAge() > 18)  
              .map(new Function() {  
                  @Override 
                  public Adult apply(Person person) {  
                     return new Adult(person);//將大于18歲的人轉為成年人  
                  }  
              }); 

現在，把上述例子轉換成使用lambda表達式的寫法：

Stream map = persons.stream()  
                    .filter(p -> p.getAge() > 18)  
                    .map(person -> new Adult(person)); 

3.1.3Count

count方法是一個流的終點方法，可使流的結果最終統計，返回int，比如我們計算一下滿足18歲的總人數

int countOfAdult=persons.stream()  
                       .filter(p -> p.getAge() > 18)  
                       .map(person -> new Adult(person))  
                       .count(); 

3.1.4Collect

collect方法也是一個流的終點方法，可收集最終的結果

List adultList= persons.stream()  
                       .filter(p -> p.getAge() > 18)  
                       .map(person -> new Adult(person))  
                       .collect(Collectors.toList()); 

或者，如果我們想使用特定的實現類來收集結果：

List adultList = persons  
                 .stream()  
                 .filter(p -> p.getAge() > 18)  
                 .map(person -> new Adult(person))  
                 .collect(Collectors.toCollection(ArrayList::new)); 

篇幅有限，其他的中間方法和終點方法就不一一介紹了，看了上面幾個例子，大家明白這兩種方法的區別即可，后面可根據需求來決定使用。

3.2順序流與并行流

每個Stream都有兩種模式：順序執行和并行執行。
順序流：

List <Person> people = list.getStream.collect(Collectors.toList()); 

并行流：

List <Person> people = list.getStream.parallel().collect(Collectors.toList()); 

顧名思義，當使用順序方式去遍歷時，每個item讀完后再讀下一個item。而使用并行去遍歷時，數組會被分成多個段，其中每一個都在不同的線程中處理，然后將結果一起輸出。

3.2.1并行流原理：

List originalList = someData;  
split1 = originalList(0, mid);//將數據分小部分  
split2 = originalList(mid,end);  
new Runnable(split1.process());//小部分執行操作  
new Runnable(split2.process());  
List revisedList = split1 + split2;//將結果合并 

大家對hadoop有稍微了解就知道，里面的 MapReduce  本身就是用于并行處理大數據集的軟件框架，其 處理大數據的核心思想就是大而化小，分配到不同機器去運行map，最終通過reduce將所有機器的結果結合起來得到一個最終結果，與MapReduce不同，Stream則是利用多核技術可將大數據通過多核并行處理，而MapReduce則可以分布式的。

3.2.2順序與并行性能測試對比

如果是多核機器，理論上并行流則會比順序流快上一倍，下面是測試代碼

long t0 = System.nanoTime();  
 
//初始化一個范圍100萬整數流,求能被2整除的數字，toArray（）是終點方法  
 
int a[]=IntStream.range(0, 1_000_000).filter(p -> p % 2==0).toArray();  
 
long t1 = System.nanoTime();  
 
//和上面功能一樣，這里是用并行流來計算  
 
int b[]=IntStream.range(0, 1_000_000).parallel().filter(p -> p % 2==0).toArray();  
 
long t2 = System.nanoTime();  
 
//我本機的結果是serial: 0.06s, parallel 0.02s，證明并行流確實比順序流快  
 
System.out.printf("serial: %.2fs, parallel %.2fs%n", (t1 - t0) * 1e-9, (t2 - t1) * 1e-9); 

3.3關于Folk/Join框架

應用硬件的并行性在java 7就有了，那就是 java.util.concurrent 包的新增功能之一是一個 fork-join 風格的并行分解框架，同樣也很強大高效，有興趣的同學去研究，這里不詳談了，相比Stream.parallel()這種方式，我更傾向于后者。

4.總結

如果沒有lambda，Stream用起來相當別扭，他會產生大量的匿名內部類，比如上面的3.1.2map例子，如果沒有default method，集合框架更改勢必會引起大量的改動，所以lambda+default method使得jdk庫更加強大，以及靈活，Stream以及集合框架的改進便是***的證明。

java 8特性探究系列寫了3篇了，作為大餐，將java 8的重量級特性lambda與default method寫在前面，下篇上個小菜，葷素搭配，也是語言相關的，JEP104 Java 類型的注解的探究，同時謝謝大家的支持，歡迎提出建議。如果你想了解哪些特性，歡迎給我發留言。

原文鏈接：http://my.oschina.net/benhaile/blog/177148