Streams | @bagnascojhoel

💡

São um fluxo de elementos imutáveis que podem ser processados apenas uma vez

Pode ser sequencial ou paralela; finita ou infinita

uma stream pode ser infinita, mas deve ter um processamento finito

Se uma Stream tiver chamadas para parallel e outra, em qualquer ordem, para sequential toda a Stream será processada de acordo com o último método chamado, seja ele sequential ou parallel

As operações de uma stream utilizam functional interfaces

São definidas através das interfaces:

BaseStream: define os comportamentos essenciais
Stream: pode ser utilizada para qualquer tipo de stream
DoubleStream, IntStream e LongStream: fornecem métodos que ajudam no processamento desses tipos em suas versões primitivas

É possível criar uma stream a partir de qualquer coleção, array ou com métodos estáticos da classe Stream

Operações

Short-circuit

São algumas operações de Streams que produzem resultado finito mesmo em Streams infinitas. Existem operações short-circuit que são intermediárias ou terminais.

Intermediárias

São operações que executam uma ação e retornam outra Stream. Elas são: filter, map, flatMap, peek, distinct, sorted, dropWhile e skip. limit, takeWhile. As operações short-circuit são: limit e takeWhile.

flatMap permite transformar uma lista de listas em uma lista única, ou seja, mesclar múltiplas Streams em uma única

Terminais

São operações que percorrem toda a Stream e retornam algo diferente de uma Stream. Elas são: forEach, ForEachOrdered, count, min, max, sum, average, collect e reduce. As operações short-circuit são: allMatch, anyMatch, noneMatch, findAny e findFirst.

collect executa uma redução mutável nos elementos da Stream. Ele utiliza classes que implementam a interface Collector; existem muitos métodos auxiliares na classe Collectors

Collectors

💡

Classe com métodos Collector auxiliares

Existem métodos para executar cálculos matemáticos comuns

Métodos para mapear e unir elementos de uma Stream

Métodos de união de elementos de uma coleção

O método collectingAndThen une os elementos resultantes de outros métodos coletores

O método partitioningBy divide o conteúdo em um Map com colunas de valores verdadeiros e falsos; um valor é testado usando um Predicate

O método groupingBy divide o conteúdo em um Map com colunas criadas a partir de uma Function

Parallel Stream Processing

Os elementos da Stream são divididos em subconjuntos. Subconjuntos podem ser divididos em mais subconjuntos, e assim por diante. Esses subconjunto são enviados para diferentes cores do processador e processados em uma ordem impossível de determinar. Quando todos elementos da Stream forem processados ela se torna uma novamente.

Processamento paralelo só é benéfico se:

A Stream tem um grande número de elementos (+10.000)

O hardware executando o programa possuí um CPU multi-core

O processamento feito nos elementos da Stream consome muitos recursos do CPU

Existem alguns critérios para definir se uma Stream deve ser processadas de forma paralela ou não:

Stateless: o estado de um elemento não pode afetar outro

Non-interfering: a coleção-fonte não deve sofrer modificações

Associative: o resultado não pode ser afetado pela ordem de processamento dos elementos

Lidar com Streams paralelas de forma incorreta pode corromper a memória e/ou deixar o processamento lento:

Não executar operações que precisem de acesso sequencial a um recurso compartilhado (e.g. imprimir as Strings de uma coleção)

Não executar operações que modifiquem um recurso compartilhado (e.g. como fazer um map dos elementos da Stream)

Não Usar Collectors inapropriados (e.g. toMap deve ser usado em modo sequencial; toConcurrentMap em paralelo)