一文详解Java Stream的sorted自定义排序

 更新时间:2025年06月22日 11:23:10   作者:潜意识Java  
Java stream中的sorted方法是用于对流中的元素进行排序的方法,它可以接受一个comparator参数,用于指定排序规则,sorted方法返回一个新的流,其中的元素按照指定的排序规则进行排序,本文给大家详细介绍了Java Stream的sorted自定义排序,需要的朋友可以参考下

一、sorted 操作的基础原理

Java Stream 的sorted()方法用于对流中的元素进行排序,分为两种形式:

  • 自然排序:要求元素实现Comparable接口,调用Stream.sorted()
  • 自定义排序:通过Comparator指定排序规则,调用Stream.sorted(Comparator)

核心特性

  • 有状态操作:需缓存所有元素才能进行排序
  • 稳定性:默认使用 TimSort 算法(归并排序变体),保证稳定排序
  • 并行流优化:并行流使用多线程分治策略提升性能
// 自然排序示例
List<Integer> numbers = Arrays.asList(5, 3, 4, 1, 2);
List<Integer> sorted = numbers.stream()
    .sorted()  // 依赖Integer实现的Comparable接口
    .collect(Collectors.toList());  // [1, 2, 3, 4, 5]
 
// 自定义排序示例
List<String> words = Arrays.asList("apple", "Banana", "cherry");
List<String> caseInsensitive = words.stream()
    .sorted(String.CASE_INSENSITIVE_ORDER)  // 忽略大小写排序
    .collect(Collectors.toList());  // [apple, Banana, cherry]

二、自定义排序的实现方式

1. Comparator 接口的 Lambda 实现

通过Comparator.comparing工厂方法简化实现:

// 按字符串长度排序
List<String> words = Arrays.asList("apple", "grape", "banana");
words.stream()
    .sorted(Comparator.comparing(String::length))
    .forEach(System.out::println);  // apple → grape → banana
 
// 复杂对象多字段排序(先按年龄降序,再按姓名升序)
List<User> users = Arrays.asList(
    new User("Alice", 25),
    new User("Bob", 20),
    new User("Charlie", 25)
);
users.stream()
    .sorted(Comparator.comparingInt(User::getAge).reversed()
        .thenComparing(User::getName))
    .forEach(u -> System.out.printf("%s: %d%n", u.getName(), u.getAge()));
/* 输出:
Alice: 25
Charlie: 25
Bob: 20
*/

2. 传统 Comparator 实现类

适用于复杂排序逻辑复用:

class UserAgeComparator implements Comparator<User> {
    @Override
    public int compare(User u1, User u2) {
        return Integer.compare(u1.getAge(), u2.getAge());
    }
}
 
// 使用自定义Comparator
users.stream()
    .sorted(new UserAgeComparator())
    .collect(Collectors.toList());

3. null 值处理

使用Comparator.nullsFirst()nullsLast()

List<String> wordsWithNulls = Arrays.asList("apple", null, "banana");
wordsWithNulls.stream()
    .sorted(Comparator.nullsLast(String::compareTo))
    .forEach(System.out::println);  // null → apple → banana

三、性能优化策略

1. 预排序与懒排序

对已排序的数据源,避免重复排序:

// 反例:对有序集合重复排序
List<Integer> sortedNumbers = Arrays.asList(1, 2, 3, 4, 5);
sortedNumbers.stream()
    .sorted()  // 不必要的排序操作
    .collect(Collectors.toList());
 
// 优化:确保数据源有序后直接处理

2. 基础类型流避免装箱

对大量数据,使用IntStream/LongStream减少装箱开销:

// 低效:对象流装箱
List<Integer> boxedResult = numbers.stream()
    .sorted()
    .collect(Collectors.toList());
 
// 高效:IntStream直接排序
int[] primitiveResult = numbers.stream()
    .mapToInt(Integer::intValue)
    .sorted()
    .toArray();

3. 并行流排序的分治策略

并行流排序采用平衡二叉树分治算法:

// 并行流排序示例
List<Integer> largeData = IntStream.range(0, 1000000)
    .boxed()
    .collect(Collectors.toList());
 
List<Integer> sortedParallel = largeData.parallelStream()
    .sorted()
    .collect(Collectors.toList());

性能对比(数据来源:JMH 基准测试):

数据规模顺序流排序时间并行流排序时间加速比
1 万元素1.2ms1.8ms0.67x
100 万元素120ms75ms1.6x
1000 万元素1.2s0.5s2.4x

四、特殊场景处理

1. 局部排序(Top-K 问题)

对大数据集取 Top-K,使用PriorityQueue替代全局排序:

// 传统排序:O(n log n)
List<Integer> topKTraditional = numbers.stream()
    .sorted(Comparator.reverseOrder())
    .limit(10)
    .collect(Collectors.toList());
 
// 优化:O(n log k)
PriorityQueue<Integer> heap = new PriorityQueue<>(10);
numbers.forEach(n -> {
    if (heap.size() < 10 || n > heap.peek()) {
        heap.offer(n);
        if (heap.size() > 10) heap.poll();
    }
});
List<Integer> topKOptimized = new ArrayList<>(heap);
Collections.sort(topKOptimized, Collections.reverseOrder());

2. 自定义复杂排序逻辑

通过Comparator.thenComparing()组合多个排序条件:

// 按用户年龄、性别、姓名排序
users.stream()
    .sorted(Comparator.comparingInt(User::getAge)
        .thenComparing(User::getGender)
        .thenComparing(User::getName))
    .collect(Collectors.toList());

3. 对象属性为 Optional 的排序

处理可能为空的属性:

class User {
    private Optional<Integer> age;
    // getter省略
}
 
// 按年龄排序,空值放最后
users.stream()
    .sorted(Comparator.comparing(
        u -> u.getAge().orElse(Integer.MAX_VALUE)
    ))
    .collect(Collectors.toList());

五、常见误区与避坑指南

错误使用非线程安全的 Comparator

// 错误:在并行流中使用非线程安全的Comparator
Comparator<String> unsafeComparator = new Comparator<String>() {
    private Collator collator = Collator.getInstance(Locale.CHINA);
    @Override
    public int compare(String s1, String s2) {
        return collator.compare(s1, s2);  // Collator非线程安全
    }
};
words.parallelStream().sorted(unsafeComparator);  // 可能抛出异常
 
// 正确:每次创建新的Comparator实例
words.parallelStream().sorted((s1, s2) -> 
    Collator.getInstance(Locale.CHINA).compare(s1, s2)
);

忽略排序的稳定性

// 错误假设:认为所有排序都是稳定的
List<User> users = Arrays.asList(
    new User("Alice", 25),
    new User("Bob", 25)
);
// 两次排序可能导致顺序不一致(非稳定排序算法)
users.stream()
    .sorted(Comparator.comparingInt(User::getAge))
    .collect(Collectors.toList());

过度使用 sorted 导致性能下降

// 反例:多次排序操作
users.stream()
    .sorted(Comparator.comparingInt(User::getAge))
    .filter(u -> u.getAge() > 18)
    .sorted(Comparator.comparing(User::getName))
    .collect(Collectors.toList());
 
// 优化:合并排序条件,减少排序次数
users.stream()
    .filter(u -> u.getAge() > 18)
    .sorted(Comparator.comparingInt(User::getAge)
        .thenComparing(User::getName))
    .collect(Collectors.toList());

六、性能调优实战

对 100 万随机整数排序的性能对比(单位:ms):

排序方式耗时内存占用备注
传统 Collections.sort ()15080MB需完整集合加载
Stream.sorted()18095MB中间操作,延迟执行
IntStream.sorted()10060MB避免装箱
并行 IntStream.sorted ()65120MB多核 CPU 加速

总结

Java Stream 的sorted操作提供了灵活的自定义排序能力,但使用时需注意:

  • 基础实现:通过Comparator接口定义排序规则,支持链式组合;
  • 性能优化:优先使用基础类型流,合理选择并行流,避免重复排序;
  • 特殊场景:处理 null 值、局部排序、Optional 属性时需定制逻辑;
  • 避坑指南:注意排序稳定性、线程安全及内存占用。

理解排序操作的底层实现(TimSort 算法)和性能特性,能帮助开发者在实际应用中做出更优选择。在处理大规模数据时,建议结合数据特性(如有序度)和硬件环境(如 CPU 核心数)进行针对性优化,以达到最佳性能。

以上就是一文详解Java Stream的sorted自定义排序的详细内容,更多关于Java Stream sorted自定义排序的资料请关注脚本之家其它相关文章!

相关文章

  • Java中的HashMap弱引用之WeakHashMap详解

    Java中的HashMap弱引用之WeakHashMap详解

    这篇文章主要介绍了Java中的HashMap弱引用之WeakHashMap详解,当内存空间不足,Java虚拟机宁愿抛出OutOfMemoryError错误,使程序异常终止,也不会靠随意回收具有强引用的对象来解决内存不足的问题,需要的朋友可以参考下
    2023-09-09
  • 使用监听器对Spring bean id进行唯一校验过程解析

    使用监听器对Spring bean id进行唯一校验过程解析

    这篇文章主要介绍了使用监听器对Spring bean id进行唯一校验过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-08-08
  • Mybatis-plus配置多数据源,连接多数据库方式

    Mybatis-plus配置多数据源,连接多数据库方式

    这篇文章主要介绍了Mybatis-plus配置多数据源,连接多数据库方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-06-06
  • SimpleDateFormat格式化日期问题

    SimpleDateFormat格式化日期问题

    这篇文章主要介绍了SimpleDateFormat格式化日期问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-06-06
  • java方法重写和super关键字实例详解

    java方法重写和super关键字实例详解

    这篇文章主要介绍了java方法重写和super关键字实例详解的相关资料,需要的朋友可以参考下
    2017-03-03
  • 详解Java分布式IP限流和防止恶意IP攻击方案

    详解Java分布式IP限流和防止恶意IP攻击方案

    这篇文章主要介绍了详解Java分布式IP限流和防止恶意IP攻击方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-03-03
  • java中request常用方法小结

    java中request常用方法小结

    这篇文章主要介绍了java中request常用方法小结,需要的朋友可以参考下
    2014-10-10
  • java 使用异常的好处总结

    java 使用异常的好处总结

    这篇文章主要介绍了java 使用异常的好处总结的相关资料,需要的朋友可以参考下
    2017-03-03
  • intellij idea使用git stash暂存一次提交的操作

    intellij idea使用git stash暂存一次提交的操作

    这篇文章主要介绍了intellij idea使用git stash暂存一次提交的操作,具有很好的参考价值希望对大家有所帮助。一起跟随小编过来看看吧
    2021-02-02
  • Java开发深入分析讲解二叉树的递归和非递归遍历方法

    Java开发深入分析讲解二叉树的递归和非递归遍历方法

    树是一种重要的非线性数据结构,直观地看,它是数据元素(在树中称为结点)按分支关系组织起来的结构,很象自然界中的树那样。树结构在客观世界中广泛存在,如人类社会的族谱和各种社会组织机构都可用树形象表示,本篇介绍二叉树的递归与非递归遍历的方法
    2022-05-05

最新评论