Stream流操作

Stream流操作图解

那么什么是Stream？

Stream将要处理的元素集合看作一种流，在流的过程中，借助Stream API对流中的元素进行操作，比如：筛选、排序、聚合等。

Stream可以由 数组或集合创建，对流的操作分为两种：

1. 中间操作，每次返回一个新的流，可以有多个。（筛选filter、映射map、排序sorted、去重组合skip—limit）
2. 终端操作，每个流只能进行一次终端操作，终端操作结束后流无法再次使用。终端操作会产生一个新的集合或值。（遍历foreach、匹配find–match、规约reduce、聚合max–min–count、收集collect）

如何创建Stream流？

Stream可以通过集合数组创建。

1、通过 java.util.Collection.stream() 方法用集合创建流

        List<String> list = Arrays.asList("a", "b", "c");
        // 创建一个顺序流,并输出
        list.stream().forEach(System.out::println);
        // 创建一个并行流
        list.parallelStream().forEach(System.out::println);

得到的结论就是parallelStream()每次执行的结果都不相同，与多线程程序中执行的结果类似。如果希望最后顺序是按照原来Stream的数据顺序，那可以调用forEachOrdered()。

2、使用java.util.Arrays.stream(T[] array)方法用数组创建流

        int array[] = {1,2,3,4,5,6,7};
        IntStream stream = Arrays.stream(array);
        stream.forEach(System.out::println);

3、使用Stream的静态方法：of()、iterate()、generate()

        //1.1传入可变参数,字符串,数字等
        Stream<String> stringStream = Stream.of("Alian", "boy", "cat", "papa");
        //1.2传入对象
        Stream<User> userStream = Stream.of(new User("BAT031", "胡一菲", "销售部", 28, 3500));
        //1.3传入数字
        Stream<Integer> integerStream = Stream.of(1, 2, 3, 4, 5, 6);

        //2.1generate方法参数为Function<T, T>函数型接口的子类,比如产生正奇数
        //表示   迭代从1开始每次值加2
        Stream<Integer> oddStream = Stream.iterate(1, (x) -> x + 2);
        oddStream.limit(5).forEach(System.out::println);

        //3.1generate方法参数为Supplier<T> 供给型接口,
        // 比如生成1-1000的随机数：(int) Math.round(Math.random() * (m - n) + n)
        Stream<Integer> generateStream = Stream.generate(() -> (int) Math.round(Math.random() * (1000 - 1) + 1));
        
        generateStream.limit(10).forEach(System.out::println);//打印10个随机数

stream和parallelStream的简单区分： stream是顺序流，由主线程按顺序对流执行操作，而parallelStream是并行流，内部以多线程并行执行的方式对流进行操作，但前提是流中的数据处理没有顺序要求。例如筛选集合中的奇数，两者的处理不同之处：

如果流中的数据量足够大，并行流可以加快处速度。

除了直接创建并行流，还可以通过parallel()把顺序流转换成并行流：

        List<Integer> list = Arrays.asList(1, 3, 6, 8, 12, 4);
        Optional<Integer> findFirst = list.stream().parallel().filter(x->x>6).findFirst();
        System.out.println("使用Stream的静态方法generate：" + findFirst.get());

Stream流的基本使用

4.1 遍历/匹配（ foreach、find、match）

Stream也是支持类似集合的遍历和匹配元素的，只是Stream中的元素是以Optional类型存在的。Stream的遍历、匹配非常简单。

       List<Integer> list = Arrays.asList(7, 6, 9, 3, 8, 2, 1);

       // 遍历输出符合条件的元素
       list.stream().filter(x -> x > 6).forEach(System.out::println);
       // 匹配第一个
       Optional<Integer> findFirst = list.stream().filter(x -> x > 6).findFirst();
       // 匹配任意（适用于并行流）
       Optional<Integer> findAny = list.parallelStream().filter(x -> x > 6).findAny();
       // 是否包含符合特定条件的元素
       boolean anyMatch = list.stream().anyMatch(x -> x > 6);
       System.out.println("匹配第一个值：" + findFirst.get());
       System.out.println("匹配任意一个值：" + findAny.get());
       System.out.println("是否存在大于6的值：" + anyMatch);

4.2 筛选（filter）

筛选，是按照一定的规则校验流中的元素，将符合条件的元素提取到新的流中的操作。

filter

Stream<T> filter(Predicate<? super T> predicate);

案例一：筛选出Integer集合中大于7的元素，并打印出来

        List<Integer> list = Arrays.asList(1, 2, 3, 4, 8, 6, 7, 9, 12, 32, 21);
        list.stream().filter(integer -> integer > 5).forEach(System.out::println);

案例二： 筛选员工中工资高于8000的人，并形成新的集合。 形成新集合依赖collect（收集），后文有详细介绍。

Person实体类：

import lombok.Data;

@Data
class Person {
    private String name;  // 姓名
    private int salary; // 薪资
    private int age; // 年龄
    private String sex; //性别
    private String area;  // 地区

    // 构造方法
    public Person(String name, int salary, int age,String sex,String area) {
        this.name = name;
        this.salary = salary;
        this.age = age;
        this.sex = sex;
        this.area = area;
    }
    // 省略了get和set，请自行添加

}

实现代码：

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        // 筛选员工中工资高于8000的人
        // 使用map将符合筛选条件的人的，姓名拿出来
        // 并使用collect将拿出的姓名 形成新的list集合
        List<String> collect = personList.stream().
                filter(person -> person.getSalary() > 8000).
                map(Person::getName).
                collect(Collectors.toList());
        System.out.println(collect);

4.3 聚合（max、min、count）

max、min、count这些一定不陌生，在mysql中我们常用它们进行数据统计。Java stream中也引入了这些概念和用法，极大地方便了我们对集合、数组的数据统计工作。

案例一：获取String集合中最长的元素。

        List<String> list = Arrays.asList("adnm", "admmt", "pot", "xbangd", "weoujgsd");
        Optional<String> max = list.stream().max(Comparator.comparing(String::length));
        System.out.println(max.get());

案例二：获取Integer集合中的最大值。

        List<Integer> list = Arrays.asList(2, 4, 5, 3, 7, 8, 34, 21);
        //自然排序
        Optional<Integer> max = list.stream().max(Integer::compareTo);
        System.out.println(max.get());
        //自定义排序
        Optional<Integer> max1 = list.stream().max(new Comparator<Integer>() {
            @Override
            public int compare(Integer integer, Integer t1) {
                return integer.compareTo(t1);
            }
        });
        System.out.println(max1.get());

案例三：获取员工工资最高的人。

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
        Optional<Person> person = personList.stream().max(Comparator.comparing(Person::getSalary));
        System.out.println(person.get().getName()+":"+person.get().getSalary());

案例四：计算Integer集合中大于6的元素的个数。

        List<Integer> list = Arrays.asList(1, 9, 6, 5, 12, 23, 11, 9, 88, 10);
        long count = list.stream().filter(integer -> integer > 6).count();
        System.out.println("值大于6的有"+count+"个");

4.4 映射（map、flatMap）

映射，可以将一个流的元素按照一定的映射规则映射到另一个流中。分为map和flatMap：

• map：接收一个函数作为参数，该函数会被应用到每个元素上，并将其映射成一个新的元素。
• flatMap：接收一个函数作为参数，将流中的每个值都换成另一个流，然后把所有流连接成一个流。

map

<R> Stream<R> map(Function<? super T, ? extends R> mapper);

flatMap

<R> Stream<R> flatMap(Function<? super T, ? extends Stream<? extends R>> mapper);

案例一：英文字符串数组的元素全部改为大写。整数数组每个元素+3。

        String arrayStr[] = {"whl", "iswhl", "zhou"};
        //将list中的字符串全部转为大写
        List<String> collect = Arrays.stream(arrayStr).map(String::toUpperCase).collect(Collectors.toList());
        System.out.println("大写转化后："+collect.toString());
        //将list中的所有数字加1
        List<Integer> integerList = Arrays.asList(1, 2, 3, 4, 5, 6);
        List<Integer> collect1 = integerList.stream().map(integer -> integer + 1).collect(Collectors.toList());
        System.out.println("加1后："+collect1.toString());

案例二：将员工的薪资全部增加1000。

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));
        //在不改变原来对象的情况下，将所有员工的工资加5000
        List<Person> collect = personList.stream().map(person -> {
            Person person1 = new Person(person.getName(), person.getSalary() + 5000, 0, null, null);
            return person1;
        }).collect(Collectors.toList());
        System.out.println(personList.toString());
        System.out.println(collect.toString());
        //改变原来对象的情况下增加5000
        List<Person> collect1 = personList.stream().map(person -> {
            person.setSalary(person.getSalary() + 5000);
            return person;
        }).collect(Collectors.toList());
        System.out.println(personList.toString());
        System.out.println(collect1.toString());

案例三：将两个字符数组合并成一个新的字符数组。

        List<String> list = Arrays.asList("w,h,l", "z,j");
        List<String> collect = list.stream().flatMap(s -> {
            //将每个元素转换为stream
            String[] split = s.split(",");
            Stream<String> stream = Arrays.stream(split);
            return stream;
        }).collect(Collectors.toList());
        System.out.println("处理前的list："+list.toString());
        System.out.println("处理后的list："+collect.toString());

4.5 规约（reduce）

归约，也称缩减，顾名思义，是把一个流缩减成一个值，能实现对集合求和、求乘积和求最值操作。

reduce

Optional reduce(BinaryOperator accumulator)：第一次执行时，accumulator函数的第一个参数为流中的第一个元素，第二个参数为流中元素的第二个元素；第二次执行时，第一个参数为第一次函数执行的结果，第二个参数为流中的第三个元素；依次类推。
T reduce(T identity, BinaryOperator accumulator)：流程跟上面一样，只是第一次执行时，accumulator函数的第一个参数为identity，而第二个参数为流中的第一个元素。

 	T reduce(T identity, BinaryOperator<T> accumulator);
	@Override
   public final P_OUT reduce(final P_OUT identity, final BinaryOperator<P_OUT> accumulator) {
       return evaluate(ReduceOps.makeRef(identity, accumulator, accumulator));
   }


	Optional<T> reduce(BinaryOperator<T> accumulator);
   @Override
   public final Optional<P_OUT> reduce(BinaryOperator<P_OUT> accumulator) {
       return evaluate(ReduceOps.makeRef(accumulator));
   }


<U> U reduce(U identity,
                BiFunction<U, ? super T, U> accumulator,
                BinaryOperator<U> combiner);
   @Override
   public final <R> R reduce(R identity, BiFunction<R, ? super P_OUT, R> accumulator, BinaryOperator<R> combiner) {
       return evaluate(ReduceOps.makeRef(identity, accumulator, combiner));
   }

案例一：求Integer集合的元素之和、乘积和最大值。

        List<Integer> list = Arrays.asList(1, 3, 2, 8, 11, 4);
        // 求和方式1
        Optional<Integer> sum = list.stream().reduce((x, y) -> x + y);
        // 求和方式2
        Optional<Integer> sum2 = list.stream().reduce(Integer::sum);
        // 求和方式3
        Integer sum3 = list.stream().reduce(0, Integer::sum);

        // 求乘积
        Optional<Integer> product = list.stream().reduce((x, y) -> x * y);

        // 求最大值方式1
        Optional<Integer> max = list.stream().reduce((x, y) -> x > y ? x : y);
        // 求最大值写法2
        Integer max2 = list.stream().reduce(1, Integer::max);

        System.out.println("list求和：" + sum.get() + "," + sum2.get() + "," + sum3);
        System.out.println("list求积：" + product.get());
        System.out.println("list求和：" + max.get() + "," + max2);

案例二：求所有员工的工资之和和最高工资。

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));
        personList.add(new Person("Owen", 9500, 25, "male", "New York"));
        personList.add(new Person("Alisa", 7900, 26, "female", "New York"));

        // 求工资之和方式1：
        Optional<Integer> sumSalary = personList.stream()
                .map(Person::getSalary)
                .reduce(Integer::sum);
        // 求工资之和方式2：
        Integer sumSalary2 = personList
                .stream()
                .reduce(0, (sum, p) -> sum += p.getSalary(), (sum1, sum2) -> sum1 + sum2);
        // 求工资之和方式3：
        Integer sumSalary3 = personList
                .stream()
                .reduce(0, (sum, p) -> sum += p.getSalary(), Integer::sum);

        // 求最高工资方式1：
        Integer maxSalary = personList
                .stream()
                .reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
                Integer::max);
        // 求最高工资方式2：
        Integer maxSalary2 = personList.stream().reduce(0, (max, p) -> max > p.getSalary() ? max : p.getSalary(),
                (max1, max2) -> max1 > max2 ? max1 : max2);

        System.out.println("工资之和：" + sumSalary.get() + "," + sumSalary2 + "," + sumSalary3);
        System.out.println("最高工资：" + maxSalary + "," + maxSalary2);

4.6 收集（collect）

collect，收集，可以说是内容最繁多、功能最丰富的部分了。从字面上去理解，就是把一个流收集起来，最终可以是收集成一个值也可以收集成一个新的集合。

collect主要依赖java.util.stream.Collectors类内置的静态方法。

4.6.1 归集（toList、toSet、toMap）

因为流不存储数据，那么在流中的数据完成处理后，需要将流中的数据重新归集到新的集合里。toList、toSet和toMap比较常用，另外还有toCollection、toConcurrentMap等复杂一些的用法。

下面用一个案例演示toList、toSet和toMap：

        List<Integer> list = Arrays.asList(1, 6, 3, 4, 6, 7, 9, 6, 20);
        //toList()
        List<Integer> listNew = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
        //toSet()
        Set<Integer> set = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toSet());

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));
        personList.add(new Person("Anni", 8200, 24, "female", "New York"));

        //toMap()
        Map<?, Person> map = personList.stream().filter(p -> p.getSalary() > 8000)
                .collect(Collectors.toMap(Person::getName, p -> p));
        
        System.out.println("toList:" + listNew);
        System.out.println("toSet:" + set);
        System.out.println("toMap:" + map);

4.6.2 统计（count、averaging）

Collectors提供了一系列用于数据统计的静态方法：

• 计数：count
• 平均值：averagingInt、averagingLong、averagingDouble
• 最值：maxBy、minBy
• 求和：summingInt、summingLong、summingDouble
• 统计以上所有：summarizingInt、summarizingLong、summarizingDouble

案例：统计员工人数、平均工资、工资总额、最高工资。

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 23, "male", "New York"));
        personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

        // 求总数
        Long count = personList.stream().collect(Collectors.counting());
        // 求平均工资 averagingDouble
        Double average = personList.stream().collect(Collectors.averagingDouble(Person::getSalary));
        // 求最高工资 maxBy
        Optional<Integer> max = personList.stream().map(Person::getSalary).collect(Collectors.maxBy(Integer::compare));
        // 求工资之和 summingInt
        Integer sum = personList.stream().collect(Collectors.summingInt(Person::getSalary));
        // 一次性统计所有信息
        DoubleSummaryStatistics collect = personList.stream().collect(Collectors.summarizingDouble(Person::getSalary));

        System.out.println("员工总数：" + count);
        System.out.println("员工平均工资：" + average);
        System.out.println("员工工资总和：" + sum);
        System.out.println("员工工资所有统计：" + "总数："+collect.getCount()
        +"平均数："+collect.getAverage()+"最大值："+collect.getMax()
                +"最小值："+collect.getMin()+"总和："+collect.getSum());

4.6.3 分组（partitioningBy、groupingBy）

• 分区：将stream按条件分为两个Map，比如员工按薪资是否高于8000分为两部分。
• 分组：将集合分为多个Map，比如员工按性别分组。有单级分组和多级分组。

partitioningBy

public static <T>
   Collector<T, ?, Map<Boolean, List<T>>> partitioningBy(Predicate<? super T> predicate) {
       return partitioningBy(predicate, toList());
   }

groupingBy

public static <T, K> Collector<T, ?, Map<K, List<T>>>
   groupingBy(Function<? super T, ? extends K> classifier) {
       return groupingBy(classifier, toList());
   }

案例：将员工按薪资是否高于8000分为两部分；将员工按性别和地区分组

        List<Person> personList = new ArrayList<Person>();
        personList.add(new Person("Tom", 8900, 21,"male", "New York"));
        personList.add(new Person("Jack", 7000,29 ,"male", "Washington"));
        personList.add(new Person("Lily", 7800, 45,"female", "Washington"));
        personList.add(new Person("Anni", 8200, 34,"female", "New York"));
        personList.add(new Person("Owen", 9500, 22,"male", "New York"));
        personList.add(new Person("Alisa", 7900, 23,"female", "New York"));

        // 将员工按薪资是否高于8000分组
        //partitioningBy
        Map<Boolean, List<Person>> part = personList
                .stream()
                .collect(Collectors.partitioningBy(x -> x.getSalary() > 8000));

        // 将员工按性别分组
        //groupingBy
        Map<String, List<Person>> group = personList
                .stream()
                .collect(Collectors.groupingBy(Person::getSex));

        // 将员工先按性别分组，再按地区分组
        // groupingBy
        Map<String, Map<String, List<Person>>> group2 = personList
                .stream()
                .collect(Collectors.groupingBy(Person::getSex, Collectors.groupingBy(Person::getArea)));
        System.out.println("员工按薪资是否大于8000分组情况：" + part);
        System.out.println("员工按性别分组情况：" + group);
        System.out.println("员工按性别、地区：" + group2);

4.6.4 接合（joining）

joining可以将stream中的元素用特定的连接符（没有的话，则直接连接）连接成一个字符串。

joining

public static Collector<CharSequence, ?, String> joining(CharSequence delimiter) {
       return joining(delimiter, "", "");
   }

拿到所有员工的消息，并将员工姓名拼接为一个list

		List<Person> personList = new ArrayList<Person>();
		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

		String names = personList.stream().map(p -> p.getName()).collect(Collectors.joining(","));
		System.out.println("所有员工的姓名：" + names);
		List<String> list = Arrays.asList("A", "B", "C");
		String string = list.stream().collect(Collectors.joining("-"));
		System.out.println("拼接后的字符串：" + string);

4.6.5 规约（reducing）

Collectors类提供的reducing方法，相比于stream本身的reduce方法，增加了对自定义归约的支持。

reducing

public static <T> Collector<T, ?, Optional<T>>
   reducing(BinaryOperator<T> op) {
       class OptionalBox implements Consumer<T> {
           T value = null;
           boolean present = false;

           @Override
           public void accept(T t) {
               if (present) {
                   value = op.apply(value, t);
               }
               else {
                   value = t;
                   present = true;
               }
           }
       }

       return new CollectorImpl<T, OptionalBox, Optional<T>>(
               OptionalBox::new, OptionalBox::accept,
               (a, b) -> { if (b.present) a.accept(b.value); return a; },
               a -> Optional.ofNullable(a.value), CH_NOID);
   }

每个员工减去起征点后的薪资之和（这个例子并不严谨，但一时没想到好的例子）

		List<Person> personList = new ArrayList<Person>();
		personList.add(new Person("Tom", 8900, 23, "male", "New York"));
		personList.add(new Person("Jack", 7000, 25, "male", "Washington"));
		personList.add(new Person("Lily", 7800, 21, "female", "Washington"));

		// 每个员工减去起征点后的薪资之和（这个例子并不严谨，但一时没想到好的例子）
		Integer sum = personList.stream().collect(Collectors.reducing(0, Person::getSalary, (i, j) -> (i + j - 5000)));
		System.out.println("员工扣税薪资总和：" + sum);

		// stream的reduce
		Optional<Integer> sum2 = personList.stream().map(Person::getSalary).reduce(Integer::sum);
		System.out.println("员工薪资总和：" + sum2.get());

4.7 排序（sorted）

sorted，中间操作。有两种排序：

• sorted()：自然排序，流中元素需实现Comparable接口
• sorted(Comparator com)：Comparator排序器自定义排序

sorted

   Stream<T> sorted();

   @Override
   public final Stream<P_OUT> sorted() {
       return SortedOps.makeRef(this);
   }

sorted(Comparator com)

	Stream<T> sorted(Comparator<? super T> comparator);

	@Override
   public final Stream<P_OUT> sorted(Comparator<? super P_OUT> comparator) {
       return SortedOps.makeRef(this, comparator);
   }

案例：将员工按工资由高到低（工资一样则按年龄由大到小）排序

        List<Person> personList = new ArrayList<Person>();

        personList.add(new Person("Sherry", 9000, 24, "female", "New York"));
        personList.add(new Person("Tom", 8900, 22, "male", "Washington"));
        personList.add(new Person("Jack", 9000, 25, "male", "Washington"));
        personList.add(new Person("Lily", 8800, 26, "male", "New York"));
        personList.add(new Person("Alisa", 9000, 26, "female", "New York"));

        // 按工资升序排序（自然排序）
        List<String> newList = personList.stream().sorted(Comparator.comparing(Person::getSalary)).map(Person::getName)
                .collect(Collectors.toList());
        // 按工资倒序排序
        List<String> newList2 = personList.stream().sorted(Comparator.comparing(Person::getSalary).reversed())
                .map(Person::getName).collect(Collectors.toList());
        // 先按工资再按年龄升序排序
        // comparing:先按照**排序   thenComparing：再按照**排序
        List<String> newList3 = personList.stream()
                .sorted(Comparator.comparing(Person::getSalary).thenComparing(Person::getAge))
                .map(Person::getName)
                .collect(Collectors.toList());
        // 先按工资再按年龄自定义排序（降序）
        List<String> newList4 = personList.stream()
                .sorted((p1, p2) -> {
            if (p1.getSalary() == p2.getSalary()) {
                return p2.getAge() - p1.getAge();
            } else {
                return p2.getSalary() - p1.getSalary();
            }
        }).map(Person::getName).collect(Collectors.toList());

        System.out.println("按工资升序排序：" + newList);
        System.out.println("按工资降序排序：" + newList2);
        System.out.println("先按工资再按年龄升序排序：" + newList3);
        System.out.println("先按工资再按年龄自定义降序排序：" + newList4);

4.8 去重、合并（distinct、skip、limit、concat）

流也可以进行合并、去重、限制、跳过等操作。

distinct（去重）

Stream<T> distinct();

@Override
   public final Stream<P_OUT> distinct() {
       return DistinctOps.makeRef(this);
   }

skip(跳过)

Stream<T> skip(long n);

@Override
   public final Stream<P_OUT> skip(long n) {
       if (n < 0)
           throw new IllegalArgumentException(Long.toString(n));
       if (n == 0)
           return this;
       else
           return SliceOps.makeRef(this, n, -1);
   }

limit

Stream<T> limit(long maxSize);

 @Override
   public final Stream<P_OUT> limit(long maxSize) {
       if (maxSize < 0)
           throw new IllegalArgumentException(Long.toString(maxSize));
       return SliceOps.makeRef(this, 0, maxSize);
   }

concat 合并两个流

    static <T> Stream<T> concat(Stream<? extends T> a, Stream<? extends T> b) {
        Objects.requireNonNull(a);
        Objects.requireNonNull(b);
        Spliterator<T> split = new java.util.stream.Streams.ConcatSpliterator.OfRef(a.spliterator(), b.spliterator());
        Stream<T> stream = StreamSupport.stream(split, a.isParallel() || b.isParallel());
        return (Stream)stream.onClose(Streams.composedClose(a, b));
    }

例子：

        String[] arr1 = { "a", "b", "c", "d" };
        String[] arr2 = { "d", "e", "f", "g" };

        Stream<String> stream1 = Stream.of(arr1);
        Stream<String> stream2 = Stream.of(arr2);
        // concat:合并两个流 distinct：去重
        List<String> newList = Stream.concat(stream1, stream2).distinct().collect(Collectors.toList());
        // limit：限制从流中获得前n个数据
        // 下面的表示从1开始 后面每个值在上一个值的基础上+2，输出10个值后，并转为list
        List<Integer> collect = Stream.iterate(1, x -> x + 2).limit(10).collect(Collectors.toList());
        // skip：跳过前n个数据  
        // 这里的1代表把 跳过第一个值，这里的第一个值为 1
        List<Integer> collect2 = Stream.iterate(1, x -> x + 2).skip(1).limit(5).collect(Collectors.toList());

        System.out.println("流合并：" + newList);
        System.out.println("limit：" + collect);
        System.out.println("skip：" + collect2);

这里我再推荐一篇很详细的博客：

Java8新特性：Stream详细使用