14.3 流处理
流处理有点类似数据库的SQL语句，可以执行非常复杂的过滤、映射、查找和收集功能，并且代码量很少。
1.流处理的接口都定义在java.uil.stream包下。BaseStream接口是最基础的接口，但最常用的是BaseStream接口的一个子接口——Stream接口，基本上绝大多数的流处理都是在Stream接口上实现的。
2.Stream接口是泛型接口，所以流中操作的元素可以是任何类的对象。
Stream接口的常用方法如表14.3所示。
表14.3中最后一列“类型”中有两个值：中间操作和终端操作。中间操作类型的方法会生成一个新的流对象，被操作的流对象仍然可以执行其他操作；终端操作会消费流，操作结束之后，被操作的流对象就不能再次执行其他操作了。这是两者的最大区别。
Collection接口新增两个可以获取流对象的方法。第一个方法最常用，可以获取集合的顺序流，方法如下：
因为所有集合类都是Collection接口的子类，如ArrayList类、HashSet类等，所以这些类都可以进行流处理。例如：
14.3.2 Optional类
1.Optional类像是一个容器，可以保存任何对象，并且针对NullPointerException空指针异常做了优化，保证Optional类保存的值不会是null。因此，Optional类是针对“对象可能是null也可能不是null”的场景为开发者提供了优质的解决方案，减少了烦琐的异常处理。
2.Optional类是用final修饰的，所以不能有子类。Optional类是带有泛型的类，所以该类可以保存任何对象的值。
optional类中有一个叫作value的成员属性，这个属性就是用来保存具体值的。value是用泛型T修饰的，并且还用了final修饰，这表示一个Optional对象只能保存一个值。
14.3.3 Collectors类
Collectors类为收集器类，该类实现了java.util.Collector接口，可以将Stream流对象进行各种各样的封装、归集、分组等操作。
同时，Collectors类还提供了很多实用的数据加工方法，如数据统计计算等。Collectors类的常用方法如表14.5所示。
14.3.4 数据过滤
数据过滤就是在杂乱的数据中筛选出需要的数据，类似SQL语句中的WHERE关键字，给出一定的条件，将符合条件的数据过滤并展示出来。
1．filter()方法filter()方法是Stream接口提供的过滤方法。该方法可以将lambda表达式作为参数，然后按照lambda表达式的逻辑过滤流中的元素。过滤出想要的流元素后，还需使用Stream提供的collect()方法按照指定方法重新封装。
【例14.16】输出1～10中的所有奇数
这个实例把“获取流”“过滤流”“封装流”3个部分操作分开编写，是为了方便读者学习理解，通常为了代码简洁，3部分操作可以写在一行代码中，例如：
这种写法也可以避免终端操作造成的“流被消费掉”的问题，因为每次被操作的流都是从集合中重新获取的。
【例14.17】找出年龄大于30的员工
本实例使用了例14.14定义的Employee类，在获取员工集合后，将年龄大于30的员工过滤出来。如果将员工集合返回的流对象泛型定义为<Employee>，就可以直接在lambda表达式中使用Employee类的方法。
2．distinct()方法
distinct()方法是Stream接口提供的过滤方法。该方法可以去除流中的重复元素，效果与SQL语句中的DISTINCT关键字一样。
【例14.18】去除List集合中的重复数字
因为distinct()方法属于中间操作，所以可以配合filter()方法一起使用。
3．limit()方法
limit()方法是Stream接口提供的方法，该方法可以获取流中前N个元素。
【例14.19】找出所有员工列表中的前两位女员工
4．skip()方法
skip()方法是Stream接口提供的方法，该方法可以忽略流中的前N个元素。
【例14.20】取出所有男员工，并忽略前两位男员工
14.3.5 数据映射
数据的映射和过滤概念不同：过滤是在流中找到符合条件的元素，映射是在流中获得具体的数据。
Stream接口提供了map()方法用来实现数据映射，map()方法会按照参数中的函数逻辑获取新的流对象，新的流对象中元素类型可能与旧流对象元素类型不相同。
【例14.21】获取开发部所有员工的名单
本实例使用了例14.14定义的Employee类，在获取员工集合后，先过滤出开发部的员工，再引用员工类的getName()方法作为map()方法的映射参数，这样就获取到开发部员工名单。
结果输出了开发部两位员工的名字，但没有输出这两位员工的其他信息，这个就是映射的结果。
除了可以映射出员工名单，还可以对映射数据进行加工处理。例如，统计销售部一个月的薪资总额。因为涉及数字计算，所以需要让Stream对象转为可以进行数学运算的数字流。因为薪资类型是double类型，所以应该调用mapToDouble()方法进行转换。
【例14.22】计算销售部一个月的薪资总额
除DoubleStream类外，java.util.stream包还提供了IntStream类和LongStream类以应对不同的计算场景。
14.3.6 数据查找
本节所讲的数据查找并不是在流中获取数据（这属于数据过滤），而是判断流中是否有符合条件的数据，查找的结果是一个boolean值或一个Optional类的对象。本节将讲解allMatch()、anyMatch()、noneMatch()和findFirst()这4个方法。
1．allMatch()方法allMatch()方法是Stream接口提供的方法，该方法会判断流中的元素是否全部符合某一条件，返回结果是boolean值。如果所有元素都符合条件则返回true，否则返回false。
【例14.23】检查所有员工是否都大于25岁
2．anyMatch()方法anyMatch()方法是Stream接口提供的方法，该方法会判断流中的元素是否有符合某一条件，只要有一个元素符合条件就返回true，如果没有元素符合条件才会返回false。
3．noneMatch()方法
noneMatch()方法是Stream接口提供的方法，该方法会判断流中的所有元素是否都不符合某一条件。这个方法的逻辑和allMatch()方法正好相反。
【例14.25】检查公司是否不存在薪资小于2000元的员工
4．findFirst()方法
findFirst()方法是Stream接口提供的方法，这个方法会返回符合条件的第一个元素。
注意这个方法的返回值不是boolean值，而是一个Optional对象。
14.3.7 数据收集
数据收集可以理解为高级的“数据过滤+数据映射”，是对数据的深加工。本节将讲解两种实用场景：数据统计和数据分组。
1．数据统计
数据统计不仅可以筛选出特殊元素，还可以对元素的属性进行统计计算。这种复杂的统计操作不是由Stream实现的，而是由Collectors收集器类实现的，收集器提供了非常丰富的API，有着强大的数据挖掘能力。
【例14.27】统计公司各项数据，打印成报表
2．数据分组
数据分组就是将流中元素按照指定的条件分开保存，类似SQL语言中的“GROUP BY”关键字。分组之后的数据会按照不同的标签分别保存成一个集合，然后按照“键-值”关系封装在Map对象中。
数据分组有一级分组和多级分组两种场景
Collectors类提供的groupingBy()方法就是用来进行分组的方法，方法参数是一个Function接口对象，收集器会按照指定的函数规则对数据进行分组。
【例14.28】将所有员工按照部门分组
介绍完一级分组后，再介绍一下复杂的多级分组。
一级分组是按照一个条件进行分组，那么多级分组就是按照多个条件进行分组。还是用学校举例，学校有100个学生，这些学生分布在3个年级中，这是一级分组，但每个年级还有若干个班级，学生们分到不同年级之后又分到不同的班，这就是二级分组。如果学生再按男女分组，就变成了三级分组。元素按照两个以上的条件进行分组，就是多级分组。
Collectors类提供的groupingBy()方法还提供了一个重载形式：
这个重载方法的第二个参数也是一个收集器，当分组前数据包含其他分组的结果，这就构成了多级分组功能。
【例14.29】将所有员工先按照部门分组，再按照性别分组
