网站备案 固定电话,个人博客网站取名,中陕核建设集团网站,商务网站建设实验Stream API 的设计融合了多个经典设计模式#xff1a;
1. 策略模式#xff08;Strategy Pattern#xff09;
策略模式定义了一个算法的家族#xff0c;将每个算法封装起来#xff0c;并使它们可以互换。Stream API 中的每个操作#xff08;如 filter(), map()#xff…Stream API 的设计融合了多个经典设计模式
1. 策略模式Strategy Pattern
策略模式定义了一个算法的家族将每个算法封装起来并使它们可以互换。Stream API 中的每个操作如 filter(), map()都是一个策略它允许用户以灵活的方式组合这些操作。
import java.util.*;
import java.util.stream.*;public class StrategyPatternDemo {public static void main(String[] args) {ListInteger numbers Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);// 策略1: 过滤偶数ListInteger evenNumbers numbers.stream().filter(n - n % 2 0) // 策略1.collect(Collectors.toList());// 策略2: 将每个数字加倍ListInteger doubledNumbers numbers.stream().map(n - n * 2) // 策略2.collect(Collectors.toList());System.out.println(Even Numbers: evenNumbers);System.out.println(Doubled Numbers: doubledNumbers);}
}输出
Even Numbers: [2, 4, 6, 8, 10]
Doubled Numbers: [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]上面代码中filter 和 map 都是不同的策略操作它们可以灵活地组合在一起。你可以选择不同的策略如筛选偶数或将数字加倍并将它们组合成一个管道来处理数据。
2. 装饰者模式Decorator Pattern
Stream API 中的中间操作如 filter(), map()是典型的装饰者模式。每个中间操作都会返回一个新的流对象逐步增强原始流的功能。
import java.util.*;
import java.util.stream.*;public class DecoratorPatternDemo {public static void main(String[] args) {ListInteger numbers Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);// 使用装饰者模式: 先过滤偶数再将每个数字加倍ListInteger result numbers.stream().filter(n - n % 2 0) // 装饰者1: 筛选偶数.map(n - n * 2) // 装饰者2: 每个数字加倍.collect(Collectors.toList());System.out.println(Processed Numbers: result);}
}输出
Processed Numbers: [4, 8, 12, 16, 20]上面代码中filter 和 map 是装饰者模式的实现。每个中间操作都返回一个新的流逐步增强原始流的功能。最终的流会先过滤偶数再将这些偶数乘以 2。
3. 惰性求值Lazy Evaluation
Stream API 的惰性求值意味着中间操作不会立即执行只有在遇到终端操作时流才会开始计算。以下是一个示例
import java.util.*;
import java.util.stream.*;public class LazyEvaluationDemo {public static void main(String[] args) {ListInteger numbers Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);// 惰性求值只有在终端操作forEach执行时流才会开始计算numbers.stream().filter(n - {System.out.println(Filtering: n);return n % 2 0; // 过滤偶数}).map(n - {System.out.println(Mapping: n);return n * 2; // 每个数字加倍}).forEach(n - System.out.println(Final Result: n)); // 输出结果}
}输出
Filtering: 1
Filtering: 2
Mapping: 2
Final Result: 4
Filtering: 3
Filtering: 4
Mapping: 4
Final Result: 8
Filtering: 5
Filtering: 6
Mapping: 6
Final Result: 12
Filtering: 7
Filtering: 8
Mapping: 8
Final Result: 16
Filtering: 9
Filtering: 10
Mapping: 10
Final Result: 20上面代码中filter 和 map 都是懒执行的操作。filter 和 map 的计算只有在调用终端操作forEach时才会开始执行。可以看到只有经过过滤和映射的元素才会打印出来。
4. 合并模式Merging / ForkJoin
并行流实现了合并模式它通过 ForkJoinPool 将任务拆分成子任务并行执行然后合并结果。以下是一个简单的并行流的示例
import java.util.*;
import java.util.stream.*;public class ForkJoinDemo {public static void main(String[] args) {ListInteger numbers Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);// 使用并行流执行计算int sum numbers.parallelStream().map(n - {System.out.println(Processing: n in thread: Thread.currentThread().getName());return n;}).reduce(0, Integer::sum);System.out.println(Total Sum: sum);}
}输出不同的线程名可能会有所不同
Processing: 7 in thread: main
Processing: 6 in thread: main
Processing: 8 in thread: ForkJoinPool.commonPool-worker-2
Processing: 9 in thread: main
Processing: 10 in thread: main
Processing: 2 in thread: ForkJoinPool.commonPool-worker-2
Processing: 3 in thread: ForkJoinPool.commonPool-worker-1
Processing: 1 in thread: ForkJoinPool.commonPool-worker-2
Processing: 5 in thread: main
Processing: 4 in thread: ForkJoinPool.commonPool-worker-1
Total Sum: 55在上面代码中parallelStream() 会将任务分成多个子任务并行执行。每个子任务在不同的线程中处理数据最终通过 reduce 操作将结果合并在这个例子中是求和。
总结
策略模式Stream 中的每个操作如 filter()map()都代表一个策略可以灵活组合。装饰者模式中间操作是装饰者逐步增强流的功能操作不会修改原始流。惰性求值Stream 的中间操作如 filter()map()在终端操作如 forEach()触发时才会执行。合并模式并行流通过将任务拆分成多个子任务并行执行最终合并结果适合多核处理器的计算密集型任务。
