写业务代码时你可能已经用上了 Lambda 和 Streamlist.stream().filter(User::isActive).map(User::getName).collect(Collectors.toList());但有没有想过Optional 什么时候该用、什么时候不该用Stream 真的比 for 循环快吗Lambda 有什么性能问题函数式编程能让代码更简洁但用错了反而带来问题。这篇帮你把 Optional、Stream、Lambda 彻底搞明白在业务代码中用对地方。1. Optional空指针的终结者1.1 Optional 是什么Optional是 Java 8 引入的容器类用来包装可能为 null 的值避免空指针。// 之前UseruseruserService.findById(1L);if(user!null){System.out.println(user.getName());}// 之后OptionalUseroptionalOptional.ofNullable(userService.findById(1L));optional.ifPresent(u-System.out.println(u.getName()));1.2 Optional 的创建// 创建 OptionalOptionalStringemptyOptional.empty();// 空 OptionalOptionalStringofOptional.of(hello);// 非空值不能为 nullOptionalStringofNullableOptional.ofNullable(null);// 可以为 null1.3 Optional 的使用场景1.3.1 方法返回值// 之前返回 nullpublicUserfindById(Longid){returnuserMapper.selectById(id);// 可能为 null}// 之后返回 OptionalpublicOptionalUserfindById(Longid){returnOptional.ofNullable(userMapper.selectById(id));}1.3.2 链式调用避免 NPE// 之前层层判空UserusergetUser();if(user!null){Addressaddressuser.getAddress();if(address!null){Stringcityaddress.getCity();// 处理 city}}// 之后链式调用StringcityOptional.ofNullable(getUser()).map(User::getAddress).map(Address::getCity).orElse(未知);1.3.3 集合操作// 之前ListStringlistgetList();if(list!null!list.isEmpty()){// 处理}// 之后Optional.ofNullable(getList()).filter(list-!list.isEmpty()).ifPresent(list-// 处理);1.4 Optional 的常见错误1.4.1 不要用 Optional 作为字段// ❌ 错误Optional 作为字段publicclassUser{privateOptionalStringname;// 不推荐}// ✅ 正确普通字段publicclassUser{privateStringname;// 可以为 null}原因Optional 不能序列化会带来额外开销。1.4.2 不要用 Optional 作为方法参数// ❌ 错误Optional 作为参数publicvoidmethod(OptionalStringparam){}// ✅ 正确普通参数publicvoidmethod(Stringparam){}1.4.3 避免过度使用// ❌ 过度使用Optional.ofNullable(user).map(u-u.getName()).map(name-name.toUpperCase()).orElse();// ✅ 简单场景不用 OptionalStringnameuser!null?user.getName():;1.5 Optional 常用方法方法作用ofNullable()创建 Optional可 nullof()创建 Optional非 nullnull 会抛异常isPresent()判断是否有值ifPresent()有值时执行操作orElse()有值返回值无值返回默认值orElseGet()有值返回值无值计算默认值orElseThrow()有值返回值无值抛异常map()转换值flatMap()转换并展平 Optionalfilter()过滤2. Stream函数式数据处理 2.1 Stream 是什么Stream 是 Java 8 引入的函数式数据处理 API支持链式操作ListIntegernumbersArrays.asList(1,2,3,4,5);// 传统写法ListIntegerresultnewArrayList();for(Integern:numbers){if(n%20){result.add(n*2);}}// Stream 写法ListIntegerresultnumbers.stream().filter(n-n%20)// 过滤偶数.map(n-n*2)// 翻倍.collect(Collectors.toList());2.2 Stream 的组成Stream 操作 │ ├─ 创建Source │ ├─ stream() │ ├─ of() │ └─ generate() │ ├─ 中间操作Intermediate │ ├─ filter()过滤 │ ├─ map()转换 │ ├─ flatMap()扁平化 │ ├─ distinct()去重 │ ├─ sorted()排序 │ └─ limit() / skip()限制 │ └─ 终端操作Terminal ├─ collect()收集 ├─ forEach()遍历 ├─ toArray()转数组 ├─ reduce()聚合 └─ min() / max() / count()2.3 惰性求值Stream 的中间操作是惰性的只有遇到终端操作才会执行// 这段代码不会执行任何操作stream().filter(n-{System.out.println(filter: n);returnn0;}).map(n-{System.out.println(map: n);returnn*2;});// 只有遇到终端操作才会执行ListIntegerresultstream().filter(n-n0).map(n-n*2).collect(Collectors.toList());2.4 短路操作短路操作可以在遇到满足条件的元素时提前结束// findAny找到第一个就返回OptionalIntegerfirstlist.stream().filter(n-n5).findAny();// anyMatch任意一个匹配就返回 truebooleanhaslist.stream().anyMatch(n-n10);// allMatch全部匹配才返回 truebooleanalllist.stream().allMatch(n-n0);// noneMatch全部不匹配才返回 truebooleannonelist.stream().noneMatch(n-n0);// limit限制数量list.stream().limit(10)// 只取前 10 个.collect(Collectors.toList());2.5 并行 Stream// 顺序 Streamlist.stream().map(String::toUpperCase).collect(Collectors.toList());// 并行 Stream多线程处理list.parallelStream().map(String::toUpperCase).collect(Collectors.toList());注意并行 Stream 不是万能的小数据量可能更慢。3. Lambda 表达式 3.1 Lambda 是什么Lambda 是匿名函数用来简化代码// 之前匿名内部类RunnablernewRunnable(){Overridepublicvoidrun(){System.out.println(Hello);}};// 之后LambdaRunnabler()-System.out.println(Hello);3.2 Lambda 语法// 无参数()-System.out.println(Hello)// 单参数括号可省略x-x*2// 等价于(x)-x*2// 多参数(x,y)-xy// 多行语句(x,y)-{intsumxy;returnsum;}3.3 数式接口Lambda 只能用于函数式接口只有一个抽象方法的接口FunctionalInterfaceinterfaceCalculator{intcalculate(inta,intb);}// 使用Calculatoradd(a,b)-ab;Calculatormultiply(a,b)-a*b;常见的函数式接口接口方法用途Runnablevoid run()无参数无返回值SupplierTT get()无参数有返回值ConsumerTvoid accept(T t)有参数无返回值FunctionT,RR apply(T t)有参数有返回值PredicateTboolean test(T t)布尔判断BiFunctionT,U,RR apply(T t, U u)两参数有返回值3.4 方法引用方法引用是 Lambda 的简写形式// Lambdalist.stream().map(s-s.toUpperCase()).collect(Collectors.toList());// 方法引用list.stream().map(String::toUpperCase).collect(Collectors.toList());方法引用的四种形式// 1. 静态方法引用ClassName::staticMethodFunctionString,IntegerparserInteger::parseInt;// 2. 实例方法引用instance::instanceMethodStringstrhello;SupplierIntegerlenstr::length;// 3. 对象方法引用ClassName::instanceMethodFunctionString,StringupperString::toUpperCase;// 4. 构造方法引用ClassName::newSupplierArrayListStringlistSupplierArrayList::new;4. 性能注意点 ⚡4.1 Stream 不是万能的// ❌ 小数据量用 Stream 反而慢ListIntegerlistArrays.asList(1,2,3);intsumlist.stream().mapToInt(Integer::intValue).sum();// ✅ 简单循环可能更快intsum0;for(intn:list){sumn;}Stream 的开销创建 Stream 对象Lambda 包装链式调用建议小数据量1000用普通循环大数据量再用 Stream。4.2 避免在 Lambda 中捕获可变变量// ❌ 错误在 Lambda 中修改外部变量intsum0;list.stream().forEach(n-sumn);// 编译错误// ✅ 正确使用 reduceintsumlist.stream().reduce(0,Integer::sum);// ✅ 正确使用 AtomicIntegerAtomicIntegersumnewAtomicInteger();list.stream().forEach(n-sum.addAndGet(n));4.3 避免嵌套 Stream// ❌ 嵌套 Stream 性能差list.stream().flatMap(inner-inner.getSubList().stream()).collect(Collectors.toList());// ✅ 先提取再操作ListSubItemsubItemslist.stream().flatMap(inner-inner.getSubList().stream()).collect(Collectors.toList());4.4 用 findFirst 而不是 findAny// 需要有序结果时用 findFirstOptionalTfirstlist.stream().filter(...).findFirst();// 保证顺序// 不需要有序时用 findAnyOptionalTanylist.stream().filter(...).findAny();// 性能更好4.5 集合预分配容量// ❌ 不知道容量ListStringresultlist.stream().map(String::toUpperCase).collect(Collectors.toList());// ✅ 预分配容量ListStringresultlist.stream().map(String::toUpperCase).collect(Collectors.toCollection(()-newArrayList(list.size())));4.6 并行 Stream 的坑// ❌ 并行 Stream 不是万能的list.parallelStream().map(this::complexOperation)// 可能出问题.collect(Collectors.toList());// ✅ 并行 Stream 要保证线程安全// 1. 无状态操作// 2. 不修改共享变量// 3. 关联顺序无关并行 Stream 适用场景大数据量10000操作是纯函数无状态、无副作用不需要保证顺序5. 实战业务代码中的函数式编程 5.1 条件过滤// 之前ListUseractiveUsersnewArrayList();for(Useruser:users){if(user.isActive()user.getAge()18){activeUsers.add(user);}}// 之后ListUseractiveUsersusers.stream().filter(User::isActive).filter(user-user.getAge()18).collect(Collectors.toList());5.2 分组// 按状态分组MapOrderStatus,ListOrderordersByStatusorders.stream().collect(Collectors.groupingBy(Order::getStatus));// 按状态分组并计数MapOrderStatus,LongcountByStatusorders.stream().collect(Collectors.groupingBy(Order::getStatus,Collectors.counting()));5.3 转换// User - UserDTOListUserDTOdtosusers.stream().map(user-{UserDTOdtonewUserDTO();dto.setId(user.getId());dto.setName(user.getName());returndto;}).collect(Collectors.toList());5.4 聚合// 求和inttotalAgeusers.stream().mapToInt(User::getAge).sum();// 平均值doubleavgAgeusers.stream().mapToInt(User::getAge).average().orElse(0);// 统计信息IntSummaryStatisticsstatsusers.stream().mapToInt(User::getAge).summaryStatistics();5.5 复杂查询// 查找活跃用户按年龄排序取前 10 个ListUsertop10ActiveUsersusers.stream().filter(User::isActive).sorted(Comparator.comparingInt(User::getAge).reversed()).limit(10).collect(Collectors.toList());6. 常见面试题 6.1 Optional 和 null 有什么区别Optional 是容器可以包装可能为 null 的值Optional 提供了丰富的 API 避免空指针检查6.2 Stream 和 for 循环哪个快小数据量for 循环更快无额外开销大数据量Stream 更快并行处理简单操作for 循环复杂操作Stream 更简洁6.3 Lambda 会捕获什么Lambda 可以捕获静态变量实例变量通过 this局部变量必须是 final 或 effectively final6.4 什么是惰性求值中间操作不会立即执行只有遇到终端操作才会执行。6.5 parallelStream 的注意事项不是线程安全的不保证顺序适合大数据量、纯函数操作小结Optional适合方法返回值和链式调用避免 NPE但不要作为字段或参数Stream适合复杂数据处理中间操作惰性执行短路操作可以提前结束Lambda是匿名函数只能用于函数式接口方法引用是简写形式性能小数据量用 for 循环大数据量用 Stream并行 Stream 要保证线程安全函数式编程让代码更简洁但要避免过度使用下一篇021预告反射与注解Spring 里背后的影子——反射 API、注解定义与使用、Spring 中反射与注解的应用。