一款音乐播放器，基于5.0新特性，效果炫酷，点击看源码
导图
文章最后有源码
简介
学习lambda表达式就要先知道函数式接口是什么？
函数式接口（Functional Interfaces）：如果一个接口定义个唯一一个抽象方法，那么这个接口就成为函数式接口。同时，引入了一个新的注解：@FunctionalInterface。可以把他它放在一个接口前，表示这个接口是一个函数式接口。这个注解是非必须的，只要接口只包含一个方法的接口，虚拟机会自动判断，不过最好在接口上使用注解 @FunctionalInterface 进行声明。在接口中添加了 @FunctionalInterface 的接口，只允许有一个抽象方法，否则编译器也会报错。
示例：
/**
* 函数式接口
*/
@FunctionalInterface
interface Sum{
int add(int value);
}Lambda表达式：可以让你的代码更加的简洁。ambda无法单独出现，需要一个函数式接口来盛放，可以说lambda表达式方法体是函数式接口的实现，lambda实例化函数式接口，可以将函数作为方法参数，或者将代码作为数据对待。
主要优点：
1.代码变得更加简洁紧凑
2.可读性强，
3.并行操作大集合变得很方便，可以充分发挥多核cpu的优势，更加便于多核处理器编写代码等，
语法
Lambda语法
(parameters)->expression 或者 (parameters)->{statements;}
Lambda表达式由三部分组成：
1.parameters:类似方法中的形参列表，这里的参数是函数式接口里的参数。这里的参数类型可以明确的声明也可不声明而由JVM隐含的推断，当只有一个推断类型时可以省略掉圆括号。
2.-> :可以理解为“被用于”的意思
3.方法体：可以是表达式也可以是代码块，实现函数式接口中的方法。这个方法体可以有返回值也可以没有返回值
示例：
1.不接受参数，直接返回1
()->1
2.接受两个int类型的参数，返回这两个参数的和
(int x,int y )-> x+y
3.接受x,y两个参数，JVM根据上下文推断参数的类型，返回两个参数的和
(x,y)->x+y
4.接受一个字符串，打印该字符串，没有返回值
(String name)->System.out.println(name)
5.接受一个参数，JVM根据上下文推断参数的类型，打印该参数，没有返回值,只有一个参数可以省略圆括号
name->System.out.prinln(name)
6.接受两个String类型参数，分别输出，没有返回值
(String name,String sex)->{System.out.println(name);System.out.println(sex)}
7.接受呀一个参数，返回它本身的2倍
x->2*x传统写法与Lambda写法的比较
首先定义一个函数式接口
/**
* 函数式接口
* @param <A>
* @param <B>
*/
@FunctionalInterface
interface Transform<A,B>{
B transform(A a);
}两种写法的对比
//传统方式使用接口
Transform<String ,Integer> transform1 = new Transform<String, Integer>() {
@Override
public Integer transform(String s) {
return Integer.valueOf(s);
}
} ;
//Lambda方式使用接口,就是这么简单粗暴，没脾气
Transform<String,Integer> transform2 = (s)-> Integer.valueOf(s);访问权限
在Lambda表达式使用中，Lambda表达式外面的局部变量会被JVM隐式的编译成final类型，Lambda表达式内部只能访问，不能修改
Lambda表达式内部对静态变量和成员变量是可读可写的
Lambda不能访问函数接口的默认方法，在函数接口中可以添加default关键字定义默认的方法
局部变量示例：
public static void main(String[] args) {
int num = 6;//局部变量
Sum sum = value -> {
// num = 8; 这里会编译出错
return num + value;
};
sum.add(8);
}
/**
* 函数式接口
*/
@FunctionalInterface
interface Sum{
int add(int value);
}静态变量和成员变量示例：
public int num1 = 6;
public static int num2 = 8;
private int getSum(){
Sum sum = value -> {
num1 = 10;
num2 = 10;
return num1 + num2;
};
return sum.add(1);
}
/**
* 函数式接口
*/
@FunctionalInterface
interface Sum{
int add(int value);
}方法引用
在lambda表达式中，方法引用是一种简化写法，引用的方法就是Lambda表达式的方法体的实现
语法结构：ObjectRef:: methodName
左边是类名或者实例名，中间的“：：”是方法引用符号，右边是相应的方法名
方法引用一般分为三类：
静态方法引用，实例方法引用，构造方法引用
静态方法引用示例：
public static void main(String[] args){
//传统方式
Transform<String ,Integer> transform1 = new Transform<String, Integer>() {
@Override
public Integer transform(String s) {
return C_方法引用之静态方法引用.strToInt(s);
}
};
int result1 = transform1.transform("100");
//Lambda方式
Transform<String,Integer> transform2 = C_方法引用之静态方法引用 ::strToInt;
int result2 = transform2.transform("200");
}
static int strToInt(String str){
return Integer.valueOf(str);
}
/**
* 函数式接口
* @param <A>
* @param <B>
*/
@FunctionalInterface
interface Transform<A,B>{
B transform(A a);
}实例方法引用示例：
public static void main(String[] args){
//传统方式
Transform<String ,Integer> transform1 = new Transform<String, Integer>() {
@Override
public Integer transform(String s) {
return new Obj().strToInt(s);
}
};
int result1 = transform1.transform("100");
//Lambda方式
Obj obj = new Obj();
Transform<String,Integer> transform2 = obj::strToInt;
int result2 = transform2.transform("200");
}
/**
* 函数式接口
* @param <A>
* @param <B>
*/
interface Transform<A,B>{
B transform(A a);
}
/**
* 实例对象类
*/
static class Obj{
public int strToInt(String str){
return Integer.valueOf(str);
}
}构造方法引用示例：
//传统方式
Factory factory1 = new Factory() {
@Override
public Parent create(String name, int age) {
return new Boy(name,age);
}
};
Boy boy = (Boy) factory1.create("小明",18);
factory1 = new Factory() {
@Override
public Parent create(String name, int age) {
return new Girl(name,age);
}
};
Girl girl = (Girl) factory1.create("小红",18);
//Lambda方式
Factory<Boy> boyFactory = Boy::new;
Boy boy1 = boyFactory.create("小明",18);
Factory<Girl> girlFactory = Girl::new;
Girl girl1 = girlFactory.create("小红",18);其他类和接口：
//工厂类接口
public interface Factory<T extends Parent> {
T create(String name,int age);
}
//父类
public class Parent {
private String name ;
private int age;
public Parent(String name, int age) {
this.name = name;
this.age = age;
}
public void doSome(){
}
}//男孩类
public class Boy extends Parent {
public Boy(String name, int age) {
super(name, age);
}
@Override
public void doSome() {
System.out.println("我是个男孩");
}
}//女孩类
public class Girl extends Parent {
public Girl(String name, int age) {
super(name, age);
}
@Override
public void doSome() {
System.out.println("我是个女孩");
}
}
四个常用的接口
Predicate接口
/**
* Predicate接口：输入一个参数，返回一个boolean值，内置了许多用于逻辑判断的默认方法
*/
public class F_实践之Predicate {
public void predicateTest(){
Predicate<String> predicateStr = s -> s.length()>8;
boolean testResult = predicateStr.test("test");//需要api 24
testResult = predicateStr.negate().test("test");//取反，也就是s.length<=8
Predicate<Object> predicateObj = Objects::nonNull;
Object obj = null;
testResult = predicateObj.test(obj);//判断是否为空
}
}Consumer接口
/**
* consumer接口：对输入的参数进行操作。有输入没输出
*/
private static void consumerTest(){
Consumer<Integer> add5 = (p) -> {
System.out.println("old value:" + p);
p = p + 5;
System.out.println("new value:" + p);
};
add5.accept(10);
}Function接口
/**
* Function接口：接受一个参数，返回单一的结果。默认的方法（andThen）可将多个函数串在一起，形成复合Funtion（有输入，有输出）结果
*/
public static void functionTest(){
Function<String, Integer> toInteger = Integer::valueOf;
//toInteger的执行结果作为第二个backToString的输入
Function<String, String> backToString = toInteger.andThen(String::valueOf);
String result = backToString.apply("1234");
System.out.println(result);
Function<Integer, Integer> add = (i) -> {
System.out.println("frist input:" + i);
return i * 2;
};
Function<Integer, Integer> zero = add.andThen((i) -> {
System.out.println("second input:" + i);
return i * 0;
});
Integer res = zero.apply(8);
System.out.println(res);
}Supplier接口
/**
* Supplier接口：返回一个给定类型的结果。不需要输入参数，无输入有输出
*/
private static void supplierTest(){
Supplier<String> supplier = () -> "我就是输出";
String s = supplier.get();
System.out.println(s);
}串行stream操作
Lambda为java8带来了闭包，支持对集合对象的stream进行函数式操作， stream api被集成进了collection api ，允许对集合对象进行批量操作。
Stream表示数据流，它没有数据结构，本身也不存储元素，其操作也不会改变源Stream，而是生成新Stream.作为一种操作数据的接口，它提供了过滤、排序、映射、规约等多种操作方法，
这些方法按照返回类型被分为两类：凡是返回Stream类型的方法，称之为中间方法（中间操作），其余的都是完结方法（完结操作）。完结方法返回一个某种类型的值，而中间方法则返回新的Stream。
中间方法的调用通常是链式的，该过程会形成一个管道，当完结方法被调用时会导致立即从管道中消费值，这里我们要记住：Stream的操作尽可能以“延迟”的方式运行，也就是我们常说的“懒操作”，
这样有助于减少资源占用，提高性能。对于所有的中间操作（除sorted外）都是运行在延迟模式下。
Stream不但提供了强大的数据操作能力，更重要的是Stream既支持串行也支持并行，并行使得Stream在多核处理器上有着更好的性能。
Stream的使用过程有着固定的模式：
1.创建Stream
2.通过中间操作，对原始Stream进行“变化”并生成新的Stream
3.使用完结操作，生成最终结果
//创建一个集合
List<String> list = new ArrayList<>();
list.add("a1");list.add("a2");list.add("a3");list.add("b1");list.add("b2");list.add("b3");中间操作方法
过滤(filter)
结合Predicate接口，Filter对流对象中的所有元素进行过滤,该操作是一个中间操作，这意味着你可以在操作返回结果的基础上进行其他操作
public static void sreamFilterTest(List<String> lists){ //要明确这list的泛型类型，否则jvm不能根据上下文确定参数类型
lists.stream().filter((s -> s.startsWith("a"))).forEach(System.out::println);//将开头是a的过滤出来
//等价于以上操作
Predicate<String> predicate = (s) -> s.startsWith("a");//将开头是a的过滤出来
lists.stream().filter(predicate).forEach(System.out::println);
//连续过滤
Predicate<String> predicate1 = (s -> s.endsWith("1"));//将开头是a，并且结尾是1的过滤出来
lists.stream().filter(predicate).filter(predicate1).forEach(System.out::println);
}排序(sorted)
结合Comparator,该操作返回一个排序过后的流的视图，原始流的顺序不会改变。通过Comparator来指定排序规则，默认是自然排序
private static void streamSortedTest(List<String> list){
//默认排序
list.stream().filter(s -> s.startsWith("a")).forEach(System.out::println);
System.out.println("- - - - - - - - -");
//自定义排序
list.stream().sorted(((s, t1) -> t1.compareTo(s))).filter(s -> s.startsWith("a")).forEach(System.out::println);
}映射(map)
结合Function接口，该操作能将流对象中的每一个元素映射为另一个元素，实现元素类型的转换。
private static void streamMapTest(List<String> list){
list.stream().map(String::toUpperCase).sorted((s, t1) -> t1.compareTo(s)).forEach(System.out::println);
System.out.println("- - - - - - ");
//自定义映射规则
Function<String,String> function = s -> {return s + ".map3";};
list.stream().map(function).forEach(System.out::println);
}完结操作方法
匹配(match)
用来判断某个predicate是否和流对象相匹配，最终返回boolean类型的结果
private static void streamMatchTest(List<String> list){
//流对象中只要有一个元素匹配就返回true
boolean anyStartWithA = list.stream().anyMatch(s -> s.startsWith("a"));
System.out.println("集合中是否有以'a'来头："+ anyStartWithA);
//流对象中每一个元素都匹配才返回true
boolean allStartWithA = list.stream().allMatch(s -> s.startsWith("a"));
System.out.println("集合中每一个都是以'a'开头："+ allStartWithA);
//流对象中没有匹配时返回true
boolean noneStartWithA = list.stream().noneMatch(s -> s.startsWith("c"));
System.out.println("集合中没有以'c'开头："+ noneStartWithA);
}收集(collect)
在对经过变换后，将变换的stream元素收集，比如将这些元素存在集合中，可以使用stream提供的collect方法
private static void streamCollectTest(List<String> list){
List<String> listNew = list.stream().filter(s -> s.startsWith("b")).sorted().collect(Collectors.toList());
System.out.println(listNew );
}规约(reduce)
允许我们用自己的方式计算元素或者将一个stream中元素以某种规律关联
private static void streamReduceTest(List<String> list){
Optional<String> optional = list.stream().sorted().reduce((s, s2) -> {
System.out.println(s+"-"+s2);
return s+"-"+s2;
});
}计数(count)
用来统计流中元素的总数
private static void streamCountTest(List<String> list){
long count = list.stream().filter(s -> s.startsWith("b")).count();
System.out.println("以'b'开头的数量："+ count);
}并行操作stream
并行Stream:基于Fork-join并行分解框架实现，将大数据集合切分为多个小数据结合交给不同的线程去处理，这样在多核处理情况下，性能会得到很大的提高。
这和MapReduce的设计理念一致：大任务化小，小任务再分配到不同的机器执行。只不过这里的小任务是交给不同的处理器。
结果是性能提高50%，单核下还是串行流性能比较好，并行流的使用场景是多核+大数据
//创建一个大集合
List<String> list = new ArrayList<>();
for (int i = 0; i < 10000000; i++) {
UUID uuid = UUID.randomUUID();
list.add(uuid.toString());
} //并行stream
private static void parallelStreamSortedTest(List<String> list){
long startTime = System.nanoTime();//返回最准确的可用系统计时器的当前值，以毫微秒为单位。
long count = list.parallelStream().sorted().count();
long endTime = System.nanoTime();
long millis = TimeUnit.NANOSECONDS.toMillis(endTime - startTime);
System.out.printf("并行排序花费时间：%d ms",millis);
}
//串行stream
private static void streamSortedTest(List<String> list){
long startTime = System.nanoTime();//返回最准确的可用系统计时器的当前值，以毫微秒为单位。
long count = list.stream().sorted().count();
long endTime = System.nanoTime();
long millis = TimeUnit.NANOSECONDS.toMillis(endTime - startTime);
System.out.printf("串行排序花费时间：%d ms",millis);
}运行结果：
并行排序花费时间：4362 ms
串行排序花费时间：9847 ms