Le document aborde l'introduction des lambdas, des flux et des collecteurs dans JDK 8, en contraste avec la programmation impérative traditionnelle utilisée dans JDK 7. Il présente le modèle 'map/filter/reduce' pour transformer et aggréger des données, illustrant la syntaxe des lambdas et des interfaces fonctionnelles. L'évolution vers des expressions lambda simplifie la syntaxe et améliore la lisibilité du code.

1. JDK 8 & Lambdas
Lambdas, Streams, Collectors

2. Pourquoi ont-ils été introduits ?

3. Pourquoi ont-ils été introduits ? Comment vont-ils changer nos habitudes de programmation ?

5. Année d’édition
1994

6. Année d’édition
1994
En stock. Expédié et vendu par Amazon. Emballage cadeau disponible.

9. Formation Java 8
6 & 7 février 2014
BBL

11. Introduisons les lambdas

12. Introduisons les lambdas sur un exemple simple

13. Un exemple très simple
public class Person {
private String name ;
private int age ;
// constructors
// getters / setters
}
List<Person> list = new ArrayList<>() ;
Un bon vieux bean
… et une bonne vieille liste

14. int sum = 0 ;
// I need a default value in case
// the list is empty
int average = 0 ;
for (Person person : list) {
sum += person.getAge() ;
}
if (!list.isEmpty()) {
average = sum / list.size() ;
}
Calculons la moyenne des âges des personnes

15. int sum = 0 ;
int n = 0 ;
int average = 0 ;
for (Person person : list) {
if (person.getAge() > 20) {
n++ ;
sum += person.getAge() ;
}
}
if (n > 0) {
average = sum / n ;
}
Plus dur : pour les personnes de plus de 20 ans

16. « programmation impérative »
int sum = 0 ;
int n = 0 ;
int average = 0 ;
for (Person person : list) {
if (person.getAge() > 20) {
n++ ;
sum += person.getAge() ;
}
}
if (n > 0) {
average = sum / n ;
}
Plus dur : pour les personnes de plus de 20 ans

17. select avg(age)
from Person
where age > 20
… pas une obligation !
Ici on décrit le résultat

18. select avg(age)
from Person
where age > 20
Dans ce cas la base de données mène le calcul comme elle l’entend
© SQL 1974
… pas une obligation !
Ici on décrit le résultat

19. Person
age
age > 20
sum
1ère étape : mapping
map

20. Mapping :
-prend une liste d’un type donné
-retourne une liste d’un autre type
-possède le même nombre d’éléments
1ère étape : mapping
map
Person
age
age > 20
sum

21. 2ème étape : filtrage
filter
map
Person
age
age > 20
sum

22. Filtrage :
-prend une liste d’un type donné
-retourne une liste du même type
-mais avec moins d’éléments
Person
age
age > 20
sum
2ème étape : filtrage
filter
map

23. 3ème étape : réduction
reduce
filter
map
Person
age
age > 20
sum

24. Reduction : agrégation des éléments d’une liste dans un seul élément Ex : moyenne, somme, min, max, etc…
Person
age
age > 20
sum
3ème étape : réduction
reduce
filter
map

25. Comment peut-on modéliser ce traitement ?

26. La façon JDK 7
On crée une interface pour modéliser le mapper…
public interface Mapper<T, V> {
public V map(T t) ;
}

27. Mapper<Person, Integer> mapper = new Mapper<Person, Integer>() {
public Integer map(Person p) {
return p.getAge() ;
}
}
La façon JDK 7
… et on crée une classe anonyme
public interface Mapper<T, V> { public V map(T t) ; }

28. AgePredicate predicate = new Predicate<Integer>() {
public boolean filter(Integer i) {
return i > 20 ;
}
}
public interface Predicate<T> { public boolean filter(T t) ; }
La façon JDK 7
On peut faire la même chose pour le filtrage

29. Reducer<Integer> reduction = new Reducer<Integer>() {
public Integer reduce(Integer i1, Integer i2) {
return i1 + i2 ;
}
}
public interface Reducer<T> {
public T reduce(T t1, T t2) ;
}
La façon JDK 7
Et enfin pour la réduction

30. Au final, le pattern map / filter / reduce en JDK 7 :
1)Créer 3 interfaces
public interface Mapper<T, V> { public V map(T t) ; }
public interface Predicate<T> {
public boolean filter(T t) ;
}
public interface Reducer<T> {
public T reduce(T t1, T t2) ;
}
La façon JDK 7

31. List<Person> persons = ... ;
int sum =
persons.map(
new Mapper<Person, Integer>() {
public Integer map(Person p) {
return p.getAge() ;
}
})
.filter(
new Filter<Integer>() {
public boolean filter(Integer age) {
return age > 20 ;
}
})
.reduce(0,
new Reducer<Integer>() {
public Integer recude(Integer i1, Integer i2) {
return i1 + i2 ;
}
}
}) ;
La façon JDK 7
Au final, le pattern map / filter / reduce en JDK 7 :
1)Créer 3 interfaces
2)Et on applique…

32. List<Person> persons = ... ; int sum = persons.map( new Mapper<Person, Integer>() { public Integer map(Person p) { return p.getAge() ; } }) .filter( new Filter<Integer>() { public boolean filter(Integer age) { return age > 20 ; } }) .reduce(0, new Reducer<Integer>() { public Integer recude(Integer i1, Integer i2) { return i1 + i2 ; } } }) ;
La façon JDK 7
Au final, le pattern map / filter / reduce en JDK 7 :
1)Créer 3 interfaces
2)Et on applique…

33. À la façon du JDK 8

34. mapper = new Mapper<Person, Integer>() {
public Integer map(Person person) {
return person.getAge() ;
}
}
La façon du JDK 8
Prenons l’exemple du Mapper

35. mapper = new Mapper<Person, Integer>() { public Integer map(Person person) { // 1 méthode return person.getAge() ; } }
Prenons l’exemple du Mapper
La façon du JDK 8

36. mapper = new Mapper<Person, Integer>() { public Integer map(Person person) { // 1 méthode return p.getAge() ; } }
mapper = (Person person) ;
On prend person
La façon du JDK 8
Prenons l’exemple du Mapper

37. mapper = new Mapper<Person, Integer>() { public Integer map(Person person) { // 1 méthode return person.getAge() ; } }
mapper = (Person person) -> ;
et…
La façon du JDK 8
Prenons l’exemple du Mapper

38. mapper = new Mapper<Person, Integer>() {
public Integer map(Person person) { // 1 méthode
return person.getAge() ;
}
}
mapper = (Person person) -> person.getAge() ;
… on retourne son âge
La façon du JDK 8
Prenons l’exemple du Mapper

39. Prenons l’exemple du Mapper
Le compilateur reconnaît cette expression comme une implémentation du mapper
mapper = new Mapper<Person, Integer>() { public Integer map(Person person) { // 1 méthode return person.getAge() ; } }
mapper = (Person person) -> person.getAge() ;
La façon du JDK 8

40. Que se passe-t-il si …
… il y a plus d’une ligne de code ?
Accolades, un return explicite
mapper = (Person person) -> { System.out.println("Mapping " + person) ; return person.getAge() ; }

41. Que se passe-t-il si …
…le type de retour est void ?
consumer = (Person person) -> p.setAge(p.getAge() + 1) ;

42. Que se passe-t-il si …
…la méthode prend plus d’un argument ?
Ou :
reducer = (int i1, int i2) -> {
return i1 + i2 ;
}
reducer = (int i1, int i2) -> i1 + i2 ;

43. La façon du JDK 8
Comment le compilateur reconnaît-il l’implémentation du mapper ?
mapper = (Person person) -> person.getAge() ;

44. Comment le compilateur reconnaît-il l’implémentation du mapper ?
1)Il ne faut qu’une méthode dans le mapper
2)Les types des paramètres et le type de retour doivent être compatible
3)Les exceptions jetées doivent être compatibles
mapper = (Person person) -> person.getAge() ;
La façon du JDK 8

45. D’autres lambdas
On peut écrire d’autres lambdas facilement :
mapper = (Person person) -> person.getAge() ; // mapper filter = (int age) -> age > 20 ; // filter reducer = (int i1, int i2) -> i1 + i2 ; // reducer

46. Et la plupart du temps, le compilateur reconnaît ceci :
Le type des paramètres peut être omis
mapper = person -> person.getAge() ; // mapper
filter = age -> age > 20 ; // filter
reducer = (i1, i2) -> i1 + i2 ; // reducer
D’autres lambdas

47. Une remarque sur la réduction
Comment cela fonctionne-t-il réellement ?

57. Réduction
2 exemples :
Attention :
le résultat est toujours reproductible en série
il ne l’est en général pas en parallèle
Reducer r1 = (i1, i2) -> i1 + i2 ; // Ok Reducer r2 = (i1, i2) -> i1*i1 + i2*i2 ; // Oooops

58. Pour le moment
Une expression lambda est une autre façon
d’écrire des instances de classes anonymes

59. Il y a d’autres syntaxes
On peut écrire :
Mais on peut aussi écrire :
mapper = person -> person.getAge() ;
mapper = Person::getAge ; // méthode non statique

60. Il y a d’autres syntaxes
On peut écrire :
Ou encore :
sum = (i1, i2) -> i1 + i2 ;
sum = Integer::sum ; // méthode statique, nouvelle !
max = (i1, i2) -> i1 > i2 ? i1 : i2 ;
max = Integer::max ; // méthode statique, nouvelle !

61. Il y a d’autres syntaxes
Encore un autre exemple :
toLower = String::toLowerCase ;
// !!!! NON NON NON !!!!
toLowerFR = String::toLowerCase(Locale.FRANCE) ;

62. Plus loin sur les lambdas

63. Questions :
Comment modéliser une expression lambda ?

64. Questions :
Comment modéliser une expression lambda ?
Puis-je mettre une expression lambda dans une variable ?

65. Questions :
Comment modéliser une expression lambda ?
Puis-je mettre une expression lambda dans une variable ?
Un lambda est-il un objet ?

66. Modélisation
Un lambda = instance d’une « interface fonctionnelle »
@FunctionalInterface
public interface Consumer<T> {
public void accept(T t) ;
}

67. Modélisation
Un lambda = instance d’une « interface fonctionnelle »
- ne possède qu’une unique méthode
@FunctionalInterface
public interface Consumer<T> {
public void accept(T t) ;
}

68. Modélisation
Un lambda = instance d’une « interface fonctionnelle »
- ne possède qu’une unique méthode
- peut être annotée par @FunctionalInterface (optionnel)
@FunctionalInterface
public interface Consumer<T> {
public void accept(T t) ;
}

69. Mettre un lambda dans une variable
Exemple d’un consommateur :
Consumer<String> c = new Consumer<String>() {
@Override
public void accept(String s) {
System.out.println(s) ;
}
} ;
Consumer<String> c = s -> System.out.println(s) ;
Donc :

70. Questions :
Quel modèle pour un lambda ?
réponse : une interface fonctionnelle
Puis-je mettre un lambda dans une variable ?
réponse : oui
Un lambda est-il un objet ?

71. Un lambda est-il un objet ?
Petit jeu des 7 erreurs (avec une seule erreur)
Consumer<String> c = new Consumer<String>() {
@Override
public void accept(String s) {
System.out.println(s) ;
}
} ;
Consumer<String> c = s -> System.out.println(s) ;

72. Un lambda est-il un objet ?
Petit jeu des 7 erreurs (avec une seule erreur)
Consumer<String> c = new Consumer<String>() {
@Override
public void accept(String s) {
System.out.println(s) ;
}
} ;
Consumer<String> c = s -> System.out.println(s) ;

73. Questions :
Quel modèle pour un lambda ?
réponse : une interface fonctionnelle
Puis-je mettre un lambda dans une variable ?
réponse : oui
Un lambda est-il un objet ?
réponse : non

74. Des lambdas à profusion :
Java.util.functions

75. Java.util.functions
C’est dans ce package que sont les interfaces fonctionnelles
Il y en a 43

76. Java.util.functions
Supplier
Consumer / BiConsumer
Function / BiFunction (UnaryOperator / BinaryOperator)
Predicate / BiPredicate
En plus des versions construites sur les types primitifs

77. Supplier
Un supplier fournit un objet
public interface Supplier<T> {
T get() ;
}

78. Consumer
Un consommateur consomme un objet
public interface Consumer<T> {
void accept(T t) ;
}
Consumer<String> c1 = s -> System.out.println(s) ;
Consumer<String> c2 = ... ;
Consumer<String> c3 = c1.andThen(c2) ;
persons.stream().forEach(c3) ;

79. Function
Une fonction prend un objet et retourne un autre objet
Les fonctions peuvent être chaînées et / ou composées
BiFunction prend deux arguments au lieu d’un
UnaryOperator et BinaryOperator opèrent sur un seul type
public interface Function<T, R> {
R apply(T t) ;
}

80. Predicate
Un Predicate prend un objet et retourne un booléen
Il peut être inversé, et composé avec des AND ou OR
public interface Predicate<T> {
boolean test(T t) ;
}

81. Retour sur
map / filter / reduce

82. La façon JDK 7
Comment implémenter le pattern map / filter / reduce sur List<Person> ?

83. Mapping d’une liste
Mapping en JDK 8 avec des lambdas
List<Person> persons = new ArrayList<>() ;
List<Integer> ages =
Lists.map(
persons,
person -> person.getAge()
) ;

84. Mapping d’une liste
Mapping en JDK 8 avec des lambdas
List<Person> persons = new ArrayList<>() ;
List<Integer> ages =
Lists.map(
persons,
Person::getAge
) ;

85. Pattern complet
Le pattern va ressembler à ça :
Pour : l’API peut être optimisée sans que l’on ait à toucher au code, super !
// pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = Lists.map( persons, p -> p.getAge()) ;
List<Integer> agesGT20 = Lists.filter(ages, a -> a > 20) ;
int sum = Lists.reduce(agesGT20, (i1, i2) -> i1 + i2) ;

86. Pattern complet
Le pattern va ressembler à ça :
Pour : l’API peut être optimisée sans que l’on ait à toucher au code, super !
Contre…
// pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = Lists.map( persons, p -> p.getAge()) ;
List<Integer> agesGT20 = Lists.filter(ages, a -> a > 20) ;
int sum = Lists.reduce(agesGT20, (i1, i2) -> i1 + i2) ;

87. Pattern complet
1) Supposons que persons soit vraiment GRANDE
// pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = Lists.map( persons, p -> p.getAge()) ;
List<Integer> agesGT20 = Lists.filter(ages, a -> a > 20) ;
int sum = Lists.reduce(agesGT20, (i1, i2) -> i1 + i2) ;

88. Pattern complet
1) Supposons que persons soit vraiment GRANDE
2 duplications : ages & agesGT20
// pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = Lists.map( persons, p -> p.getAge()) ;
List<Integer> agesGT20 = Lists.filter(ages, a -> a > 20) ;
int sum = Lists.reduce(agesGT20, (i1, i2) -> i1 + i2) ;

89. Pattern complet
1) Supposons que persons soit vraiment GRANDE
2 duplications : ages & agesGT20
Que fait-on de ces listes ? On les envoie au GC !
// pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = Lists.map( persons, p -> p.getAge()) ;
List<Integer> agesGT20 = Lists.filter(ages, a -> a > 20) ;
int sum = Lists.reduce(agesGT20, (i1, i2) -> i1 + i2) ;

90. Pattern complet
2) Supposons que nous aillons un reducer : allMatch
allMatch est vrai si tous les noms sont plus courts que 20 caractères
Voyons une implémentation possible de allMatch()
// pattern map / filter / reduce
List<Person> persons = ... ;
List<String> names =
Lists.map(persons, p -> p.getName()) ;
boolean allMatch =
Lists.allMatch(names, n -> n.length() < 20) ;

91. Écriture de allMatch()
Voici une implémentation basique de allMatch()
public static <T> boolean allMatch(
List<? extends T> list, Filter<T> filter) {
for (T t : list) {
if (!filter.filter(t)) {
return false ;
}
}
return true ;
}
Pas besoin de parcourir toute la liste !

92. Pattern complet
Quand on applique la réduction allMatch()…
… names a déjà été évaluée !
// pattern map / filter / reduce
List<Person> persons = ... ;
List<String> names =
Lists.map(persons, p -> p.getName()) ;
boolean allMatch =
Lists.allMatch(names, n.length() < 20) ;

93. Pattern complet
Quand on applique la réduction allMatch()…
… names a déjà été évaluée !
Il aurait fallu appliquer le mapping de façon lazy
// pattern map / filter / reduce
List<Person> persons = ... ;
List<String> names =
Lists.map(persons, p -> p.getName()) ;
boolean allMatch =
Lists.allMatch(names, n.length() < 20) ;

94. Conclusion
Pour : 1
Contre : 2 (au moins)
// pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = Lists.map( persons, p -> p.getAge()) ;
List<Integer> agesGT20 = Lists.filter(ages, a -> a > 20) ;
int sum = Lists.reduce(agesGT20, (i1, i2) -> i1 + i2) ;

95. // pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = Lists.map( persons, p -> p.getAge()) ;
List<Integer> agesGT20 = Lists.filter(ages, a -> a > 20) ;
int sum = Lists.reduce(agesGT20, (i1, i2) -> i1 + i2) ;
Conclusion
Pour : 1
Contre : 2 (au moins)

96. Conclusion
Et il en va de même pour celui-ci :
// pattern map / filter / reduce
List<Person> persons = ... ;
List<Integer> ages = persons.map(p -> p.getAge()) ;
List<Integer> agesGT20 = ages.filter(a -> a > 20) ;
int sum = agesGT20.reduce(ages, (i1, i2) -> i1 + i2) ;

97. Conclusion (again)
On a besoin d’un nouveau concept pour traiter les listes de grande taille de façon efficace

98. Quel pattern choisir ?

99. Introduction
Implémenter le map / filter / reduce sur Collection aurait mené à ceci :
Et même si cette approche n’est pas viable, c’est une façon agréable d’écrire les choses
// map / filter / reduce pattern sur Collection
int sum = persons
.map(p -> p.getAge())
.filter(a -> a > 20)
.reduce(0, (a1, a2) -> a1 + a2) ;

100. Introduction
Conservons le même genre de pattern, en ajoutant un appel intermédiaire
// map / filter / reduce pattern sur Collection
int sum = persons.stream()
.map(p -> p.getAge())
.filter(a -> a > 20)
.reduce(0, (a1, a2) -> a1 + a2) ;

101. Introduction
Collection.stream() retourne un Stream : une nouvelle interface
Nouvelle interface = on a les mains libres !
// map / filter / reduce pattern sur Collection
int sum = persons.stream()
.map(p -> p.getAge())
.filter(a -> a > 20)
.reduce(0, (a1, a2) -> a1 + a2) ;

102. Nouvelle interface Collection
Donc on a besoin d’une nouvelle méthode sur Collection
public interface Collection<E> {
// nos bonnes vieilles méthodes
Stream<E> stream() ;
}

103. Nouvelle interface Collection
Problème : ArrayList ne compile plus…
Une solution doit être trouvée !
public interface Collection<E> {
// nos bonnes vieilles méthodes
Stream<E> stream() ;
}

104. Nouvelles interfaces

105. Interfaces Java 8
Problème : ajouter des méthodes à une interface sans toucher aux implémentations…

106. Problème : ajouter des méthodes à une interface sans toucher aux implémentations…
Solution : changer la façon dont les interfaces fonctionnent en Java !
Interfaces Java 8

107. Interfaces Java 8
ArrayList a besoin de l’implémentation de stream()…
public interface Collection<E> {
// nos bonnes vieilles méthodes
Stream<E> stream() ;
}

108. Interfaces Java 8
Solution : mettons-les dans l’interface !
public interface Collection<E> {
// nos bonnes vieilles méthodes
default Stream<E> stream() {
return ... ;
}
}

109. Interfaces Java 8
Une interface devient-elle une classe abstraite ?

110. Interfaces Java 8
Une interface devient-elle une classe abstraite ?
Non !
-une classe abstraite peut avoir des champs et possède un constructeur
-un appel de méthode d’une classe abstraite (ou pas) est résolu à l’exécution
-une implémentation par défaut est juste du code, lié à la compilation

111. Méthodes par défaut
Cela amène-t-il l’héritage multiple en Java ?

112. Méthodes par défaut
Cela amène-t-il l’héritage multiple en Java ?
Oui, mais on l’a déjà

113. Méthodes par défaut
Cela amène-t-il l’héritage multiple en Java ?
Oui, mais on l’a déjà
public class String
implements Serializable, Comparable<String>, CharSequence {
// ...
}

114. Méthodes par défaut
Ce que l’on a en Java est l’héritage multiple de type

115. Méthodes par défaut
Ce que l’on a en Java est l’héritage multiple de type
Java 8 amène l’héritage multiple d’implémentation

116. Méthodes par défaut
Ce que l’on a en Java est l’héritage multiple de type
Java 8 amène l’héritage multiple d’implémentation
Ce que l’on a pas, c’est l’héritage multiple d’état

117. Méthodes par défaut
Ce que l’on a en Java est l’héritage multiple de type
Java 8 amène l’héritage multiple d’implémentation
Ce que l’on a pas, c’est l’héritage multiple d’état
… et d’ailleurs, on n’en veut pas !

118. Méthodes par défaut
Peut-on avoir des conflits ?

119. Méthodes par défaut
Peut-on avoir des conflits ?
Hélas oui…

120. Méthodes par défaut
Peut-on avoir des conflits ?
Hélas oui…
Il nous faut donc des règles pour les gérer

121. Méthodes par défaut
public class C
implements A, B {
// ...
}

122. Méthodes par défaut
Exemple #1
public class C
implements A, B {
// ...
}
public interface A {
default String a() { ... }
}
public interface B {
default String a() { ... }
}

123. Méthodes par défaut
Exemple #1
Erreur de compilation :
class C inherits unrelated defaults for a() from types A and B
public class C
implements A, B {
// ...
}
public interface A { default String a() { ... } }
public interface B {
default String a() { ... }
}

124. Méthodes par défaut
Exemple #2
La classe gagne !
public class C
implements A, B {
public String a() { ... }
}
public interface A {
default String a() { ... }
}
public interface B {
default String a() { ... }
}

125. Méthodes par défaut
Exemple #3
Le plus spécifique gagne !
public interface A extends B {
default String a() { ... }
}
public interface B {
default String a() { ... }
}
public class C
implements A, B {
// ...
}

126. Méthodes par défaut
Retour sur l’exemple #1
On peut aussi faire un appel explicite
public interface A {
default String a() { ... }
}
public interface B {
default String a() { ... }
}
public class C
implements A, B {
public String a() { return B.super.a() ; }
}

127. 2 règles simples
Pour gérer les conflits de l’héritage multiple d’implémentation

128. 2 règles simples
Pour gérer les conflits de l’héritage multiple d’implémentation
1)La classe gagne

129. 2 règles simples
Pour gérer les conflits de l’héritage multiple d’implémentation
1)La classe gagne
2)Les implémentations les plus spécifiques gagnent

130. Un exemple
On a tous écrit une implémentation d’Iterator :
public class MyIterator implements Iterator<E> {
// du code métier super important
public void remove() {
throw new UnsupportedOperationException("Naaaaaaan !") ;
} ;
}

131. Un exemple
Grâce à Java 8 :
Plus besoin d’écrire ce code !
public interface Iterator<E> { default void remove() { throw new UnsupportedOperationException("remove") ; } ; }

132. Interfaces en Java 8
Donc on change le concept d’interfaces en Java 8
public class HelloWorld {
// souvenir souvenir
public static void main(String[] args) {
System.out.println("Hello world!") ;
} ;
}

133. Interfaces en Java 8
Donc on change le concept d’interfaces en Java 8
Vraiment…
public interface HelloWorld {
// souvenir souvenir
public static void main(String[] args) {
System.out.println("Hello world!") ;
} ;
}

134. Interfaces en Java 8
1)Méthodes par défaut, héritage multiple d’implémentation
règles pour gérer les conflits, qui s’appliquent à la compilation
2)Des méthodes statiques dans les interfaces
Tout ceci va permettre de nouvelles manières d’écrire les APIs

135. On en sommes-nous ?
1)On a une nouvelle syntaxe : les lambdas
2)On a un pattern à implémenter
3)On a des nouvelles interfaces qui permettent de conserver la compatibilité ascendante

136. L’API Stream

137. Qu’est-ce qu’un Stream ?
D’un point de vue technique : une interface paramétrée
« un stream de String »

138. Qu’est-ce qu’un Stream ?
D’un point de vue technique : une interface paramétrée
D’autres interfaces pour les types primitifs :
« un stream de String »
IntStream, LongStream, DoubleStream

139. Une nouvelle notion
1)Un stream ne porte pas de donnée
Il s’agit juste d’un objet sur lequel on peut déclarer des opérations

140. Une nouvelle notion
1)Un stream ne porte pas de donnée
2)Un stream ne peut pas modifier sa source
Conséquence : il peut mener ses traitements en parallèle

141. Une nouvelle notion
1)Un stream ne porte pas de donnée
2)Un stream ne peut pas modifier sa source
3)Une source peut être infinie, ou non bornée
On a donc besoin de garantir que les calculs seront menés en temps fini

142. Une nouvelle notion
1)Un stream ne porte pas de donnée
2)Un stream ne peut pas modifier sa source
3)Une source peut être infinie, ou non bornée
4)Un Stream traite ses données de façon lazy
On peut optimiser les opérations entre elles
On a besoin d’un mécanisme pour déclencher les traitements

143. Comment construire un Stream ?
De nombreuses façons de faire…
1)À partir d’une collection :
Collection<String> collection = ... ;
Stream<String> stream = collection.stream() ;

144. Comment construire un Stream ?
De nombreuses façons de faire…
1)À partir d’une collection :
2)À partir d’un tableau :
Stream<String> stream2 =
Arrays.stream(new String [] {"one", "two", "three"}) ;

145. Comment construire un Stream ?
De nombreuses façons de faire…
1)À partir d’une collection :
2)À partir d’un tableau :
3)À partir des méthodes factory de Stream
Stream<String> stream1 = Stream.of("one", "two", "three") ;

146. Comment construire un Stream ?
Encore quelques patterns :
Stream.empty() ; // Stream vide
Stream.of(T t) ; // un seul élément
Stream.generate(Supplier<T> s) ;
Stream.iterate(T seed, UnaryOperator<T> f) ;

147. Comment construire un Stream ?
Encore d’autres façons :
string.chars() ; // retourne un IntStream
lineNumberReader.lines() ; // retourne un Stream<String>
random.ints() ; // retourne un IntStream

148. Deux types d’opérations
On peut donc déclarer des opérations sur un Stream
Deux types d’opérations :
1)Les opérations intermédiaires
Exemple : map, filter

149. Deux types d’opérations
On peut donc déclarer des opérations sur un Stream
Deux types d’opérations :
1)Les opérations intermédiaires
Exemple : map, filter
2)Les opérations terminales, qui déclenchent le traitement
Exemple : reduce

150. Un premier exemple
Retour sur notre map / filter / reduce
// map / filter / reduce pattern on collections
int sum = persons.stream()
.map(p -> p.getAge())
.filter(a -> a > 20)
.reduce(0, (a1, a2) -> a1 + a2) ;
Construction d’un Stream sur une List

151. Un premier exemple
Retour sur notre map / filter / reduce
// map / filter / reduce pattern on collections int sum = persons.stream() .map(p -> p.getAge()) .filter(a -> a > 20) .reduce(0, (a1, a2) -> a1 + a2) ;
Déclarations

152. Un premier exemple
Retour sur notre map / filter / reduce
// map / filter / reduce pattern on collections
int sum = persons.stream()
.map(p -> p.getAge())
.filter(a -> a > 20)
.reduce(0, (a1, a2) -> a1 + a2) ;
On lance le calcul

153. Un premier exemple
Retour sur notre map / filter / reduce
// map / filter / reduce pattern on collections int sum = persons.stream() .map(p -> p.getAge()) .filter(a -> a > 20) .reduce(0, (a1, a2) -> a1 + a2) ;
Valeur par défaut, dans le cas d’un stream vide

154. Un Stream possède un état
Les implémentations de Stream possèdent un état :
-SIZED = le cardinal du Stream est connu
-ORDERED = l’ordre du Stream est important (List)
-DISTINCT = pas de doublon dans le Stream (Set)
-SORTED = les Stream est trié (SortedSet)

155. Un Stream possède un état
Certaines opérations changent cet état
-le filtrage annule SIZED
-le mapping annule DISTINCT et SORTED

156. Un Stream possède un état
Et cela permet d’optimiser !
-un HashSet ne peut pas avoir de doublons…

157. Un Stream possède un état
Et cela permet d’optimiser !
-un HashSet ne peut pas avoir de doublons…
-donc distinct() ne fait rien (NOP) pour un stream construit sur un HashSet

158. Un Stream possède un état
Et cela permet d’optimiser !
-un HashSet ne peut pas avoir de doublons…
-donc distinct() ne fait rien (NOP) pour un stream construit sur un HashSet
-un TreeSet est trié, donc…

159. Un Stream possède un état
Et cela permet d’optimiser !
-un HashSet ne peut pas avoir de doublons…
-donc distinct() ne fait rien (NOP) pour un stream construit sur un HashSet
-un TreeSet est trié, donc…
-sorted() ne fait rien pour un stream construit sur un TreeSet

160. Opérations stateless / statefull
Opérations Stateless / statefull
Certaines opérations sont stateless :
Cela signifie que l’on n’a pas besoin de plus d’information que ce qui est contenu dans p
persons.stream().map(p -> p.getAge()) ;

161. Opérations stateless / statefull
Opérations Stateless / statefull
Certaines opérations sont stateless :
Pas le cas de toutes les opérations
persons.stream().map(p -> p.getAge()) ;
stream.limit(10_000_000) ; // sélection des premiers 10M éléments

162. Exemple
Trions un tableau de String
Random rand = new Random() ;
String [] strings = new String[10_000_000] ;
for (int i = 0 ; i < strings.length ; i++) {
strings[i] = Long.toHexString(rand.nextLong()) ;
}

163. Exemple
Trions un tableau de String
Soooo Java 7…
Random rand = new Random() ;
String [] strings = new String[10_000_000] ;
for (int i = 0 ; i < strings.length ; i++) {
strings[i] = Long.toHexString(rand.nextLong()) ;
}

164. Exemple
Trions un tableau de String
Meilleur ?
Random rand = new Random() ; Stream<String> stream = Stream.generate( () -> Long.toHexString(rand.nextLong()) ) ;

165. Exemple
Trions un tableau de String
Meilleur !
// Random rand = new Random() ; Stream<String> stream = Stream.generate( () -> Long.toHexString(ThreadLocalRandom.current().nextLong()) ) ;

166. Exemple
Trions un tableau de String
// other way Stream<String> stream = ThreadLocalRandom .current() .longs() // returns a LongStream .mapToObj(l -> Long.toHexString(l)) ;

167. Exemple
Trions un tableau de String
// other way
Stream<String> stream =
ThreadLocalRandom
.current()
.longs()
.mapToObj(Long::toHexString) ;

168. Exemple
Trions un tableau de String
// other way
Stream<String> stream =
ThreadLocalRandom
.current()
.longs()
.mapToObj(Long::toHexString)
.limit(10_000_000)
.sorted() ;
T = 4 ms

169. Exemple
Trions un tableau de String
// other way
Stream<String> stream =
ThreadLocalRandom
.current()
.longs()
.mapToObj(Long::toHexString)
.limit(10_000_000)
.sorted() ;
Object [] sorted = stream.toArray() ;

170. Exemple
Trions un tableau de String
// other way
Stream<String> stream =
ThreadLocalRandom
.current()
.longs()
.mapToObj(Long::toHexString)
.limit(10_000_000)
.sorted() ;
Object [] sorted = stream.toArray() ;
T = 14 s

171. Exemple
Trions un tableau de String
// other way
Stream<String> stream =
ThreadLocalRandom
.current()
.longs()
.mapToObj(Long::toHexString)
.limit(10_000_000)
.sorted() ;
Object [] sorted = stream.toArray() ;
T = 14 s
Opérations intermédiaires !

172. Au final
1)Il y a des opérations intermédiaires, et des opérations terminales
2)Seule une opération terminale déclenche les traitements

173. Au final
1)Il y a des opérations intermédiaires, et des opérations terminales
2)Seule une opération terminale déclenche les traitements
3)Une seule opération terminale est autorisée
4)Un Stream ne peut traité qu’une seule fois
Si besoin, un autre Stream doit être construit

174. Parallel Streams

175. Optimisation
La première optimisation (après l’exécution lazy) est le parallélisme
Fork / join permet la programmation parallèle depuis le JDK 7
Écrire du code parallèle reste complexe, et ne mène pas toujours à de meilleures performances

176. Optimisation
La première optimisation (après l’exécution lazy) est le parallélisme
Fork / join permet la programmation parallèle depuis le JDK 7
Écrire du code parallèle reste complexe, et ne mène pas toujours à de meilleures performances
Utiliser l’API Stream est plus simple et plus sûr

177. Construction d’un Stream parallèle
Deux patterns
1)Appeler parallelStream() au lieu de stream()
2)Appeler parallel() sur un stream existant
Stream<String> s = strings.parallelStream() ;
Stream<String> s = strings.stream().parallel() ;

178. Paralléliser est-il aussi simple ?
En fait oui !

179. Paralléliser est-il aussi simple ?
En fait oui !
… et non…

180. Paralléliser est-il aussi simple ?
Exemple 1 :
« retourne les premiers 10M éléments »
persons.stream().limit(10_000_000) ;

181. Paralléliser est-il aussi simple ?
Exemple 1 : performances
Code 1
List<Long> list = new ArrayList<>(10_000_100) ;
for (int i = 0 ; i < 10_000_000 ; i++) {
list1.add(ThreadLocalRandom.current().nextLong()) ;
}

182. Paralléliser est-il aussi simple ?
Exemple 1 : performances
Code 2
Stream<Long> stream = Stream.generate(() -> ThreadLocalRandom.current().nextLong()) ; List<Long> list1 = stream.limit(10_000_000).collect(Collectors.toList()) ;

183. Paralléliser est-il aussi simple ?
Exemple 1 : performances
Code 3
Stream<Long> stream = ThreadLocalRandom.current().longs(10_000_000).mapToObj(Long::new) ;
List<Long> list = stream.collect(Collectors.toList()) ;

184. Paralléliser est-il aussi simple ?
Exemple 1 : performances
Série
Parallèle
Code 1 (for)
270 ms
Code 2 (limit)
310 ms
Code 3 (longs)
250 ms

185. Paralléliser est-il aussi simple ?
Exemple 1 : performances
Série
Parallèle
Code 1 (for)
270 ms
Code 2 (limit)
310 ms
500 ms
Code 3 (longs)
250 ms
320 ms

186. Parallélisme
Le parallélisme implique des calculs supplémentaires la plupart du temps
Des opérations mal configurées vont entraîner des calculs inutiles, qui vont affaiblir les performances globales
Exemple : un stream ORDERED est plus complexe à traiter

187. Réductions

188. La réduction simple
La somme des âges
// map / filter / reduce
int sum = persons.stream()
.map(p -> p.getAge())
.filter(a -> a > 20)
.reduce(0, (a1, a2) -> a1 + a2) ;

189. La réduction simple
Ca serait bien de pouvoir écrire :
Mais sum() n’est pas définie sur Stream<T>
Que voudrait dire « additionner des personnes » ?
// map / filter / reduce int sum = persons.stream() .map(p -> p.getAge()) .filter(a -> a > 20) .sum() ;

190. La réduction simple
Ca serait bien de pouvoir écrire :
Mais sum() n’est pas définie sur Stream<T>
Mais il y a une méthode sum() sur IntStream !
// map / filter / reduce
int sum = persons.stream()
.map(p -> p.getAge())
.filter(a -> a > 20)
.sum() ;

191. La réduction simple
2ème version :
Résultat pour une liste vide : 0
// map / filter / reduce
int sum = persons.stream()
.map(Person::getAge)
.filter(a -> a > 20)
.mapToInt(Integer::intValue)
.sum() ;

192. La réduction simple
2ème version (encore meilleure) :
Résultat pour une liste vide : 0
// map / filter / reduce
int sum = persons.stream()
.mapToInt(Person::getAge)
.filter(a -> a > 20)
// .mapToInt(Integer::intValue)
.sum() ;

193. La réduction simple
Qu’en est-il de min() et de max() ?
Quelle valeur par défaut pour max() ?
// map / filter / reduce
....... = persons.stream()
.mapToInt(Person::getAge)
.filter(a -> a > 20)
.max() ;

194. Problème des valeurs par défaut
La notion de « valeur par défaut » est plus complexe qu’il y paraît…

195. Problème des valeurs par défaut
La notion de « valeur par défaut » est plus complexe qu’il y paraît…
1)La « valeur par défaut » est la réduction de l’ensemble vide

196. Problème des valeurs par défaut
La notion de « valeur par défaut » est plus complexe qu’il y paraît…
1)La « valeur par défaut » est la réduction de l’ensemble vide
2)Mais aussi l’élément neutre de la réduction

205. Problème des valeurs par défaut
Problème : max() and min() n’ont pas d’élément neutre
ie : un élément e pour lequel max(e, a) = a

206. Problème des valeurs par défaut
Problème : max() and min() n’ont pas d’élément neutre
ie : un élément e pour lequel max(e, a) = a
Ca ne peut pas être 0 : max(-1, 0) = 0
−∞ n’est pas un entier

207. Problème des valeurs par défaut
Donc quelle est la valeur par défaut de max() et min() ?

208. Problème des valeurs par défaut
Donc quelle est la valeur par défaut de max() et min() ?
Réponse : il n’y a pas de valeur par défaut pour max() et pour min()

209. Problème des valeurs par défaut
Donc quel type choisir pour la méthode max() ?
// map / filter / reduce pattern on collections
....... = persons.stream()
.mapToInt(Person::getAge)
.filter(a -> a > 20)
.max() ;

210. Problème des valeurs par défaut
Donc quel type choisir pour la méthode max() ?
Si c’est int, la valeur par défaut sera 0…
// map / filter / reduce pattern on collections
....... = persons.stream()
.mapToInt(Person::getAge)
.filter(a -> a > 20)
.max() ;

211. Optionals
Sans valeur par défaut, il faut trouver autre chose…
// map / filter / reduce pattern on collections
OptionalInt optionalMax = persons.stream()
.mapToInt(Person::getAge)
.filter(a -> a > 20)
.max() ;
« il peut ne pas y avoir de résultat »

212. Optionals
Que peut-on faire avec OptionalInt ?
1er pattern : tester s’il contient une valeur
OptionalInt optionalMax = ... ;
int max ;
if (optionalMax.isPresent()) {
max = optionalMax.get() ;
} else {
max = ... ; // décider d’une « valeur par défaut »
}

213. Optionals
Que peut-on faire avec OptionalInt ?
2ème pattern : lire la valeur ou jeter une exception
OptionalInt optionalMax = ... ;
// throws NoSuchElementException if no held value
int max = optionalMax.getAsInt() ;

214. Optionals
Que peut-on faire avec OptionalInt ?
3ème pattern : lire la valeur / retourner une valeur par défaut
OptionalInt optionalMax = ... ;
// get 0 if no held value
int max = optionalMax.orElse(0) ;

215. Optionals
Que peut-on faire avec OptionalInt ?
4ème pattern : lire la valeur ou jeter une exception
OptionalInt optionalMax = ... ;
// exceptionSupplier will supply an exception, if no held value
int max = optionalMax.orElseThrow(exceptionSupplier) ;

216. Available Optionals
Optional<T>
OptionalInt, OptionalLong, OptionalDouble

217. Réductions disponibles
Sur Stream<T> :
-reduce()
-count(), min(), max()
-anyMatch(), allMatch(), noneMatch()
-findFirst(), findAny()
-toArray()
-forEach(), forEachOrdered()

218. Réductions disponibles
Sur IntStream, LongStream, DoubleStream :
-average()
-sum()
-summaryStatistics()

219. Mutable reductions

220. Mutable reductions : exemple 1
Utilisation d’une classe helper : Collectors
ArrayList<String> strings =
stream
.map(Object::toString)
.collect(Collectors.toList()) ;

221. Mutable reductions : exemple 2
Concaténation de String avec un helper
String names = persons
.stream()
.map(Person::getName)
.collect(Collectors.joining()) ;

222. Mutable reductions
Une réduction mutable dépend :
-d’un container : Collection or StringBuilder
-d’un moyen d’ajouter un élément au container
-d’un moyen de fusionner deux containers (utilisé dans les opérations parallèles)

223. Collectors

224. La classe Collectors
Une boite à outils (37 méthodes) pour la plupart des types de réduction
-counting, minBy, maxBy
-summing, averaging, summarizing
-joining
-toList, toSet, toMap
Et
- mapping, groupingBy, partionningBy

225. La classe Collectors
Average, Sum, Count
persons
.stream()
.collect(Collectors.averagingDouble(Person::getAge)) ;
persons .stream() .collect(Collectors.counting()) ;

226. La classe Collectors
Concaténation des noms dans une String
String names = persons
.stream()
.map(Person::getName)
.collect(Collectors.joining(", ")) ;

227. La classe Collectors
Accumulation dans un Set
Set<Person> setOfPersons = persons
.stream()
.collect(
Collectors.toSet()) ;

228. La classe Collectors
Accumulation dans une collection passée en paramètre
TreeSet<Person> treeSetOfPersons = persons .stream() .collect( Collectors.toCollection(TreeSet::new)) ;

229. La classe Collectors
Calculer un max avec un comparateur
Bonus : une API Comparator
Optional<Person> optionalPerson = persons
.stream()
.collect(
Collectors.maxBy(
Comparator.comparing(Person::getAge)) ;

230. Construction de comparateurs
Nouvelle API pour construire des comparateurs
Comparator<Person> comp =
Comparator.comparing(Person::getLastName)
.thenComparing(Person::getFirstName)
.thenComparing(Person::getAge) ;

231. Classe Collectors : mapping
La méthode mapping() prend 2 paramètres
-une fonction, qui mappe les éléments du Stream
-un collecteur, appelé « downstream », appliqué aux valeurs mappées

232. Classe Collectors : mapping
Accumuler les noms des personnes dans un Set
Set<String> set = persons
.stream()
.collect(
Collectors.mapping(
Person::getLastName,
Collectors.toSet())) ;

233. Classe Collectors : mapping
Mapper le stream, accumulation dans une collection
TreeSet<String> set = persons
.stream()
.collect(
Collectors.mapping(
Person::getLastName,
Collectors.toCollection(TreeSet::new))
) ;

234. Classe Collectors : groupingBy
« Grouping by » construit des tables de hachage
-méthode de construction des clés
-par défaut les éléments sont rangés dans une liste
-on peut spécifier un downstream (collector)

235. Classe Collectors : groupingBy
Des personnes par âge
Map<Integer, List<Person>> map =
persons
.stream()
.collect(
Collectors.groupingBy(
Person::getAge)) ;

236. Classe Collectors : groupingBy
… rangées dans des Set
Map<Integer, Set<Person>> map =
persons
.stream()
.collect(
Collectors.groupingBy(
Person::getAge,
Collectors.toSet() // le downstream
) ;

237. Classe Collectors : groupingBy
… on ne garde que les noms
Map<Integer, Set<String>> map =
persons
.stream()
.collect(
Collectors.groupingBy(
Person::getAge,
Collectors.mapping( //
Person::getLastName, // the downstream
Collectors.toSet() //
)
) ;

238. Classe Collectors : groupingBy
… les noms rangés dans des TreeSet
Map<Integer, TreeSet<String>> map =
persons
.stream()
.collect(
Collectors.groupingBy(
Person::getAge,
Collectors.mapping(
Person::getLastName,
Collectors.toCollection(TreeSet::new)
)
) ;

239. Classe Collectors : groupingBy
… etc… etc… etc…
TreeMap<Integer, TreeSet<String>> map =
persons
.stream()
.collect(
Collectors.groupingBy(
Person::getAge,
TreeMap::new,
Collectors.mapping(
Person::getLastName,
Collectors.toCollection(TreeSet::new)
)
) ;

240. Classe Collectors : groupingBy
Exemple : création d’un histogramme des âges
Donne le nombre de personnes par âge
Map<Integer, Long> map =
persons
.stream()
.collect(
Collectors.groupingBy(
Person::getAge,
Collectors.counting()
)
) ;

241. Classe Collectors : partionningBy
Crée une Map<Boolean, …> à partir d’un prédicat
-la table a deux clés : TRUE et FALSE
-et on peut y ajouter un downstream

242. Classe Collectors : partionningBy
Crée une Map<Boolean, …> avec un prédicat
map.get(TRUE) retourne la liste des personnes de plus de 20 ans
Map<Boolean, List<Person>> map =
persons
.stream()
.collect(
Collectors.partitioningBy(p -> p.getAge() > 20)
) ;

243. Classe Collectors : partionningBy
On peut définir d’autres traitements
Map<Boolean, TreeSet<String>> map =
persons
.stream()
.collect(
Collectors.partitioningBy(
p -> p.getAge() > 20,
Collectors.mapping(
Person::getLastName,
Collectors.toCollection(TreeSet::new))
)
)
) ;

244. Classe Collectors : collectingAndThen
Collecte les données avec un downstream
Applique enfin une fonction appelée « finisher »
Indispensable pour retourner des collections immutables

245. Classe Collectors : collectingAndThen
Dans ce cas « Map::entrySet » est un finisher
Set<Map.Entry<Integer, List<Person>>> set =
persons
.stream()
.collect(
Collectors.collectingAndThen(
Collectors.groupingBy(
Person::getAge), // downstream, construit une map
Map::entrySet // finisher, appliqué à la map
) ;

246. Quelques exemples réels

247. 1er exemple
Optional<Entry<Integer, Long>> opt =
movies.stream().parallel()
.collect(
Collectors.collectingAndThen(
Collectors.groupingBy(
movie -> movie.releaseYear(),
Collectors.counting()
),
Map::entrySet
)
)
.stream()
.max(Map.Entry.comparingByValue()) ;

248. 1er exemple
Optional<Entry<Integer, Long>> opt =
movies.stream().parallel()
.collect(
Collectors.collectingAndThen(
Collectors.groupingBy(
movie -> movie.releaseYear(),
Collectors.counting()
),
Map::entrySet
)
)
.stream()
.max(Map.Entry.comparingByValue()) ;
Un stream de movies

249. 1er exemple
Optional<Entry<Integer, Long>> opt =
movies.stream().parallel()
.collect(
Collectors.collectingAndThen(
Collectors.groupingBy(
movie -> movie.releaseYear(),
Collectors.counting()
),
Map::entrySet
)
)
.stream()
.max(Map.Entry.comparingByValue()) ;
Construction d’une map année / # de films

250. 1er exemple
Optional<Entry<Integer, Long>> opt =
movies.stream().parallel()
.collect(
Collectors.collectingAndThen(
Collectors.groupingBy(
movie -> movie.releaseYear(),
Collectors.counting()
),
Map::entrySet
)
)
.stream()
.max(Map.Entry.comparingByValue()) ;
Construction de l’EntrySet

251. 1er exemple
Optional<Entry<Integer, Long>> opt =
movies.stream().parallel()
.collect(
Collectors.collectingAndThen(
Collectors.groupingBy(
movie -> movie.releaseYear(),
Collectors.counting()
),
Map::entrySet
)
)
.stream()
.max(Map.Entry.comparingByValue()) ;
Et déterminer la plus grande valeur

252. 1er exemple
Optional<Entry<Integer, Long>> opt =
movies.stream().parallel()
.collect(
Collectors.collectingAndThen(
Collectors.groupingBy(
movie -> movie.releaseYear(),
Collectors.counting()
),
Map::entrySet
)
)
.stream()
.max(Map.Entry.comparingByValue()) ;
Retourne l’année qui a vu le plus grand nombre de films

253. Conclusion

254. Conclusion
Pourquoi les lambdas ont-ils été introduits dans Java 8 ?

255. Conclusion
Pourquoi les lambdas ont-ils été introduits dans Java 8 ?
Réponse : parce que c’est à la mode !

257. Conclusion
Pourquoi les lambdas ont-ils été introduits dans Java 8 ?
Réponse : parce que c’est à la mode !

258. Conclusion
Pourquoi les lambdas ont-ils été introduits dans Java 8 ?
Réponse : parce que c’est à la mode !
Parce que le code écrit est plus compact !

259. Plus c’est court, plus c’est bon !
Un exemple de code compact
#include "stdio.h"
main() {
int b=0,c=0,q=60,_=q;for(float i=-20,o,O=0,l=0,j,p;j=O*O,p=l*l,
(!_--|(j+p>4)?fputc(b?q+(_/3):10,(i+=!b,p=j=O=l=0,c++,stdout)),
_=q:l=2*O*l+i/20,O=j-p+o),b=c%q,c<2400;o=-2+b*.05) ;
}
http://www.codeproject.com/Articles/2228/Obfuscating-your-Mandelbrot-code

260. Un exemple de code compact
#include "stdio.h"
main() {
int b=0,c=0,q=60,_=q;for(float i=-20,o,O=0,l=0,j,p;j=O*O,p=l*l,
(!_--|(j+p>4)?fputc(b?q+(_/3):10,(i+=!b,p=j=O=l=0,c++,stdout)),
_=q:l=2*O*l+i/20,O=j-p+o),b=c%q,c<2400;o=-2+b*.05) ;
}
http://www.codeproject.com/Articles/2228/Obfuscating-your-Mandelbrot-code
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++ +++++++++++++++
++++++++++++++++++++++++++++++++++++++++++ ++++++++++++++
++++++++++++++++++++++++++++++++++++++++++ ++++++++++++++
++++++++++++++++++++++++++++++++++++++++++ ++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++ ++ +++++++++++
+++++++++++++++++++++++++++++++++++ +++++++
++++++++++++++++++++++++++++++++++++ +++++++
+++++++++++++++++++++++++++++++++++ ++++++++
++++++++++++++++++++++++++++++++++ +++++++
+++++++++++++++++++++++++++++++++ +++++
+++++++++++++++++++++++++++++++++ ++++++
+++++++++++++++++++++++ + +++++ ++++++
+++++++++++++++++++++++ ++ ++++++
++++++++++++++++++++++ + ++++++
++++++++++++++++++++++ + ++++++
++++++++++++++++++++ + + +++++++
++++++ ++++++++
++++++++++++++++++++ + + +++++++
++++++++++++++++++++++ + ++++++
++++++++++++++++++++++ + ++++++
+++++++++++++++++++++++ ++ ++++++
+++++++++++++++++++++++ + +++++ ++++++
+++++++++++++++++++++++++++++++++ ++++++
+++++++++++++++++++++++++++++++++ +++++
++++++++++++++++++++++++++++++++++ +++++++
+++++++++++++++++++++++++++++++++++ ++++++++
++++++++++++++++++++++++++++++++++++ +++++++
+++++++++++++++++++++++++++++++++++ +++++++
++++++++++++++++++++++++++++++++++++ ++ +++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++ ++++++++++++++
++++++++++++++++++++++++++++++++++++++++++ ++++++++++++++
++++++++++++++++++++++++++++++++++++++++++ ++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++ +++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
Plus c’est court, plus c’est bon !

261. Conclusion
Pourquoi les lambdas ont-ils été introduits dans Java 8 ?
Réponse : parce que c’est à la mode !
Parce que le code écrit est plus compact !

262. Conclusion
Pourquoi les lambdas ont-ils été introduits dans Java 8 ?
Parce que les lambdas autorisent des nouveaux patterns qui permettent de paralléliser les traitements simplement et de façon sûre
-dont les applications ont besoin
-dont concepteurs d’API ont besoin

263. Conclusion
Java 8 arrive, il s’agit de la mise à jour la plus importante depuis 15 ans que Java existe

264. Conclusion
Java 8 arrive, il s’agit de la mise à jour la plus importante depuis 15 ans que Java existe
Migrer vers Java 8 va nécessiter du travail pour nous les développeurs
-auto-formation
-changement de nos habitudes de programmer

265. Conclusion
Java 8 arrive, il s’agit de la mise à jour la plus importante depuis 15 ans que Java existe
Migrer vers Java 8 va nécessiter du travail pour nous les développeurs
-auto-formation
-changement de nos habitudes de programmer
-convaincre nos boss…

266. Conclusion
Java 8 arrive, il s’agit de la mise à jour la plus importante depuis 15 ans que Java existe
Téléchargeons la version développeur sur openjdk.net
Date de sortie : 18 mars 2014

267. Conclusion
Java 8 arrive, il s’agit de la mise à jour la plus importante depuis 15 ans que Java existe
« Java is a blue collar language. It’s not PhD thesis material but a language for a job » – James Gosling, 1997

268. Conclusion
Java 8 arrive, il s’agit de la mise à jour la plus importante depuis 15 ans que Java existe
« Language features are not a goal unto themselves; language features are enablers, encouraging or discouraging certain styles and idioms » – Brian Goetz, 2013

269. Conclusion
Java 8 arrive, il s’agit de la mise à jour la plus importante depuis 15 ans que Java existe
La bonne nouvelle : Java est toujours Java !