Java 8 vs. Scala（二）：Stream vs. Collection

【编者按】在之前文章中，我们介绍了Java 8和Scala的Lambda表达式对比。在本文，将进行Hussachai Puripunpinyo Java和Scala对比三部曲的第二部分，主要关注Stream和Collection，由 OneAPM 工程师翻译。

以下为译文

首先，为大家做一个简短的介绍，collection是有限的数据集，而stream是数据的序列集，可以是有限的或无限的。

Streams API是Java 8中新发布的API，主要用于操作collection和streaming数据。Collections API会改变数据集状态，而Streams API则不会。例如，当你调用Collections.sort(list)时，该方法会对传入的参数进行排序，而调用list.stream().sorted() 则会复制一份数据进行操作，保持原数据不变。 你可以在这里获得更多关于API数据流的信息

以下是笔者从Java 8文档中摘出的collections和streams之间的比较。强烈建议大家阅读 完整版 。

Streams和collections有以下几点区别：

1. 无存储。steam 不是存储数据元素的数据结构。而是通过计算操作管道从源头传输数据元素。

2.本质是函数。对Stream对象操作能得到一个结果，但是不会修改原始数据。

3. Laziness-seeking（延迟搜索）：Stream的很多操作如filter、map、sort和duplicate removal(去重）可以延迟实现，意思是我们只要检查到满足要求的元素就可以返回。

4. 可能是不受限制的：Streams允许Client取足够多的元素直到满足某个条件为止。而Collections不能这么做。

5. 消耗的。Steam中的元素在steam生存期内只能被访问一次。

Java 和 Scala 都可以很简单地同时计算 collection 中的值。在 Java 中，你只需调用parallelStream()* 或者 stream().parallel()，而不是stream()。在 Scala 中，在调用其他方法之前，必须先调用 par()函数。而且可以通过添加parallelism来提高程序的性能。不幸的是，大多数时间它的执行速度都非常慢。事实上，parallelism是一个很容易被误用的功能。 点这阅读这有趣的文章

在 JavaDoc 中， parallelStream()方法的介绍是：可能返回一个并行的stream（collection作为数据源），所以它也可能返回一个串行 stream。（ 有人做过关于该API的研究 ）

图像标题

Java 的 Stream API 是延后执行的。这意味着，没有指定一个终结操作（比如 collect() 方法调用），那么所有的中间调用（比如 filter 调用）是不会被执行的。延迟的流处理主要是为了优化stream API 的执行效率。比如对一个数据流进行过滤、映射以及求和运算，通过使用延后机制，那么所有操作只要遍历一次，从而减少中间调用。同时，延后执行允许每个操作只处理必要的数据。相反，Scala的collections是即时处理的。这样是否意味着，在测试中，Java Stream API始终优于 Scala ？如果只比较Java的 Stream API 和 Scala的Collection API，那么Java Stream API 的确优于 Scala Collection API。但在 Scala 中有更多的选择。通过简单地调用toStream()，就可以将一个 Collection 转换成一个Stream，或者可以使用 view （一种提供延后处理能力的Collection）来处理数据集合。

下面粗略介绍下Scala的Stream和View特性

Scala的Stream

Scala的Stream和Java的有所不同。在Scala Stream中，无需调用终结操作去取得Stream的结果。Stream是一个继承 Abstractseq 、 Linearseq 和 GenericTraversableTemplate trait的抽象类。所以，你可以把Stream当作 SEQ 。

如果你不熟悉Scala，可以将Seq当作Java里的List。（Scala 中的 List 不是一个接口）。

这里需知道Streams 中的元素都是延迟计算的，正因为此，Stream能够计算无限数据流。如果要计算集合中的所有元素，Stream和List有相同的性能。一旦计算出结果，数值将被缓存。Stream有一个force函数，能够强制评估stream再返回结果。注意，不要在无限流中调用该函数，也不要强制该API处理整个stream的操作，比如size()、tolist()、foreach()等，这些操作在Scala的Stream中都是隐式的。

在Scala Stream中实现Fibonacci数列。

def fibFrom(a: Int, b: Int): Stream[Int] = a #:: fibFrom(b, a + b) val fib1 = fibFrom(0, 1) //0 1 1 2 3 5 8 … val fib5 = fibFrom(0, 5) //0 5 5 10 15 … //fib1.force //Don’t do this cause it will call the function infinitely and soon you will get the OutOfMemoryError //fib1.size //Don’t do this too with the same reason as above. fib1.take(10) //Do this. It will take the first 10 from the inifite Stream. fib1.take(20).foreach(println(_)) //Prints 20 first numbers

:: 是collection中常用的连接数据的方法。而 #:: 表示是连接数据但是是延迟执行的（Scala中的方法名都很随意）。

Scala的View

再次重申，Scala的collection是一个严格collection，而view是非严格的。View 是基于一个基础 collection 的 collection，其中所有的转换都会延迟执行。通过调用 view 函数可以将严格collection转换成 view，也可以通过调用 force 方法转换回来。View 并不缓存结果，每次调用时才会执行转换。就像数据库的 View，但它是虚拟collection。

创建一个数据集。

public class Pet {  public static enum Type {   CAT, DOG  }  public static enum Color {   BLACK, WHITE, BROWN, GREEN  }  private String name;  private Type type;  private LocalDate birthdate;  private Color color;  private int weight;  ... } 

假设有一个宠物集，接下来会利用该集合详细说明。

过滤器

要求 ：从集合过滤一只胖乎乎的宠物，胖乎乎的定义是体重超过50磅，还想得到一个在2013年1月1日出生的宠物名单。下面的代码片段显示了如何以不同的方式实现该滤波器的工作。

Java 方法1 ：传统方式

//Before Java 8 List<Pet> tmpList = new ArrayList<>(); for(Pet pet: pets){     if(pet.getBirthdate().isBefore(LocalDate.of(2013, Month.JANUARY, 1))             && pet.getWeight() > 50){         tmpList.add(pet);     } }

这种方式在命令式语言中十分常见。首先，必须创建一个临时集合，然后遍历所有元素，存储满足条件的元素到临时集中。的确有点绕口，但其结果和效率都非常不错。但本人不得不扫兴地说，传统方法比Streams API更快。不过，完全不用担心性能问题，因为代码的简洁比轻微的性能增益更重要。

Java 方法2 ：Streams API

//Java 8 - Stream pets.stream()     .filter(pet -> pet.getBirthdate().isBefore(LocalDate.of(2013, Month.JANUARY, 1)))     .filter(pet -> pet.getWeight() > 50)     .collect(toList())

以上代码表示，使用Streams API过滤集合中的元素。之所以故意两次调用过滤函数，是想表明Streams 的 API 设计就像一个 Builder pattern。在Builder pattern调用构建方法之前，可以将各种方法串联起来。在Streams API中，构建方法被称为终结操作，非终结操作的叫做中间操作。终结操作可能不同于构造函数，因为它在 Streams API 中只能被调用一次。但还有很多可使用的终结操作，比如collect、count、min、max、iterator、toArray。这些操作会产生结果，而终端操作会消耗值，例如forEach。那么，你认为传统方法和 Streams API 哪一个的可读性更强？

Java 方法3 ：Collections API

//Java 8 - Collection pets.removeIf(pet -> !(pet.getBirthdate().isBefore(LocalDate.of(2013, Month.JANUARY, 1))                     && pet.getWeight() > 50)); //Applying De-Morgan's law. pets.removeIf(pet -> pets.get(0).getBirthdate().toEpochDay() >= LocalDate.of(2013, Month.JANUARY, 1).toEpochDay()                 || pet.getWeight() <= 50);

这种方法是最简短的。但是，它修改了原始集合，而前面的方法不会。removeif函数将Predicate<T>（函数接口）作为参数。Predicate是一个行为参数，它只有一个名为test抽象方法，只需要一个对象并返回布尔值。注意，这里必须使用“！”取反，或者可以应用De Morgan定理，使得代码看起来像二次声明。

Scala方法 ：Collection、View和Stream

//Scala - strict collection pets.filter { pet => pet.getBirthdate.isBefore(LocalDate.of(2013, Month.JANUARY, 1))} .filter { pet => pet.getWeight > 50 } //List[Pet] //Scala - non-strict collection pets.views.filter { pet => pet.getBirthdate.isBefore(LocalDate.of(2013, Month.JANUARY, 1))} .filter { pet => pet.getWeight > 50 } //SeqView[Pet] //Scala - stream pets.toStream.filter { pet => pet.getBirthdate.isBefore(LocalDate.of(2013, Month.JANUARY, 1))} .filter { pet => pet.getWeight > 50 } //Stream[Pet]

Scala 的解决方案类似于Java 的Streams API。但首先，必须调用view函数把严格集转向非严格集，然后再用tostream函数把严格集转成一个stream。

接下来直接上代码。

分组

通过元素的一个属性对起所在集合做group。结果是Map<T, List<T>>，其中T是一个泛型类型。

要求：通过类型对宠物分组，诸如狗，猫等等。

注意：groupingBy是java.util.stream.Collectors的静态的helper method。

排序

根据属性对集合中的元素排序。结果会是任何类型的集合，根据配置来维持元素顺序。

要求：需按照类型、名字和颜色排序。

映射

将给定函数应用在集合元素中。根据定义的函数不同，其返回的结果类型也不同。

要求：需将宠物转化成字符串，以“%s — name: %s, color: %s”的格式。

寻找第一个

返回第一个能与指定predicate匹配的值。

要求 ：找一个名为“Handsome”的宠物。无论有多少个“Handsome"，只取第一个。

这个问题有点棘手。不知道你是否注意，在 Scala 中笔者所使用的是 find函数而不是 filter ？如果用 filter 代替 find，它就会计算集合中所有元素，因为 scala collection是严格的。但是，在 Java 的 Streams API 中你可以放心使用 filter，因为它会计算需要的第一个值，并不会计算所有元素。这就是延迟执行的好处!

接下来，向大家介绍 scala 中更多集合延迟执行的实例。我们假定 filter 总是返回 true，然后再取第二个值。将会是什么结果呢？

pets.filter { x => println(x.getName); true }.get(1) --- (1)

pets.toStream.filter { x => println(x.getName); true }.get(1) -- (2)

如上所示，（1）式将会打印出集合中所有宠物的名字，而（2）式则只输出前2个宠物的名字。这就是lazy collection的好处，总是延迟计算。

pets.view.filter { x => println(x.getName); true }.get(1) --- (3)

（3）式和（2）式会有一样的结果吗？错！它的结果和（1）是一样的，你知道为什么吗？

通过比较 Java 和 Scala 中的一些共同的操作方法 ——filter、group、map 和 find；很明显 Scala 的方法比 Java 更简洁。你更喜欢哪一个呢?哪一个的可读性更强？

在文章的下一个部分，我们将比较哪种方式更快。敬请期待！

原文链接： https://dzone.com/articles/java-8-vs-scalapart-ii-streams-api （责编/仲浩）

推荐阅读： Java 8 vs. Scala（一）: Lambda表达式

90+位讲师，16大分论坛，Databricks公司联合创始人、Apache Spark首席架构师辛湜，Hadoop、HBase和Thrift项目的PMC成员和Committer、Kudu的发明人Todd Lipcon等海外专家将亲临 2015中国大数据技术大会 ，票价折扣即将结束， 预购从速 。