자바의정석 - 14장 스트림

: 데이터 소스를 추상화하고 자주 사용되는 메서드들을 정의해 놓은 것

특징

• Side effect: 기존 데이터 소스를 변경하지 않는다. 따라서 stream을 사용하면 여러 스레드가 동시접근해도 임계영역 문제를 줄일 수 있다.

• 일회용: 한번 사용하면 스트림이 닫혀서 재사용 불가능하다. 필요하면 스트림을 다시 생성해야한다.

• 데이터 소스 추상화 : 데이터 소스가 무엇이던 같은 방식으로 다룰 수 있다. 원래같으면 List 정렬에는 Collections.sort(), Array 정렬에는 Arrays.sort() 사용해야한다.

• 지연 연산(lazy evaluation): 최종 연산이 수행되기 전까지는 중간 연산이 수행되지 않는다. 최종 연산이 수행되어야 비로소 스트림의 요소들이 중간 연산을 거쳐 최종 연산에서 소모된다.

  List<String> names = Arrays.asList("a", "b", "c");
    
  lists.stream().map(name -> {
    System.out.println(name); // *
    return name.toUpperCase();
  });
  

  • 위 코드에서 map()이라는 중간 연산만 존재하고 최종 연산이 없기 때문에 * 출력문은 수행되지 않는다.
• 오토박싱 & 언박싱의 데이터 소스의 요소를 기본형으로 다루는 스트림 (IntStream, LongStream, DoubleStream)이 제공된다.
  • 오토박싱과 언박싱: int -> Integer, Integer -> int
• 병렬 스트림: 스레드 병렬 처리를 지원한다. parralel() 로 병렬 처리, sequential()로 병렬 처리하지 않도록.

스트림 생성

• Collection.stream() , Stream.of(T... values) 과 같이 생성

• 기본형 스트림(박싱되어있는 스트림)이 일반 스트림보다 보편적으로 좋다. e.g) IntStream이 Stream<Int>보다 좋다. 해당 타입의 값으로 작업하는데 유용한 메서드들이 포함되어있다.

  • 중간 연산인 mapTo() 를 통해 기본형 스트림으로 변경해준다.

• iterate(), generate(): 람다식을 매개변수로 받아, 이 람다식에 의해 계산되는 값들을 요소로하는 무한 스트림을 생성

  Stream<Double> randomStream = Stream.generate(Math::random);
  Stream<Double> oneStream = Stream.generate(() -> 1));
    
  IntStream evenStream = Stream.iterate(0, n -> n + 2); // A. 에러
  IntStream evenStream = Stream.iterate(0, n -> n + 2).mapToInt(Integer::valueOf);
  Stream<Integer> stream = evenStream.boxed(); // IntStream -> Stream<Integer>
  

  • A : iterate(), generate() 에 의해 생성된 스트림을 기본형 스트림 타입의 참조변수로 다룰 수 없다.

Optional

• 객체 생성: Optional.of() or Optional.ofNullable()
• 객체 값 가져오기: optionalObj.get(). Null이면 NPE 발생하기 때문에 orElse() 로 값 대체 or orThrow()
• isPresent() 를 통해 조건식 가능. ifPresent() 를 사용하면 더 간결하다. ifPresent()는 findAny(), findFirst() 같은 최종 연산과 잘 어울린다.

중간 연산

• 연산 결과가 스트림이다.
• 스트림 자르기 (앞) skip(), (뒤) limit(), 요소 걸러내기 filter(), distinct(), 조회 peek(): 스트림 중간에 로그 찍기 용도 등.
• flatMap(): Stream<T[]> -> Stream<T>

최종 연산

• 연산 결과가 스트림이 아니다.
• loop forEach(), 조건 검사 ~~~Match(), find~~~(), 통계나 연산count(), sum(), average(), max(), min() 등
• 리듀싱: reduce(). 스트림의 요소를 줄여나가면서 연산을 수행하고 최종 결과 반환한다.
  • 매개변수 타입이 BinaryOperator<T>이다. 처음 두 요소를 가져와 연산을 수행하고 그 결과를 가지고 다음 요소와 연산한다.
  • count(), sum(), max(), min()은 내부적으로 리듀싱을 사용한다.

collect

: 스트림의 요소를 수집하는 최종 연산. reducing과 유사하다.

Collectors 메서드

• 스트림을 컬렉션, 배열로 변환: toList(), toSet() 등

• 통계: counting(), summingInt(), averaginInt(), maxBy(), minBy()

• 리듀싱: reducing()

• 문자열 결합: joining() 구분자, 접두사, 접미사 지정도 가능하다.

• 그룹화와 분할: groupingBy(), partitioningBy(). 이 두 가지가 collect() 가 필요한 가장 큰 이유이다. 둘은 분류를 Function으로 하느냐, Predicate로 하느냐의 차이만 있을 뿐 동일하다.

  • groupingBy(): 특정 요소를 기준으로 그룹화.
  • partitioningBy(): 지정된 조건에 일치하는 그룹과 아닌 그룹 두가지로 분할. Predicate를 매개변수로 받는다. 두 개의 그룹으로 나눠야 한다면 당연히 PartitioningBy()를 사용하는 것이 빠르다.

  stream.collect(summingInt(Foo::getNumber));
    
  // -- 아래 두 방식은 동일한 결과
    
  stream.map(Foo::getNumber).reduce(0, Integer::sum);
  stream.collect(reducing(0, Foo::getNumber, Integer::sum));
    
  // --- 그룹화와 분할 예시
    
  Map<Boolean, Long> stuNumBySex = stuStream
    					.collect(partitioningBy(Student::isMale));
  Map<Integer, List<Student>> stuByClass = stuStream
    					.collect(groupingBy(Student::getClass));
  Map<Integer, Map<Integer, List<Student>>> stuByGradeAndClass = stuStream
    					.collect(groupingBy(Student::getGrade,
                                 groupingBy(Student:getClass)
                                 ));
  

Collector 구현

: “컬렉터를 작성한다” == “Collector 인터페이스를 구현한다.”

• supplier(), accumulator(), combiner(), finisher(), characteristics() 중 앞 네 개는 함수형 인터페이스이다. 따라서 해당 부분에 람다식을 작성하면 된다.
• 앞의 세 개 인터페이스는 reduce 인터페이스에서도 등장하는 개념이다. 따라서, 내부적으로 처리하는 과정이 리듀싱과 같다. 그룹화와 분할, 집계 등에 collector가 유용하게 쓰이고, 병렬화에 있어서도 collect()가 유리하다.

Reference)

자바의 정석 3판