一、Stream 流简介

Java 8 引入的 Stream 提供了一种高效、声明式处理集合数据的方式，支持顺序和并行操作，核心特点包括：

• 链式调用：通过组合中间操作（如 filter, map）和终端操作（如 collect, forEach）实现复杂逻辑。
• 延迟执行：只有终端操作触发时才会执行中间操作。
• 不可重用：每个流只能被消费一次。

---

二、Stream 流核心操作

1. 创建 Stream

• 集合创建：Collection.stream() 或 parallelStream()。

  List<String> list = Arrays.asList("a", "b", "c");
  Stream<String> stream = list.stream();
  

• 数组创建：Arrays.stream(array)。

  String[] arr = {"a", "b", "c"};
  Stream<String> stream = Arrays.stream(arr);
  

• 静态方法：Stream.of() 或生成无限流 Stream.iterate(), Stream.generate()。

  Stream<Integer> numbers = Stream.of(1, 2, 3);
  Stream<Integer> infiniteStream = Stream.iterate(0, n -> n + 2); // 0, 2, 4, ...
  

2. 中间操作（Intermediate Operations）

filter(Predicate)：过滤数据

作用：根据条件筛选元素，保留满足条件的元素。
示例：

List<String> filtered = list.stream().filter(s -> s.startsWith("a"))  // 保留以"a"开头的字符串.collect(Collectors.toList());

最佳实践：

1. 简单条件过滤

筛选出符合条件的元素。

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);// 筛选所有偶数
List<Integer> evenNumbers = numbers.stream().filter(n -> n % 2 == 0).collect(Collectors.toList()); // [2, 4, 6]

2. 多条件组合

使用逻辑运算符 &&（与）、||（或）组合条件。

List<String> words = Arrays.asList("apple", "banana", "cherry", "date");// 筛选长度大于5 且 以字母a开头的单词
List<String> result = words.stream().filter(s -> s.length() > 5 && s.startsWith("b")).collect(Collectors.toList()); // ["banana"]

3. 过滤对象集合

根据对象属性筛选数据。

class User {String name;int age;// 构造方法、getter/setter 省略
}List<User> users = Arrays.asList(new User("Alice", 25),new User("Bob", 17),new User("Charlie", 30)
);// 筛选年龄 >= 18 的用户
List<User> adults = users.stream().filter(user -> user.getAge() >= 18).collect(Collectors.toList()); // [Alice, Charlie]

4. 过滤 null 值

使用 Objects::nonNull 过滤掉 null 元素。

List<String> listWithNulls = Arrays.asList("a", null, "b", null, "c");// 过滤掉所有 null 值
List<String> nonNullList = listWithNulls.stream().filter(Objects::nonNull).collect(Collectors.toList()); // ["a", "b", "c"]

---

2. map(Function<T, R>)：转换元素

map 是 Java Stream 中最核心的中间操作之一，用于将流中的元素一对一转换为另一种形式。它的本质是通过一个函数（Function<T, R>）对每个元素进行映射，生成新的元素流。以下是 map 的深入解析，涵盖使用场景、底层机制、最佳实践与常见问题。

---

一、map 的核心特性

1. 一对一转换：每个输入元素对应一个输出元素，元素数量不变。
2. 类型转换：输入类型 T 可转换为任意输出类型 R（如 String → Integer）。
3. 惰性求值：只有终端操作触发时才会执行映射逻辑。
4. 无副作用：理想情况下，映射函数不修改外部状态（符合函数式编程原则）。

作用：将元素转换为另一种类型或提取特定属性。

1. 简单类型转换

// 将字符串转换为大写
List<String> upperCaseList = Arrays.asList("apple", "banana", "cherry").stream().map(String::toUpperCase).collect(Collectors.toList()); // ["APPLE", "BANANA", "CHERRY"]

2. 提取对象属性

// 从User对象中提取name属性
List<String> names = users.stream().map(User::getName).collect(Collectors.toList());

3. 复杂转换逻辑

// 将字符串转换为自定义DTO对象
List<DataDTO> dtos = strings.stream().map(s -> {DataDTO dto = new DataDTO();dto.setValue(s.length());dto.setLabel(s.toUpperCase());return dto;}).collect(Collectors.toList());

---

3. flatMap(Function<T, Stream>)：扁平化嵌套结构

作用：将嵌套集合（如 List<List<T>>）展开为单一流。
示例：

List<List<String>> nestedList = Arrays.asList(Arrays.asList("a", "b"),Arrays.asList("c", "d")
);
List<String> flatList = nestedList.stream().flatMap(Collection::stream)  // 将每个List<String>转换为Stream<String>.collect(Collectors.toList()); // ["a", "b", "c", "d"]

典型场景：

• 处理数据库查询的多表关联结果。
• 合并多个API响应的数据列表。

---

4. distinct()：去重

作用：基于 equals() 和 hashCode() 去重。
示例：

List<Integer> unique = numbers.stream().distinct().collect(Collectors.toList()); // [1, 2, 3]

关键点：

• 自定义对象去重：需重写 equals() 和 hashCode()。

  class User {private Long id;@Overridepublic boolean equals(Object o) { /* 基于id比较 */ }@Overridepublic int hashCode() { /* 基于id生成 */ }
  }
  

• 性能注意：对大数据集去重可能消耗内存，可结合 limit 分批次处理。

---

5. sorted()：排序

作用：按自然顺序或自定义比较器排序。
示例：

List<String> sorted = list.stream().sorted(Comparator.reverseOrder())  // 逆序排序.collect(Collectors.toList());

优化建议：

• 尽早过滤：先 filter 减少待排序数据量。
• 避免频繁排序：对需要多次排序的场景，考虑转换为有序集合（如 TreeSet）。

---

6. limit(n) 和 skip(n)：分页控制

作用：skip 跳过前N个元素，limit 限制返回数量。
示例：

List<Integer> result = Stream.iterate(0, n -> n + 1).skip(5)   // 跳过0-4，从5开始.limit(10) // 取5-14.collect(Collectors.toList());

应用场景：

• 分页查询：模拟数据库分页。

  int page = 2, size = 10;
  List<User> users = allUsers.stream().skip((page - 1) * size).limit(size).collect(Collectors.toList());
  

• 性能注意：对非顺序流（如并行流），skip 和 limit 可能无法保证预期结果。

• 3. 终端操作（Terminal Operations）

• 遍历元素：forEach(Consumer<T>)

  list.stream().forEach(System.out::println);
  

• 收集结果：collect(Collector)

  List<String> list = stream.collect(Collectors.toList());
  Set<String> set = stream.collect(Collectors.toSet());
  String joined = stream.collect(Collectors.joining(", "));
  

• 统计数量：count()

  long count = list.stream().filter(s -> s.length() > 3).count();
  

• 匹配检查：

  • anyMatch(Predicate<T>)：至少一个元素匹配。
  • allMatch(Predicate<T>)：所有元素匹配。
  • noneMatch(Predicate<T>)：没有元素匹配。

  boolean hasA = list.stream().anyMatch(s -> s.contains("a"));
  

• 查找元素：

  • findFirst()：返回第一个元素（Optional<T>）。
  • findAny()：适用于并行流，返回任意元素。

  Optional<String> first = list.stream().findFirst();
  

• 归约操作：reduce(BinaryOperator<T>)

  Optional<Integer> sum = Stream.of(1, 2, 3).reduce(Integer::sum); // 6
  

---

三、高级用法

1. 分组与分区

• 分组：Collectors.groupingBy()

  Map<Integer, List<String>> groupByLength = list.stream().collect(Collectors.groupingBy(String::length)); // 按字符串长度分组
  

• 分区：Collectors.partitioningBy()

  Map<Boolean, List<String>> partition = list.stream().collect(Collectors.partitioningBy(s -> s.length() > 3)); // 按条件分为两组
  

2. 并行流处理

• 创建并行流：.parallel() 或 parallelStream()。

  List<String> result = list.parallelStream().filter(s -> s.length() > 3).collect(Collectors.toList());
  

• 注意事项：

  • 确保操作线程安全（如避免修改共享变量）。
  • 并行流可能不适用于小数据量或复杂中间操作。

3. 原始类型流

• 避免装箱开销：使用 IntStream, LongStream, DoubleStream。

  IntStream.range(1, 5).forEach(System.out::println); // 1, 2, 3, 4
  LongStream.of(10L, 20L).sum();
  

---

四、实际应用场景示例

1. 数据转换与过滤

// 从用户列表中提取成年用户的姓名
List<String> adultNames = users.stream().filter(user -> user.getAge() >= 18).map(User::getName).collect(Collectors.toList());

2. 统计与汇总

// 计算订单总金额
double totalAmount = orders.stream().mapToDouble(Order::getAmount).sum();

3. 复杂集合处理

// 将多个订单的商品列表合并并去重
Set<String> allProducts = orders.stream().flatMap(order -> order.getProducts().stream()).collect(Collectors.toSet());

4. 分组统计

// 按部门分组统计员工平均工资
Map<String, Double> avgSalaryByDept = employees.stream().collect(Collectors.groupingBy(Employee::getDepartment,Collectors.averagingDouble(Employee::getSalary));

---

五、注意事项与最佳实践

1. 避免副作用：在流操作中不要修改外部变量，尤其是在并行流中。
2. 优先使用无状态操作：如 filter, map 比 sorted, distinct 更高效。
3. 谨慎使用并行流：仅在数据量大且操作耗时的情况下考虑并行化。
4. 减少装箱开销：对数值操作使用原始类型流（IntStream 等）。
5. 合理使用短路操作：如 findFirst(), limit() 可提前终止流处理。

---

六、与传统循环的对比

场景	传统循环	Stream 流
简单遍历	直接易读	代码更简洁，但可能略微性能开销
复杂数据处理	需多层嵌套循环，代码冗长	链式调用，逻辑清晰
并行处理	需手动管理线程和同步	通过 .parallel() 自动并行化
函数式编程支持	需额外工具类配合	原生支持 Lambda 和方法引用

---

通过掌握 Stream 流的常见用法，可以显著提升代码的可读性和开发效率，尤其在处理集合数据时，能够以更简洁的方式实现复杂的数据操作。