我有一个列表myListToParse，我想在其中过滤元素并对每个元素应用一个方法，并将结果添加到另一个列表myFinalList中。
在Java 8中，我注意到我可以用两种不同的方式来做到这一点。我想知道他们之间更有效的方式，并了解为什么一种方式比另一种更好。
我愿意接受任何关于第三条路的建议。
方法1:
myFinalList = new ArrayList<>();
myListToParse.stream()
.filter(elt -> elt != null)
.forEach(elt -> myFinalList.add(doSomething(elt)));
方法2:
myFinalList = myListToParse.stream()
.filter(elt -> elt != null)
.map(elt -> doSomething(elt))
.collect(Collectors.toList());
当前回答
如果使用第三方库是可以的，cyclops-react定义了内置此功能的Lazy扩展集合。例如，我们可以简单地写
ListX myListToParse;
ListX myFinalList = myListToParse.filter（elt -> elt ！= null） .map（elt -> doSomething（elt））;
myFinalList在第一次访问之前(在物化列表被缓存和重用之后)不会被求值。
[披露我是cyclops-react的主要开发者]
其他回答
我更喜欢第二种方式。
当您使用第一种方法时，如果您决定使用并行流来提高性能，则无法控制forEach将元素添加到输出列表中的顺序。
当您使用toList时，Streams API将保留顺序，即使您使用并行流。
如果使用第三方库是可以的，cyclops-react定义了内置此功能的Lazy扩展集合。例如，我们可以简单地写
ListX myListToParse;
ListX myFinalList = myListToParse.filter（elt -> elt ！= null） .map（elt -> doSomething（elt））;
myFinalList在第一次访问之前(在物化列表被缓存和重用之后)不会被求值。
[披露我是cyclops-react的主要开发者]
使用流的主要好处之一是，它提供了以声明式方式处理数据的能力，也就是说，使用函数式编程风格。它还提供了免费的多线程功能，这意味着不需要编写任何额外的多线程代码来使流并发。
假设您探索这种编程风格的原因是希望利用这些优点，那么您的第一个代码示例可能不是功能性的，因为foreach方法被归类为终端方法(这意味着它可能产生副作用)。
从函数式编程的角度来看，第二种方法是首选的，因为map函数可以接受无状态lambda函数。更明确地说，传递给map函数的lambda应该是
非干扰，意味着函数不应该改变流的源，如果它是非并发的(例如ArrayList)。 无状态以避免在进行并行处理时出现意外结果(由线程调度差异引起)。
第二种方法的另一个好处是，如果流是并行的，而收集器是并发的和无序的，那么这些特征可以为简化操作提供有用的提示，以便并发地进行收集。
还有第三种选择-使用stream(). toarray() -请参阅“为什么stream没有toList方法”下的注释。它比forEach()或collect()慢，表达能力也更差。它可能会在以后的JDK构建中得到优化，所以在这里添加它以防万一。
假设列表<字符串>
myFinalList = Arrays.asList(
myListToParse.stream()
.filter(Objects::nonNull)
.map(this::doSomething)
.toArray(String[]::new)
);
在doSomething()中有一个微型基准测试，1M个条目，20%的空值和简单的转换
private LongSummaryStatistics benchmark(final String testName, final Runnable methodToTest, int samples) {
long[] timing = new long[samples];
for (int i = 0; i < samples; i++) {
long start = System.currentTimeMillis();
methodToTest.run();
timing[i] = System.currentTimeMillis() - start;
}
final LongSummaryStatistics stats = Arrays.stream(timing).summaryStatistics();
System.out.println(testName + ": " + stats);
return stats;
}
结果如下
并行:
toArray: LongSummaryStatistics{count=10, sum=3721, min=321, average=372,100000, max=535}
forEach: LongSummaryStatistics{count=10, sum=3502, min=249, average=350,200000, max=389}
collect: LongSummaryStatistics{count=10, sum=3325, min=265, average=332,500000, max=368}
顺序:
toArray: LongSummaryStatistics{count=10, sum=5493, min=517, average=549,300000, max=569}
forEach: LongSummaryStatistics{count=10, sum=5316, min=427, average=531,600000, max=571}
collect: LongSummaryStatistics{count=10, sum=5380, min=444, average=538,000000, max=557}
parallel没有空值和过滤器(所以流的大小): toArrays在这种情况下具有最好的性能，而.forEach()在接收数组列表上的"indexOutOfBounds"失败，必须替换为.forEachOrdered()
toArray: LongSummaryStatistics{count=100, sum=75566, min=707, average=755,660000, max=1107}
forEach: LongSummaryStatistics{count=100, sum=115802, min=992, average=1158,020000, max=1254}
collect: LongSummaryStatistics{count=100, sum=88415, min=732, average=884,150000, max=1014}
不要担心任何性能差异，在这种情况下，它们通常是最小的。
方法2更可取，因为
it doesn't require mutating a collection that exists outside the lambda expression. it's more readable because the different steps that are performed in the collection pipeline are written sequentially: first a filter operation, then a map operation, then collecting the result (for more info on the benefits of collection pipelines, see Martin Fowler's excellent article.) you can easily change the way values are collected by replacing the Collector that is used. In some cases you may need to write your own Collector, but then the benefit is that you can easily reuse that.
