Java8之Stream程式設計

Java 8 中的 Stream 是對集合（Collection）物件功能的增強，它專注於對集合物件進行各種非常便利、高效的聚合操作（aggregate operation），或者大批量資料操作 (bulk data operation)。Stream API 藉助於同樣新出現的 Lambda 表示式，極大的提高程式設計效率和程式可讀性。同時它提供序列和並行兩種模式進行匯聚操作，併發模式能夠充分利用多核處理器的優勢，使用 fork/join 並行方式來拆分任務和加速處理過程。通常編寫並行程式碼很難而且容易出錯, 但使用 Stream API 無需編寫一行多執行緒的程式碼，就可以很方便地寫出高效能的併發程式。所以說，Java 8 中首次出現的 java.util.stream 是一個函式式語言+多核時代綜合影響的產物。

聚合操作

在傳統的 J2EE 應用中，Java 程式碼經常不得不依賴於關係型資料庫的聚合操作來完成諸如:客戶每月平均消費金額、最昂貴的在售商品、本週完成的有效訂單（排除了無效的）、取十個資料樣本作為首頁推薦，這類的操作在傳統的Java中除了依賴於資料庫外，更多的時候是程式設計師需要用 Iterator 來遍歷集合，完成相關的聚合應用邏輯。這是一種遠不夠高效、笨拙的方法。在 Java 7 中，如果要發現 type 為 grocery 的所有交易，然後返回以交易值降序排序好的交易 ID 集合，的實現比較：

//Java 7 的排序、取值實現
List groceryTransactions = new Arraylist<>();
for(Transaction t: transactions){
 if(t.getType() == Transaction.GROCERY){
 groceryTransactions.add(t);
 }
}
Collections.sort(groceryTransactions, new Comparator(){
 public int compare(Transaction t1, Transaction t2){
 return t2.getValue().compareTo(t1.getValue());
 }
});
List transactionIds = new ArrayList<>();
for(Transaction t: groceryTransactions){
 transactionsIds.add(t.getId());
}

//Java8中stream實現的排序、取值實現
List transactionsIds = transactions.parallelStream().
 filter(t -> t.getType() == Transaction.GROCERY).
 sorted(comparing(Transaction::getValue).reversed()).
 map(Transaction::getId).
 collect(toList());

Stream

Stream 不是集合元素，它不是數據結構並不儲存資料，它是有關演算法和計算的，它更像一個高階版本的 Iterator。原始版本的 Iterator，使用者只能顯式地一個一個遍歷元素並對其執行某些操作；高階版本的 Stream，使用者只要給出需要對其包含的元素執行什麼操作，比如 「過濾掉長度大於 10 的字串」、「獲取每個字串的首字母」等，Stream 會隱式地在內部進行遍歷，做出相應的資料轉換。

Stream 就如同一個迭代器（Iterator），單向，不可往復，資料只能遍歷一次，遍歷過一次後即用盡了，就好比流水從面前流過，一去不復返。

而和迭代器又不同的是，Stream 可以並行化操作，迭代器只能命令式地、序列化操作。顧名思義，當使用序列方式去遍歷時，每個 item 讀完後再讀下一個 item。而使用並行去遍歷時，資料會被分成多個段，其中每一個都在不同的執行緒中處理，然後將結果一起輸出。

Stream 的另外一大特點是，資料來源本身可以是無限的。

stream的操作

當我們使用一個流的時候，通常包括三個基本步驟：

獲取一個數據源（source）→ 資料轉換→執行操作獲取想要的結果，每次轉換原有 Stream 物件不改變，返回一個新的 Stream 物件（可以有多次轉換），這就允許對其操作可以像鏈條一樣排列，變成一個管道。

生成stream的多種方式

• Collection 和陣列
  • Collection.stream()
  • Collection.parallelStream()
  • Arrays.stream(T array) or Stream.of()
• BufferedReader
  • java.io.BufferedReader.lines()
• 靜態工廠
• java.util.stream.IntStream.range()
• java.nio.file.Files.walk()
• 主動構造
• java.util.Spliterator
• Random.ints()
• BitSet.stream()
• Pattern.splitAsStream(java.lang.CharSequence)
• JarFile.stream()
  下面是一些常見的stream的構造與轉換的例項,(注意只是程式碼片段)

  package stream;
  
  import java.util.Arrays;
  import java.util.List;
  import java.util.stream.Collectors;
  import java.util.stream.IntStream;
  import java.util.stream.Stream;
  
  
  /**
  * stream的構造與轉換
  */
  public class Stream01{
      public static void main(String[] args){
          //構造Stream
          // 1. Individual values
          Stream stream = Stream.of("a", "b", "c");
          // 2. Arrays
          String[] strArray = new String[]{"a", "b", "c"};
          stream = Stream.of(strArray);
          stream = Arrays.stream(strArray);
          // 3. Collections
          List list = Arrays.asList(strArray);
          stream = list.stream();
  
          //數值流的構造
          //IntStream、LongStream、DoubleStream JDK主動整合了
          IntStream.of(new int[]{1, 2, 3}).forEach(System.out::println);
          IntStream.range(1, 3).forEach(System.out::println);
          IntStream.rangeClosed(1, 3).forEach(System.out::println);
  
          //流轉換為其它數據結構
          // 1. Array
          String[] strArray1 = stream.toArray(String[]::new);
          // 2. Collection
          List list1 = stream.collect(Collectors.toList());
          List list2 = stream.collect(Collectors.toCollection(ArrayList::new));
          Set set1 = stream.collect(Collectors.toSet());
          Stack stack1 = stream.collect(Collectors.toCollection(Stack::new));
          // 3. String
          String str = stream.collect(Collectors.joining()).toString();
  
      }
  }
  

流的操作型別

• Intermediate
  一個流可以後面跟隨零個或多個 intermediate 操作。其目的主要是開啟流，做出某種程度的資料對映/過濾，然後返回一個新的流，交給下一個操作使用。這類操作都是惰性化的（lazy），就是說，僅僅呼叫到這類方法，並沒有真正開始流的遍歷。常見的intermediate操作有：map (mapToInt, flatMap 等)、 filter、 distinct、 sorted、 peek、 limit、 skip、 parallel、 sequential、 unordered
• Terminal
  一個流只能有一個 terminal 操作，當這個操作執行後，流就被使用「光」了，無法再被操作。所以這必定是流的最後一個操作。Terminal 操作的執行，纔會真正開始流的遍歷，並且會生成一個結果，或者一個 side effect。常見的Terminal操作有：forEach、 forEachOrdered、 toArray、 reduce、 collect、 min、 max、 count、 anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 iterator
• short-circuiting
  用以指：對於一個 intermediate 操作，如果它接受的是一個無限大（infinite/unbounded）的 Stream，但返回一個有限的新 Stream。對於一個 terminal 操作，如果它接受的是一個無限大的 Stream，但能在有限的時間計算出結果。常見的操作有：anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 limit

map/flatMap

map它的作用就是把 input Stream 的每一個元素，對映成 output Stream 的另外一個元素。map 生成的是個 1:1 對映，每個輸入元素，都按照規則轉換成為另外一個元素。還有一些場景，是一對多對映關係的，這時需要 flatMap。

package stream;

import java.util.Arrays;
import java.util.List;
import java.util.stream.Collectors;
import java.util.stream.Stream;

public class StreamMap{
    public static void main(String[] args){
        //將陣列中所有元素全部轉換為大寫，並以List形式返回
        Stream stringStream = Stream.of(new String[]{"a", "b", "c", "d"});
        List stringList = stringStream.map(String::toUpperCase)
                .collect(Collectors.toList());

        //生成一個整數 list 的平方數 {1, 4, 9, 16}
        List nums = Arrays.asList(1, 2, 3, 4);
        List squareNums = nums.stream().
                map(n -> n * n).
                collect(Collectors.toList());


        Stream.of(
                Arrays.asList(1),
                Arrays.asList(2, 3),
                Arrays.asList(4, 5, 6)
        ).forEach(System.out::println);

        Stream> inputStream = Stream.of(
                Arrays.asList(1),
                Arrays.asList(2, 3),
                Arrays.asList(4, 5, 6)
        );
        Stream outputStream = inputStream.
                flatMap((childList) -> childList.stream());
        outputStream.forEach(System.out::println);
    }
}

filter

filter 對原始 Stream 進行某項測試，通過測試的元素被留下來生成一個新 Stream。

public class StreamFilter{
    public static void main(String[] args){
        Integer[] sixNums = {1, 2, 3, 4, 5, 6};
        Integer[] evens =
                Stream.of(sixNums).filter(n -> n%2 == 0).toArray(Integer[]::new);

        List output = reader.lines().
                flatMap(line -> Stream.of(line.split(REGEXP))).
                filter(word -> word.length() > 0).
                collect(Collectors.toList());
    }
}

forEach

forEach 方法接收一個 Lambda 表示式，然後在 Stream 的每一個元素上執行該表示式。

另外一點需要注意，forEach 是 terminal 操作，因此它執行後，Stream 的元素就被「消費」掉了，你無法對一個 Stream 進行兩次 terminal 運算。相反，具有相似功能的 intermediate 操作 peek 可以達到上述目的。forEach 不能修改自己包含的本地變數值，也不能用 break/return 之類的關鍵字提前結束迴圈。

public static void main(String[] args){

    //使用foreach
    Stream.of("one", "two", "three", "four")
            .forEach(System.out::println);


    //使用peek
    Stream.of("one", "two", "three", "four")
            .filter(e -> e.length() > 3)
            .peek(e -> System.out.println("Filtered value: " + e))
            .map(String::toUpperCase)
            .peek(e -> System.out.println("Mapped value: " + e))
            .collect(Collectors.toList());
}

findFirst

findFirst是一個 termimal 兼 short-circuiting 操作，它總是返回 Stream 的第一個元素，或者空。它的返回值型別是Optional。這也是一個模仿 Scala 語言中的概念，作為一個容器，它可能含有某值，或者不包含。使用它的目的是儘可能避免 NullPointerException。另外Stream 中的 findAny、max/min、reduce 等方法等返回 Optional 值。還有例如 IntStream.average() 返回 OptionalDouble 等等。

String strA = " abcd ", strB = null;
print(strA);
print("");
print(strB);
getLength(strA);
getLength("");
getLength(strB);
public static void print(String text){
 // Java 8
 Optional.ofNullable(text).ifPresent(System.out::println);
 // Pre-Java 8
 if (text != null) {
 System.out.println(text);
 }
 }
public static int getLength(String text){
 // Java 8
return Optional.ofNullable(text).map(String::length).orElse(-1);
 // Pre-Java 8
// return if (text != null) ? text.length() : -1;
 };

reduce

這個方法的主要作用是把 Stream 元素組合起來。它提供一個起始值（種子），然後依照運算規則（BinaryOperator），和前面 Stream 的第一個、第二個、第 n 個元素組合。從這個意義上說，字串拼接、數值的 sum、min、max、average 都是特殊的 reduce。也有沒有起始值的情況，這時會把 Stream 的前面兩個元素組合起來，返回的是 Optional。

下面是reduce的一些使用例項

public static void main(String[] args){
    //字串連線 結果為"ABCD"
    String concatStr = Stream.of("A", "B", "C", "D").reduce("", String::concat);

    //求最小值 結果為-3.0
    Double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);

    // 求和,有起始值 結果為10
    // 第一個引數（空白字元）即為起始值，第二個引數（String::concat）為 BinaryOperator。
    // 這類有起始值的 reduce() 都返回具體的物件
    int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);

    // @注意
    // 求和，sumValue = 10, 無起始值
    //沒有起始值的 reduce()，由於可能沒有足夠的元素，返回的是 Optional
    sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();
    // 過濾，字串連線，結果為"ace"
    concatStr = Stream.of("a", "B", "c", "D", "e", "F").
            filter(x -> x.compareTo("Z") > 0).
            reduce("", String::concat);
}

limit/skip

limit 返回 Stream 的前面 n 個元素；skip 則是扔掉前 n 個元素（它是由一個叫 subStream 的方法改名而來）。

package stream;

import java.util.ArrayList;
import java.util.List;
import java.util.stream.Collectors;

public class StreamLimit{
    private static class Person{
        public int no;
        private String name;
        public Person(int no, String name){
            this.no = no;
            this.name = name;
        }
        public String getName(){
            System.out.println(name);
            return name;
        }
    }
    public static void main(String[] args){
        List persons = new ArrayList();
        for (int i = 1; i <= 10000; i++) {
            Person person = new Person(i, "name" + i);
            persons.add(person);
        }
        List personList2 = persons.stream().
                map(Person::getName).
                limit(5).
                skip(3)
                .collect(Collectors.toList());

        System.out.println(personList2);
    }


}

sorted/min/max/distinct

對 Stream 的排序通過 sorted 進行，它比陣列的排序更強之處在於你可以首先對 Stream 進行各類 map、filter、limit、skip 甚至 distinct 來減少元素數量後，再排序，這能幫助程式明顯縮短執行時間。

package stream;

import java.util.ArrayList;
import java.util.List;
import java.util.stream.Collectors;

public class StreamSorted{
    private static class Person{
        public int no;
        private String name;
        public Person(int no, String name){
            this.no = no;
            this.name = name;
        }
        public String getName(){
            System.out.println(name);
            return name;
        }
    }
    public static void main(String[] args){
        List persons = new ArrayList();
        for (int i = 1; i <= 10000; i++) {
            Person person = new Person(i, "name" + i);
            persons.add(person);
        }

        //先過濾資料最後在排序
        List personList2 = persons.stream().limit(5)
                .skip(3)
                .sorted((p1, p2) -> p1.getName().compareTo(p2.getName()))
                .collect(Collectors.toList());

        System.out.println(personList2);

        // 找出最大的行
        BufferedReader br = new BufferedReader(new FileReader("c:\SUService.log"));
        int longest = br.lines().
                mapToInt(String::length).
                max().
                getAsInt();
    }
}

Match

Stream 有三個 match 方法，從語義上說

• allMatch：Stream 中全部元素符合傳入的 predicate，返回 true
• anyMatch：Stream 中只要有一個元素符合傳入的 predicate，返回 true
• noneMatch：Stream 中沒有一個元素符合傳入的 predicate，返回 true

List persons = new ArrayList();
persons.add(new Person(1, "name" + 1, 10));
persons.add(new Person(2, "name" + 2, 21));
persons.add(new Person(3, "name" + 3, 34));
persons.add(new Person(4, "name" + 4, 6));
persons.add(new Person(5, "name" + 5, 55));
boolean isAllAdult = persons.stream().
 allMatch(p -> p.getAge() > 18);
System.out.println("All are adult? " + isAllAdult);
boolean isThereAnyChild = persons.stream().
 anyMatch(p -> p.getAge() < 12);
System.out.println("Any child? " + isThereAnyChild);

Stream.generate

通過實現 Supplier 介面，你可以自己來控制流的生成。這種情形通常用於隨機數、常量的 Stream，或者需要前後元素間維持著某種狀態資訊的 Stream。把 Supplier 例項傳遞給 Stream.generate() 生成的 Stream，預設是序列（相對 parallel 而言）但無序的（相對 ordered 而言）。由於它是無限的，在管道中，必須利用 limit 之類的操作限制 Stream 大小。

Random seed = new Random();
Supplier random = seed::nextInt;
Stream.generate(random).limit(10).forEach(System.out::println);
//Another way
IntStream.generate(() -> (int) (System.nanoTime() % 100)).
limit(10).forEach(System.out::println);

Stream.generate() 還接受自己實現的 Supplier。例如在構造海量測試資料的時候，用某種自動的規則給每一個變數賦值；或者依據公式計算 Stream 的每個元素值。這些都是維持狀態資訊的情形。

//自實現 Supplier
Stream.generate(new PersonSupplier()).
limit(10).
forEach(p -> System.out.println(p.getName() + ", " + p.getAge()));
private class PersonSupplierimplements Supplier{
 private int index = 0;
 private Random random = new Random();
 @Override
 public Person get(){
 return new Person(index++, "StormTestUser" + index, random.nextInt(100));
 }
}

Stream.iterate

iterate 跟 reduce 操作很像，接受一個種子值，和一個 UnaryOperator（例如 f）。然後種子值成為 Stream 的第一個元素，f(seed) 為第二個，f(f(seed)) 第三個，以此類推。

//生成一個等差數列
Stream.iterate(0, n -> n + 3).limit(10). forEach(x -> System.out.print(x + " "));.

stream的併發執行

一個順序執行的stream轉變成一個併發的stream只要呼叫 parallel()方法。將一個併發流轉成順序的流只要呼叫sequential()方法。並行流就是一個把內容分成多個數據塊，並用不不同的執行緒分別處理每個資料塊的流。最後合併每個資料塊的計算結果。

//用簡單的程式驗證是否是執行緒安全的
package stream;

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;
import java.util.stream.IntStream;

public class StreamParallel{
    public static void main(String[] args){
        List list1 = new ArrayList<>();
        List list2 = new ArrayList<>();
        List list3 = new ArrayList<>();
        Lock lock = new ReentrantLock();

        IntStream.range(0, 10000).forEach(list1::add);

        IntStream.range(0, 10000).parallel().forEach(list2::add);

        IntStream.range(0, 10000).forEach(i -> {
            lock.lock();
            try {
                list3.add(i);
            } finally {
                lock.unlock();
            }
        });

        System.out.println("序列執行的大小-大小始終10000：" + list1.size());
        System.out.println("並行執行的大小-大小不一定：" + list2.size());
        System.out.println("加鎖並行執行的大小-大小始終10000：" + list3.size());
    }
}

收集器

將Stream轉換為常見的集合物件或者自定義的物件是經常需要的操作。下面是常見的轉換方式

package stream;

import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.function.Function;
import java.util.stream.Collectors;
import java.util.stream.Stream;

public class StreamCollect01{
    //將Stream轉換為常見的集合物件
    public static void main(String[] args){
        Stream stream = Stream.of("I", "love", "you", "too");
        //將Stream轉換為List
        List list = stream.collect(Collectors.toList());
        list.forEach(System.out::println);

        //將Stream轉換為Set
        Stream stream1 = Stream.of("I", "love", "you", "too");
        Set set = stream1.collect(Collectors.toSet());
        set.forEach(System.out::println);

        //將Stream轉換為Map
        Stream stream2 = Stream.of("I", "love", "you", "too");
        Map map = stream2.collect(Collectors.toMap(Function.identity(), String::length));
        map.forEach((k, v) -> System.out.println(k + "=" + v));
    }
}

觀察Stream的定義可以看到倆個版本的collect的方法，分別如下:

//Supplier var1函式介面，該介面宣告了一個get方法，主要用來建立返回一個指定資料型別的物件
//BiConsumer 函式介面，該介面宣告了accept方法，並無返回值，該函式介面主要用來宣告一些預期操作。
//BiConsumer 該介面指定了apply方法執行的引數型別及返回值類
//簡單的理解為 目標容器是什麼？新元素如何新增到容器中？3. 多個部分結果如何合併成一個。
  Rcollect(Supplier var1, BiConsumer var2, BiConsumer var3);
// 可以理解為對上述藉口的以一個封裝
 Rcollect(Collector var1);

查閱Collector的定義如下，你會發現其和多引數的Stream.collect函式很相似

public interface Collector{
	//用來建立並且返回一個可變結果容器
    Suppliersupplier();
    //將一個值疊進一個可變結果容器
    BiConsumeraccumulator();
    //接受兩個部分結果並將它們合併。可能是把一個引數疊進另一個引數並且返回另一個引數，
    //也有可能返回一個新的結果容器，多執行緒處理時會用到
    BinaryOperatorcombiner();
    //將中間型別執行最終的轉換，轉換成最終結果型別
    //如果屬性 IDENTITY_TRANSFORM 被設定，該方法會假定中間結果型別可以強制轉成最終結果型別
    Functionfinisher();
    //收集器的屬性集合
    Set characteristics();

    static  Collectorof(Supplier var0, BiConsumer var1, BinaryOperator var2, Collector.Characteristics... var3){
        Objects.requireNonNull(var0);
        Objects.requireNonNull(var1);
        Objects.requireNonNull(var2);
        Objects.requireNonNull(var3);
        Set var4 = var3.length == 0 ? Collectors.CH_ID : Collections.unmodifiableSet(EnumSet.of(Collector.Characteristics.IDENTITY_FINISH, var3));
        return new CollectorImpl(var0, var1, var2, var4);
    }

    static  Collectorof(Supplier var0, BiConsumer var1, BinaryOperator var2, Function var3, Collector.Characteristics... var4){
        Objects.requireNonNull(var0);
        Objects.requireNonNull(var1);
        Objects.requireNonNull(var2);
        Objects.requireNonNull(var3);
        Objects.requireNonNull(var4);
        Set var5 = Collectors.CH_NOID;
        if (var4.length > 0) {
            EnumSet var6 = EnumSet.noneOf(Collector.Characteristics.class);
            Collections.addAll(var6, var4);
            var5 = Collections.unmodifiableSet(var6);
        }

        return new CollectorImpl(var0, var1, var2, var3, var5);
    }

    public static enum Characteristics {
        CONCURRENT,
        UNORDERED,
        IDENTITY_FINISH;

        private Characteristics(){
        }
    }
}

package stream;

import java.util.*;
import java.util.function.BiConsumer;
import java.util.function.BinaryOperator;
import java.util.function.Function;
import java.util.function.Supplier;
import java.util.stream.Collector;
import java.util.stream.Stream;

import static java.util.stream.Collector.Characteristics.CONCURRENT;
import static java.util.stream.Collector.Characteristics.IDENTITY_FINISH;
import static java.util.stream.Collectors.toMap;

public class StreamCollect02{
    private static class Person{
        private String name;
        private int age;
        private double height;

        public Person(){
        }

        public Person(String name,int age, double height){
            this.name = name;
            this.age = age;
            this.height = height;
        }

        public String getName(){
            return name;
        }

        public void setName(String name){
            this.name = name;
        }

        public int getAge(){
            return age;
        }

        public void setAge(int age){
            this.age = age;
        }

        public double getHeight(){
            return height;
        }

        public void setHeight(double height){
            this.height = height;
        }
    }

    /**
* Person物件集合按年齡來分組
*/
    public static class MyGroupingimplements Collector>,Map>>{
        @Override
        public Supplier>> supplier() {
            return HashMap::new;
        }

        @Override
        public BiConsumer>, Person> accumulator() {
            return (map, p) -> {
                ArrayList list;
                if ((list = map.get(p.getAge())) != null) {
                    list.add(p);
                } else {
                    list = new ArrayList<>();
                    list.add(p);
                    map.put(p.getAge(), list);
                }
            };
        }

        @Override
        public BinaryOperator>> combiner() {
            return (m1, m2) -> Stream.of(m1, m2)
                    .map(Map::entrySet)
                    .flatMap(Collection::stream)
                    .collect(toMap(Map.Entry::getKey, Map.Entry::getValue, (e1, e2) -> {
                        e1.addAll(e2);
                        return e1;
                    }));
        }

        @Override
        public Function>, Map>> finisher() {
            return Function.identity();
        }

        @Override
        public Set characteristics(){
            return Collections.unmodifiableSet(EnumSet.of(IDENTITY_FINISH, CONCURRENT));
        }
    }

    private static class PersonSupplierimplements Supplier{
        private int index = 0;
        private Random random = new Random();
        @Override
        public Person get(){
            return new Person("Name"+String.valueOf(index++), random.nextInt(100), random.nextDouble());
        }
    }

    public static void main(String[] args){
        //使用自定義的型別收集器將stream轉換為想要的資料型別
        Map> collect =
                Stream.generate(new PersonSupplier()).limit(100).collect(new MyGrouping());
        collect.forEach((k,v)-> System.out.println(k+"="+v));
    }
}

//按照年齡歸組
Map> personGroups = Stream.generate(new PersonSupplier()).
 limit(100).
 collect(Collectors.groupingBy(Person::getAge));
Iterator it = personGroups.entrySet().iterator();
while (it.hasNext()) {
 Map.Entry> persons = (Map.Entry) it.next();
 System.out.println("Age " + persons.getKey() + " = " + persons.getValue().size());
}

// 按照未成年人和成年人歸組
Map> children = Stream.generate(new PersonSupplier()).
 limit(100).
 collect(Collectors.partitioningBy(p -> p.getAge() < 18));
System.out.println("Children number: " + children.get(true).size());
System.out.println("Adult number: " + children.get(false).size());