一文详解 JDK1.8 的 Lambda、Stream、LocalDateTime

Lambda

Lambda介绍

Lambda 表达式(lambda expression)是一个匿名函数，Lambda表达式基于数学中的λ演算得名，直接对应于其中的lambda抽象(lambda abstraction)，是一个匿名函数，即没有函数名的函数。

Lambda表达式的结构

一个 Lambda 表达式可以有零个或多个参数
参数的类型既可以明确声明，也可以根据上下文来推断。例如：(int a)与(a)效果相同
所有参数需包含在圆括号内，参数之间用逗号相隔。例如：(a, b) 或 (int a, int b) 或 (String a, int b, float c)
空圆括号代表参数集为空。例如：() -> 42
当只有一个参数，且其类型可推导时，圆括号（）可省略。例如：a -> return a*a
Lambda 表达式的主体可包含零条或多条语句
如果 Lambda 表达式的主体只有一条语句，花括号{}可省略。匿名函数的返回类型与该主体表达式一致
如果 Lambda 表达式的主体包含一条以上语句，则表达式必须包含在花括号{}中（形成代码块）。匿名函数的返回类型与代码块的返回类型一致，若没有返回则为空

Lambda 表达式的使用

下面我们先使用一个简单的例子来看看Lambda的效果吧。

比如我们对Map 的遍历传统方式遍历如下:

  Map<String, String> map = new HashMap<>();map.put("a", "a");map.put("b", "b");map.put("c", "c");map.put("d", "d");System.out.println("map普通方式遍历:");for (String key : map.keySet()) {System.out.println("k=" + key + "，v=" + map.get(key));}

使用Lambda进行遍历:

  System.out.println("map拉姆达表达式遍历:");map.forEach((k, v) -> {System.out.println("k=" + k + "，v=" + v);});

List也同理，不过List还可以通过双冒号运算符遍历:

  List<String> list = new ArrayList<String>();list.add("a");list.add("bb");list.add("ccc");list.add("dddd");System.out.println("list拉姆达表达式遍历:");list.forEach(v -> {System.out.println(v);});System.out.println("list双冒号运算符遍历:");list.forEach(System.out::println);

输出结果:

 map普通方式遍历:k=a，v=ak=b，v=bk=c，v=ck=d，v=dmap拉姆达表达式遍历:k=a，v=ak=b，v=bk=c，v=ck=d，v=dlist拉姆达表达式遍历:abbcccddddlist双冒号运算符遍历:abbcccdddd

Lambda 除了在for循环遍历中使用外，它还可以代替匿名的内部类。比如下面这个例子的线程创建:

 //使用普通的方式创建Runnable r1 = new Runnable() {@Overridepublic void run() {System.out.println("普通方式创建!");}};//使用拉姆达方式创建Runnable r2 = ()-> System.out.println("拉姆达方式创建!");

注: 这个例子中使用Lambda表达式的时候，编译器会自动推断：根据线程类的构造函数签名 Runnable r { }，将该 Lambda 表达式赋 Runnable 接口。

Lambda 表达式与匿名类的区别使用匿名类与 Lambda 表达式的一大区别在于关键词的使用。对于匿名类，关键词 this 解读为匿名类，而对于 Lambda 表达式，关键词 this 解读为写就 Lambda 的外部类。

Lambda表达式使用注意事项

Lambda虽然简化了代码的编写，但同时也减少了可读性。

Stream

Stream介绍

Stream 使用一种类似用 SQL 语句从数据库查询数据的直观方式来提供一种对 Java 集合运算和表达的高阶抽象。Stream API可以极大提高Java程序员的生产力，让程序员写出高效率、干净、简洁的代码。这种风格将要处理的元素集合看作一种流，流在管道中传输，并且可以在管道的节点上进行处理，比如筛选，排序，聚合等。

Stream特性：

不是数据结构：它没有内部存储，它只是用操作管道从 source（数据结构、数组、generator function、IO channel）抓取数据。它也绝不修改自己所封装的底层数据结构的数据。例如 Stream 的 filter 操作会产生一个不包含被过滤元素的新 Stream，而不是从 source 删除那些元素。
不支持索引访问：但是很容易生成数组或者 List 。
惰性化：很多 Stream 操作是向后延迟的，一直到它弄清楚了最后需要多少数据才会开始。Intermediate 操作永远是惰性化的。
并行能力。当一个 Stream 是并行化的，就不需要再写多线程代码，所有对它的操作会自动并行进行的。
可以是无限的：集合有固定大小，Stream 则不必。limit(n) 和 findFirst() 这类的 short-circuiting 操作可以对无限的 Stream 进行运算并很快完成。
注意事项：所有 Stream 的操作必须以 lambda 表达式为参数。

Stream 流操作类型：

Intermediate：一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。
Terminal：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal操作的执行，才会真正开始流的遍历，并且会生成一个结果，或者一个 side effect。

Stream使用

这里我们依旧使用一个简单示例来看看吧。在开发中，我们有时需要对一些数据进行过滤，如果是传统的方式，我们需要对这批数据进行遍历过滤，会显得比较繁琐，如果使用steam流方式的话，那么可以很方便的进行处理。

首先通过普通的方式进行过滤:

List<String> list = Arrays.asList("张三", "李四", "王五", "xuwujing");System.out.println("过滤之前:" + list);List<String> result = new ArrayList<>();for (String str : list) {if (!"李四".equals(str)) {result.add(str);}}System.out.println("过滤之后:" + result);

使用Steam方式进行过滤：

List<String> result2 = list.stream().filter(str -> !"李四".equals(str)).collect(Collectors.toList());
System.out.println("stream 过滤之后:" + result2);

输出结果:

过滤之前:[张三, 李四, 王五, xuwujing]
过滤之后:[张三, 王五, xuwujing]
stream 过滤之后:[张三, 王五, xuwujing]

是不是很简洁和方便呢。其实Stream流还有更多的使用方法，filter只是其中的一角而已。那么在这里我们就来学习了解下这些用法吧。

1.构造Stream流的方式

 Stream stream = Stream.of("a", "b", "c");String[] strArray = new String[] { "a", "b", "c" };stream = Stream.of(strArray);stream = Arrays.stream(strArray);List<String> list = Arrays.asList(strArray);stream = list.stream();

2.Stream流的之间的转换

注意:一个Stream流只可以使用一次，这段代码为了简洁而重复使用了数次，因此会抛出 stream has already been operated upon or closed 异常。

try {Stream<String> stream2 = Stream.of("a", "b", "c");// 转换成 ArrayString[] strArray1 = stream2.toArray(String[]::new);// 转换成 CollectionList<String> list1 = stream2.collect(Collectors.toList());List<String> list2 = stream2.collect(Collectors.toCollection(ArrayList::new));   Set set1 = stream2.collect(Collectors.toSet());Stack stack1 = stream2.collect(Collectors.toCollection(Stack::new));// 转换成 StringString str = stream.collect(Collectors.joining()).toString();} catch (Exception e) {e.printStackTrace();}

3.Stream流的map使用

map方法用于映射每个元素到对应的结果，一对一。

示例一：转换大写

 List<String> list3 = Arrays.asList("zhangSan", "liSi", "wangWu");System.out.println("转换之前的数据:" + list3);List<String> list4 = list3.stream().map(String::toUpperCase).collect(Collectors.toList());System.out.println("转换之后的数据:" + list4); // 转换之后的数据:[ZHANGSAN, LISI,WANGWU]

示例二：转换数据类型

 List<String> list31 = Arrays.asList("1", "2", "3");System.out.println("转换之前的数据:" + list31);List<Integer> list41 = list31.stream().map(Integer::valueOf).collect(Collectors.toList());System.out.println("转换之后的数据:" + list41); // [1, 2, 3]

示例三：获取平方

 List<Integer> list5 = Arrays.asList(new Integer[] { 1, 2, 3, 4, 5 });List<Integer> list6 = list5.stream().map(n -> n * n).collect(Collectors.toList());System.out.println("平方的数据:" + list6);// [1, 4, 9, 16, 25]

4.Stream流的filter使用

filter方法用于通过设置的条件过滤出元素。

示例二：通过与 findAny 得到 if/else 的值

List<String> list = Arrays.asList("张三", "李四", "王五", "xuwujing");
String result3 = list.stream().filter(str -> "李四".equals(str)).findAny().orElse("找不到!");
String result4 = list.stream().filter(str -> "李二".equals(str)).findAny().orElse("找不到!");System.out.println("stream 过滤之后 2:" + result3);
System.out.println("stream 过滤之后 3:" + result4);
//stream 过滤之后 2:李四
//stream 过滤之后 3:找不到!

示例三：通过与 mapToInt 计算和

 List<User> lists = new ArrayList<User>();lists.add(new User(6, "张三"));lists.add(new User(2, "李四"));lists.add(new User(3, "王五"));lists.add(new User(1, "张三"));// 计算这个list中出现 "张三" id的值int sum = lists.stream().filter(u -> "张三".equals(u.getName())).mapToInt(u -> u.getId()).sum();System.out.println("计算结果:" + sum); // 7

5.Stream 流的 flatMap 使用

flatMap 方法用于映射每个元素到对应的结果，一对多。

示例:从句子中得到单词

 String worlds = "The way of the future";List<String> list7 = new ArrayList<>();list7.add(worlds);List<String> list8 = list7.stream().flatMap(str -> Stream.of(str.split(" "))).filter(world -> world.length() > 0).collect(Collectors.toList());System.out.println("单词:");list8.forEach(System.out::println);// 单词:// The // way // of // the // future

6.Stream流的limit使用

limit 方法用于获取指定数量的流。

示例一：获取前n条数的数据

 Random rd = new Random();System.out.println("取到的前三条数据:");rd.ints().limit(3).forEach(System.out::println);// 取到的前三条数据:// 1167267754// -1164558977// 1977868798

示例二：结合skip使用得到需要的数据

skip表示的是扔掉前n个元素。

List<User> list9 = new ArrayList<User>();for (int i = 1; i < 4; i++) {User user = new User(i, "pancm" + i);list9.add(user);}System.out.println("截取之前的数据:");// 取前3条数据，但是扔掉了前面的2条，可以理解为拿到的数据为 2<=i<3 (i 是数值下标)List<String> list10 = list9.stream().map(User::getName).limit(3).skip(2).collect(Collectors.toList());System.out.println("截取之后的数据:" + list10);//  截取之前的数据://  姓名:pancm1//  姓名:pancm2//  姓名:pancm3//  截取之后的数据:[pancm3]

注:User实体类中 getName 方法会打印姓名。

7.Stream流的sort使用

sorted方法用于对流进行升序排序。

示例一：随机取值排序

 Random rd2 = new Random();System.out.println("取到的前三条数据然后进行排序:");rd2.ints().limit(3).sorted().forEach(System.out::println);// 取到的前三条数据然后进行排序:// -2043456377// -1778595703// 1013369565

示例二：优化排序

tips: 先获取在排序效率会更高!

 //普通的排序取值List<User> list11 = list9.stream().sorted((u1, u2) -> u1.getName().compareTo(u2.getName())).limit(3).collect(Collectors.toList());System.out.println("排序之后的数据:" + list11);//优化排序取值List<User> list12 = list9.stream().limit(3).sorted((u1, u2) -> u1.getName().compareTo(u2.getName())).collect(Collectors.toList());System.out.println("优化排序之后的数据:" + list12);//排序之后的数据:[{"id":1,"name":"pancm1"}, {"id":2,"name":"pancm2"}, {"id":3,"name":"pancm3"}]//优化排序之后的数据:[{"id":1,"name":"pancm1"}, {"id":2,"name":"pancm2"}, {"id":3,"name":"pancm3"}]

8.Stream流的peek使用

peek对每个元素执行操作并返回一个新的Stream

示例: 双重操作

 System.out.println("peek使用:");Stream.of("one", "two", "three", "four").filter(e -> e.length() > 3).peek(e -> System.out.println("转换之前: " + e)).map(String::toUpperCase).peek(e -> System.out.println("转换之后: " + e)).collect(Collectors.toList());// 转换之前: three// 转换之后: THREE// 转换之前: four// 转换之后: FOUR

9.Stream流的parallel使用

parallelStream 是流并行处理程序的代替方法。

示例:获取空字符串的数量

 List<String> strings = Arrays.asList("a", "", "c", "", "e","", " ");// 获取空字符串的数量long count =  strings.parallelStream().filter(string -> string.isEmpty()).count();System.out.println("空字符串的个数:"+count);

10.Stream流的max/min/distinct使用

示例一：得到最大最小值

 List<String> list13 = Arrays.asList("zhangsan","lisi","wangwu","xuwujing");int maxLines = list13.stream().mapToInt(String::length).max().getAsInt();int minLines = list13.stream().mapToInt(String::length).min().getAsInt();System.out.println("最长字符的长度:" + maxLines+",最短字符的长度:"+minLines);//最长字符的长度:8,最短字符的长度:4

示例二：得到去重之后的数据

 String lines = "good good study day day up";List<String> list14 = new ArrayList<String>();list14.add(lines);List<String> words = list14.stream().flatMap(line -> Stream.of(line.split(" "))).filter(word -> word.length() > 0).map(String::toLowerCase).distinct().sorted().collect(Collectors.toList());System.out.println("去重复之后:" + words);//去重复之后:[day, good, study, up]

11.Stream流的Match使用

allMatch：Stream 中全部元素符合则返回 true ;
anyMatch：Stream 中只要有一个元素符合则返回 true;
noneMatch：Stream 中没有一个元素符合则返回 true。

示例:数据是否符合

 boolean all = lists.stream().allMatch(u -> u.getId() > 3);System.out.println("是否都大于3:" + all);boolean any = lists.stream().anyMatch(u -> u.getId() > 3);System.out.println("是否有一个大于3:" + any);boolean none = lists.stream().noneMatch(u -> u.getId() > 3);System.out.println("是否没有一个大于3的:" + none);  // 是否都大于3:false// 是否有一个大于3:true// 是否没有一个大于3的:false

12.Stream流的reduce使用

reduce 主要作用是把 Stream 元素组合起来进行操作。

示例一：字符串连接

String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat);
System.out.println("字符串拼接:" + concat);

示例二：得到最小值

 double minValue = Stream.of(-4.0, 1.0, 3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);System.out.println("最小值:" + minValue);//最小值:-4.0

示例三：求和

 // 求和, 无起始值int sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();System.out.println("有无起始值求和:" + sumValue);// 求和, 有起始值sumValue = Stream.of(1, 2, 3, 4).reduce(1, Integer::sum);System.out.println("有起始值求和:" + sumValue);// 有无起始值求和:10// 有起始值求和:11

示例四：过滤拼接

concat = Stream.of("a", "B", "c", "D", "e", "F").filter(x -> x.compareTo("Z") > 0).reduce("", String::concat);
System.out.println("过滤和字符串连接:" + concat);//过滤和字符串连接:ace

13.Stream流的iterate使用

iterate 跟 reduce 操作很像，接受一个种子值，和一个UnaryOperator（例如 f）。然后种子值成为 Stream 的第一个元素，f(seed) 为第二个，f(f(seed)) 第三个，以此类推。在 iterate 时候管道必须有 limit 这样的操作来限制 Stream 大小。

示例:生成一个等差队列

 System.out.println("从2开始生成一个等差队列:");Stream.iterate(2, n -> n + 2).limit(5).forEach(x -> System.out.print(x + " "));// 从2开始生成一个等差队列:// 2 4 6 8 10

14.Stream流的 Supplier 使用

通过实现Supplier类的方法可以自定义流计算规则。

示例：随机获取两条用户信息

 System.out.println("自定义一个流进行计算输出:");Stream.generate(new UserSupplier()).limit(2).forEach(u -> System.out.println(u.getId() + ", " + u.getName()));//第一次://自定义一个流进行计算输出://10, pancm7//11, pancm6//第二次://自定义一个流进行计算输出://10, pancm4//11, pancm2//第三次://自定义一个流进行计算输出://10, pancm4//11, pancm8class UserSupplier implements Supplier<User> {private int index = 10;private Random random = new Random();@Overridepublic User get() {return new User(index++, "pancm" + random.nextInt(10));}
}

15.Stream流的groupingBy/partitioningBy使用

groupingBy：分组排序；
partitioningBy：分区排序。

示例一：分组排序

 System.out.println("通过id进行分组排序:");Map<Integer, List<User>> personGroups = Stream.generate(new UserSupplier2()).limit(5).collect(Collectors.groupingBy(User::getId));Iterator it = personGroups.entrySet().iterator();while (it.hasNext()) {Map.Entry<Integer, List<User>> persons = (Map.Entry) it.next();System.out.println("id " + persons.getKey() + " = " + persons.getValue());}// 通过id进行分组排序:// id 10 = [{"id":10,"name":"pancm1"}] // id 11 = [{"id":11,"name":"pancm3"}, {"id":11,"name":"pancm6"}, {"id":11,"name":"pancm4"}, {"id":11,"name":"pancm7"}]class UserSupplier2 implements Supplier<User> {private int index = 10;private Random random = new Random();@Overridepublic User get() {return new User(index % 2 == 0 ? index++ : index, "pancm" + random.nextInt(10));}}

示例二：分区排序

    System.out.println("通过年龄进行分区排序:");Map<Boolean, List<User>> children = Stream.generate(new UserSupplier3()).limit(5).collect(Collectors.partitioningBy(p -> p.getId() < 18));System.out.println("小孩: " + children.get(true));System.out.println("成年人: " + children.get(false));// 通过年龄进行分区排序:// 小孩: [{"id":16,"name":"pancm7"}, {"id":17,"name":"pancm2"}]// 成年人: [{"id":18,"name":"pancm4"}, {"id":19,"name":"pancm9"}, {"id":20,"name":"pancm6"}]class UserSupplier3 implements Supplier<User> {private int index = 16;private Random random = new Random();@Overridepublic User get() {return new User(index++, "pancm" + random.nextInt(10));}}

16.Stream流的summaryStatistics使用

IntSummaryStatistics 用于收集统计信息(如count、min、max、sum和average)的状态对象。

示例:得到最大、最小、之和以及平均数。

 List<Integer> numbers = Arrays.asList(1, 5, 7, 3, 9);IntSummaryStatistics stats = numbers.stream().mapToInt((x) -> x).summaryStatistics();System.out.println("列表中最大的数 : " + stats.getMax());System.out.println("列表中最小的数 : " + stats.getMin());System.out.println("所有数之和 : " + stats.getSum());System.out.println("平均数 : " + stats.getAverage());// 列表中最大的数 : 9// 列表中最小的数 : 1// 所有数之和 : 25// 平均数 : 5.0

Stream 介绍就到这里了，JDK1.8中的Stream流其实还有很多很多用法，更多的用法则需要大家去查看JDK1.8的API文档了。

LocalDateTime

介绍

JDK1.8除了新增了lambda表达式、stream流之外，它还新增了全新的日期时间API。在JDK1.8之前，Java处理日期、日历和时间的方式一直为社区所诟病，将 java.util.Date设定为可变类型，以及SimpleDateFormat的非线程安全使其应用非常受限。因此推出了java.time包，该包下的所有类都是不可变类型而且线程安全。

关键类

Instant：瞬时时间。
LocalDate：本地日期，不包含具体时间, 格式 yyyy-MM-dd。
LocalTime：本地时间，不包含日期. 格式 yyyy-MM-dd HH:mm:ss.SSS 。
LocalDateTime：组合了日期和时间，但不包含时差和时区信息。
ZonedDateTime：最完整的日期时间，包含时区和相对UTC或格林威治的时差。

使用

1.获取当前的日期时间

通过静态工厂方法now()来获取当前时间。

 //本地日期,不包括时分秒LocalDate nowDate = LocalDate.now();//本地日期,包括时分秒LocalDateTime nowDateTime = LocalDateTime.now();System.out.println("当前时间:"+nowDate);System.out.println("当前时间:"+nowDateTime);//  当前时间:2018-12-19//  当前时间:2018-12-19T15:24:35.822

2.获取当前的年月日时分秒

获取时间之后，直接get获取年月日时分秒。

  //获取当前的时间，包括毫秒LocalDateTime ldt = LocalDateTime.now();System.out.println("当前年:"+ldt.getYear());   //2018System.out.println("当前年份天数:"+ldt.getDayOfYear());//172 System.out.println("当前月:"+ldt.getMonthValue());System.out.println("当前时:"+ldt.getHour());System.out.println("当前分:"+ldt.getMinute());System.out.println("当前时间:"+ldt.toString());//   当前年:2018//   当前年份天数:353//   当前月:12//   当前时:15//   当前分:24//   当前时间:2018-12-19T15:24:35.833

3.格式化时间

格式时间格式需要用到DateTimeFormatter类。

LocalDateTime ldt = LocalDateTime.now();
System.out.println("格式化时间: "+ ldt.format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS")));
//格式化时间:2018-12-19 15:37:47.119

4.时间增减

在指定的时间进行增加/减少年月日时分秒。

  LocalDateTime ldt = LocalDateTime.now();System.out.println("后5天时间:"+ldt.plusDays(5));System.out.println("前5天时间并格式化:"+ldt.minusDays(5).format(DateTimeFormatter.ofPattern("yyyy-MM-dd"))); //2018-06-16System.out.println("前一个月的时间:"+ldt2.minusMonths(1).format(DateTimeFormatter.ofPattern("yyyyMM"))); //2018-06-16System.out.println("后一个月的时间:"+ldt2.plusMonths(1)); //2018-06-16System.out.println("指定2099年的当前时间:"+ldt.withYear(2099)); //2099-06-21T15:07:39.506//  后5天时间:2018-12-24T15:50:37.508//  前5天时间并格式化:2018-12-14//  前一个月的时间:201712//  后一个月的时间:2018-02-04T09:19:29.499//  指定2099年的当前时间:2099-12-19T15:50:37.508

5.创建指定时间

通过指定年月日来创建。

 LocalDate ld3=LocalDate.of(2017, Month.NOVEMBER, 17);LocalDate ld4=LocalDate.of(2018, 02, 11);

6.时间相差比较

比较相差的年月日时分秒。

示例一: 具体相差的年月日

 LocalDate ld=LocalDate.parse("2017-11-17");LocalDate ld2=LocalDate.parse("2018-01-05");Period p=Period.between(ld, ld2);System.out.println("相差年: "+p.getYears()+" 相差月 :"+p.getMonths() +" 相差天:"+p.getDays());// 相差年: 0 相差月 :1 相差天:19

注:这里的月份是不满足一年，天数是不满足一个月的。这里实际相差的是1月19天，也就是49天。

示例二：相差总数的时间

ChronoUnit 日期周期单位的标准集合。

    LocalDate startDate = LocalDate.of(2017, 11, 17);LocalDate endDate = LocalDate.of(2018, 01, 05);System.out.println("相差月份:"+ChronoUnit.MONTHS.between(startDate, endDate));System.out.println("两月之间的相差的天数   : " + ChronoUnit.DAYS.between(startDate, endDate));//        相差月份:1//        两天之间的差在天数   : 49

注:ChronoUnit也可以计算相差时分秒。

示例三：精度时间相差

Duration 这个类以秒和纳秒为单位建模时间的数量或数量。

 Instant inst1 = Instant.now();System.out.println("当前时间戳 : " + inst1);Instant inst2 = inst1.plus(Duration.ofSeconds(10));System.out.println("增加之后的时间 : " + inst2);System.out.println("相差毫秒 : " + Duration.between(inst1, inst2).toMillis());System.out.println("相毫秒 : " + Duration.between(inst1, inst2).getSeconds());// 当前时间戳 : 2018-12-19T08:14:21.675Z// 增加之后的时间 : 2018-12-19T08:14:31.675Z// 相差毫秒 : 10000// 相毫秒 : 10

示例四：时间大小比较

  LocalDateTime ldt4 = LocalDateTime.now();LocalDateTime ldt5 = ldt4.plusMinutes(10);System.out.println("当前时间是否大于:"+ldt4.isAfter(ldt5));System.out.println("当前时间是否小于"+ldt4.isBefore(ldt5));// false// true

7.时区时间计算

得到其他时区的时间。

示例一:通过Clock时钟类获取计算

Clock时钟类用于获取当时的时间戳，或当前时区下的日期时间信息。

  Clock clock = Clock.systemUTC();System.out.println("当前时间戳 : " + clock.millis());Clock clock2 = Clock.system(ZoneId.of("Asia/Shanghai"));System.out.println("亚洲上海此时的时间戳:"+clock2.millis());Clock clock3 = Clock.system(ZoneId.of("America/New_York"));System.out.println("美国纽约此时的时间戳:"+clock3.millis());//  当前时间戳 : 1545209277657//  亚洲上海此时的时间戳:1545209277657//  美国纽约此时的时间戳:1545209277658

示例二: 通过ZonedDateTime类和ZoneId

  ZoneId zoneId= ZoneId.of("America/New_York");ZonedDateTime dateTime=ZonedDateTime.now(zoneId);System.out.println("美国纽约此时的时间 : " + dateTime.format(DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS")));System.out.println("美国纽约此时的时间 和时区: " + dateTime);//  美国纽约此时的时间 : 2018-12-19 03:52:22.494// 美国纽约此时的时间 和时区: 2018-12-19T03:52:22.494-05:00[America/New_York]

Java 8日期时间API总结:

提供了javax.time.ZoneId 获取时区。
提供了LocalDate和LocalTime类。
Java 8 的所有日期和时间API都是不可变类并且线程安全，而现有的Date和Calendar API中的java.util.Date和SimpleDateFormat是非线程安全的。
主包是 java.time,包含了表示日期、时间、时间间隔的一些类。里面有两个子包java.time.format用于格式化， java.time.temporal用于更底层的操作。
时区代表了地球上某个区域内普遍使用的标准时间。每个时区都有一个代号，格式通常由区域/城市构成（Asia/Tokyo），在加上与格林威治或 UTC的时差。例如：东京的时差是+09:00。
OffsetDateTime类实际上组合了LocalDateTime类和ZoneOffset类。用来表示包含和格林威治或UTC时差的完整日期（年、月、日）和时间（时、分、秒、纳秒）信息。
DateTimeFormatter 类用来格式化和解析时间。与SimpleDateFormat不同，这个类不可变并且线程安全，需要时可以给静态常量赋值。DateTimeFormatter类提供了大量的内置格式化工具，同时也允许你自定义。在转换方面也提供了parse()将字符串解析成日期，如果解析出错会抛出DateTimeParseException。DateTimeFormatter类同时还有format()用来格式化日期，如果出错会抛出DateTimeException异常。
再补充一点，日期格式“MMM d yyyy”和“MMM dd yyyy”有一些微妙的不同，第一个格式可以解析“Jan 2 2014”和“Jan 14 2014”，而第二个在解析“Jan 2 2014”就会抛异常，因为第二个格式里要求日必须是两位的。如果想修正，你必须在日期只有个位数时在前面补零，就是说“Jan 2 2014”应该写成 “Jan 02 2014”。