Java8函数式编程的宏观总结

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Java8函数式编程的宏观总结，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2907字，纯文字阅读大概需要5分钟。

内容图文

1.java8优势
通过将行为进行抽象，java8提供了批量处理数据的并行类库，使得代码可以在多核CPU上高效运行。

2.函数式编程的核心
使用不可变值和函数，函数对一个值进行处理，映射成另一个值。

3.Lambda表达式
一种紧凑的、传递行为的方式。

4. 静态类型语言
java8依旧是静态类型语言，javac依旧会在编译时，对参数类型进行检查。

5.函数接口
只有一个抽象方法的接口，用作lamdba表达式的类型。

6.对核心类库的改进－Stream
实现机制
整个过程：一系列惰性求值方法＋最后一个及早求值方法
常用流操作

collect
及早求值的方法，用于生成list，set，map。
map
将一个流中的值转化为一个新的流，对应的业务逻辑是：有一个函数需要将一种类型的值转为另一种类型。
filter
遍历数据并检查其中的元素，过滤掉不符合条件的元素。接受一个Predicate接口
flatmap
可用Stream替换值，然后将多个Stream连接成一个Stream
例如：List together=Stream.of(list1,list2,…,listn).flatMap(num->num.stream()).collect(Collectors.toList());
max和min
参数：参数为排序指标
格式：xx.stream().max(Comparator.comparing(…)).get();
reduce
从一组值生成一个值
例如count(),sum()等
使用方法有两种形式
有初始值
无初始值
返回对象：Optional对象
如果code想要并行化，则reduce操作有2个限制
初值必须为组合函数的恒等值
组合操作必须符合结合律
Stream迭代的优势

利用Stream进行迭代，使得迭代过程从外部迭代 转为 内部迭代。
外部迭代缺点：
本质上，属于串行化操作
7. 对核心类库的改进－集合类API
形式上：引入default方法和接口的static方法
基本类型的改变：
只包括：Integer,Long,Double共计3种，因为这3种在数值计算中使用的最多。
Stream类的某些方法对基本类型和装箱类型进行了区分，目的是减少装箱拆箱的性能开销。
default方法出现的意义
实现了库接口的自定义类，在库接口添加新方法时，可以在不改变客户端自定义类的情况下，使得自定义类正常运行。因为新添加的方法类型为default，这样自定义的类虽然没有实现这个接口方法，但是自动拥有了这个方法，因为库接口提供了这个方法的默认实现。
Optional新增数据类型
功能：
用于替换null
使用Optional的目的
Optional对象鼓励程序员适时检查变量是否为空。
它将一个类的API中可能为空的值文档化，更适合阅读。
8.数据并行化
数据并行化的必要性
多核CPU的出现，需要通过并行化的code来提升现有代码的计算能力，而不再依赖提升CPU的时钟频率。
阿姆达尔定律
预测了搭载多核CPU的机器提升速度的理论最大值。例如，如果将一段完全串行化的code，一半改为并行化处理，则CPU>=2的所有情况中，理论上最大速度都是原来的2倍。因此，可以得出结论，问题的求解时间，完全取决于：问题可以被分解为几个部分
影响并行流性能的5个因素
数据大小。因为涉及到数据分解、合并的开销。
源数据结构。因为这涉及数据分割的开销。
装箱。
核的数量。这里核的数量是指：运行时，机器能使用的核的数量，而不是机器上有多少核。
单元处理开销。单元处理开销时间越长，并行操作带来的性能提升越明显。
核心类库的通用数据结构分类
分类标准
长度是否确定，结构是否复杂两方面考虑。
性能好(长度确定，线性结构)
如ArrayList，数组，Intstream.range等。支持随机读取，易分解。
性能一般(结构复杂,tree/hash类型)
如HashSet，TreeSet等，不易公平分解。
性能差(长度不定)
如LinkedList，分解时间复杂度为：O(N)。
java8对数组新增的并行化操作方法
Arrays.parallelPrefix，计算数组的和
Arrays.parallelSetAll，更新数组元素
Arrays.parallelSort，对数组元素排序

内容总结

以上是互联网集市为您收集整理的Java8函数式编程的宏观总结全部内容，希望文章能够帮你解决Java8函数式编程的宏观总结所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端