一、告别 for 循环！
传统痛点：
Java 8 之前，集合操作离不开冗长的 for 循环和匿名类。例如，过滤列表中的偶数：
List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
List<Integer> evens = new ArrayList<>();
for (Integer num : list) {
if (num % 2 == 0) evens.add(num);
}
Stream 救场：
一行代码搞定：
List<Integer> evens = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());
核心优势：
- 简洁：链式调用替代复杂循环。
- 高效：惰性计算（Lazy Evaluation），按需执行。
- 并行：一键切换并行处理，提升性能。
二、Stream 三大核心操作：过滤、映射、归约
1. 过滤（filter）：筛出想要的元素
作用：只保留符合条件的元素。
语法：filter(Predicate<T> predicate)
示例：筛选长度超过3的字符串
List<String> languages = Arrays.asList("Java", "Python", "C++", "Go");
List<String> filtered = languages.stream()
.filter(s -> s.length() > 3)
.collect(Collectors.toList());
// 结果: ["Java", "Python"]
底层逻辑：遍历流中每个元素，保留 predicate.test(element) 为 true 的元素。
注意：filter 是中间操作，返回新流，需配合终端操作（如 collect）才能执行。
2. 映射（map）：元素转换
作用：将元素转换为另一种形式。
语法：map(Function<? super T, ? extends R> mapper)
示例：将字符串转为大写
List<String> upperCase = languages.stream()
.map(String::toUpperCase)
.collect(Collectors.toList());
// 结果: ["JAVA", "PYTHON", "C++", "GO"]
进阶玩法：
- 扁平化嵌套集合：用
flatMap展开多层结构List<List<String>> nested = Arrays.asList( Arrays.asList("a", "b"), Arrays.asList("c", "d")); List<String> flat = nested.stream() .flatMap(Collection::stream) .collect(Collectors.toList()); // 结果: ["a", "b", "c", "d"]
3. 归约（reduce）：聚合数值，合二为一
作用：将元素合并为一个值（如求和、拼接字符串）。
语法：reduce(T identity, BinaryOperator<T> accumulator)
示例：计算整数列表的总和
List<Integer> numbers = Arrays.asList(1, 2, 3, 4);
int sum = numbers.stream().reduce(0, Integer::sum);
// 结果: 10
魔法细节：
identity是初始值（如求和时设为0）。accumulator定义如何合并元素（如a + b）。
三、实战：从新手到封神的 3 个场景
场景1：统计文本中单词频率
String text = "java stream api is powerful and easy to use";
Map<String, Long> wordCount = Arrays.stream(text.split(" "))
.collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
// 结果: {java=1, stream=1, api=1, ...}
关键点：
split(" ")分割字符串为流。groupingBy按单词分组，counting统计次数。
场景2：并行处理大数据（真香警告）
List<Integer> largeList = IntStream.range(0, 1000000)
.parallel() // 切换并行流
.filter(x -> x % 2 == 0)
.boxed()
.collect(Collectors.toList());
System.out.println(largeList );效率对比：
- 串行流处理100万数据：约500ms。
- 并行流处理：约100ms（8核CPU）。
场景3：多级排序（薪资+年龄）
class Employee {
String name;
int salary;
int age;
// constructor & getters
}
List<Employee> sorted = employees.stream()
.sorted(Comparator.comparing(Employee::getSalary)
.thenComparing(Employee::getAge))
.collect(Collectors.toList());
System.out.println(sorted);技巧：链式 Comparator 实现多条件排序。
四、避坑指南：新手常踩的雷区
-
流只能使用一次
Stream<Integer> stream = numbers.stream(); stream.forEach(System.out::println); // 正常 stream.forEach(System.out::println); // 报错！流已关闭 -
避免修改外部变量
int count = 0; numbers.stream().forEach(n -> count++); // 错误！并行流下可能出错 -
并行流未必更快
- 小数据量：串行更优（省去线程切换开销）。
- 大数据量+复杂操作：并行提速显著。
五、总结：Stream API 的江湖地位
| 操作 | 传统方式 | Stream 写法 | 爽点 |
|---|---|---|---|
| 过滤偶数 | for + if | filter(x -> x%2==0) | 代码量减半 |
| 字符串转大写 | 循环+toUpperCase | map(String::toUpperCase) | 一行搞定 |
| 统计总数 | for 累加 | reduce(0, Integer::sum) | 函数式编程优雅度拉满 |
