【后端】Java Stream API 介绍
文章目录
- 核心概念
- 主要特点
- 使用 Stream 的步骤
- 一个简单示例
- 重要注意事项
- 为什么使用 Stream API？
- 总结
核心概念
- 核心思想： Stream API 提供了一种函数式、声明式的方法来处理数据序列（流）。你只需描述要做什么（例如，过滤、转换、排序、聚合），而无需指定具体如何一步步做（如手动写
for循环）。 - 什么是 Stream：
- 不是数据结构：Stream 本身并不存储数据。它代表一个来自数据源（集合、数组、I/O 通道、生成器函数等）的元素序列，让你在这些元素上实施各种计算操作。
- 单向流水线：你可以将 Stream 想象成一个数据处理流水线，数据从源头开始，依次流经一个或多个中间操作（进行转换、筛选等），最终通过一个终端操作产生结果（或副作用）。
- 不可复用：一个 Stream 一旦被消费（执行了终端操作），就不能再被使用。
主要特点
- 声明式编程： 代码更接近问题陈述，更易读、更简洁。例如，“获取列表中大于 10 的偶数，并将其平方”可以直接表达为一连串操作。
- 可组合性 (Composable)： 中间操作（如
filter,map,sorted）可以像搭积木一样链接起来，形成复杂的数据处理流水线。 - 内部迭代： Stream 在内部处理迭代细节（遍历元素），你不再需要编写显式的
for或iterator循环。这减少了模板代码。 - 惰性求值 (Lazy Execution)： 中间操作通常都是惰性的。定义中间操作（如
filter(predicate)）本身不会立即执行任何实际操作，它们只是记录在流水线上。只有执行终端操作（如collect,forEach,count）时，整个流水线才会被触发执行，并且通常会进行尽可能多的优化（比如短路操作，findFirst找到符合条件的第一个元素后就不再遍历后面元素）。 - 可能的并行化： 通过简单地调用
parallelStream()或stream().parallel()，就能将数据处理任务（如果操作是无状态的）透明地并行执行在多核 CPU 上，极大提升大数据集的处理效率。Stream API 会自动处理底层的线程管理。
使用 Stream 的步骤
通常遵循以下模式：
- 获取 Stream：
- 从集合：
collection.stream()(顺序流) 或collection.parallelStream()(并行流)。 - 从数组：
Arrays.stream(array)。 - 从值：
Stream.of(val1, val2, ..., valN)。 - 无限流：
Stream.iterate(initialSeed, UnaryOperator)或Stream.generate(Supplier)。 - 其他：I/O 通道 (
Files.lines(path))，随机数生成器等。
- 从集合：
- 应用中间操作 (0-N 个)： 将一个 Stream 转化为另一个 Stream。
filter(Predicate<T>): 过滤元素，只保留满足条件的。map(Function<T, R>): 将每个元素转换成另一种形式（T -> R）。flatMap(Function<T, Stream<R>>): 将每个元素映射成一个 Stream，然后将所有流“拍平”连接成一个 Stream。distinct(): 去重（依赖equals）。sorted()或sorted(Comparator<T>): 排序。limit(long n): 截断流，取前 n 个元素。skip(long n): 跳过前 n 个元素。peek(Consumer<T>): 对每个元素执行操作（调试或记录常用），但不改变流本身。
- 执行终端操作 (1 个)： 产生最终结果或副作用。执行后，Stream 就被“消费”掉，不能再使用。
- 聚合/计算：
count(): 返回流中元素个数。min(Comparator<T>),max(Comparator<T>): 查找最小/最大值（返回Optional<T>）。reduce(...): 通过累积操作（如累加、拼接）将流缩减为一个值（例如计算总和reduce(0, (a, b) -> a + b)）。有多种重载。allMatch(Predicate<T>)/anyMatch(Predicate<T>)/noneMatch(Predicate<T>): 检查元素是否全部、任意或没有匹配谓词。findFirst()/findAny(): 返回流中第一个或任意一个元素（返回Optional<T>）。
- 收集结果：
collect(Collector<T, A, R>): 最灵活强大的终端操作。使用预定义或自定义的收集器（如Collectors.toList(),Collectors.toSet(),Collectors.toMap(...),Collectors.groupingBy(...),Collectors.joining()等）将流转换为集合、Map、字符串或其他复杂结构。
- 遍历/副作用：
forEach(Consumer<T>): 对每个元素执行操作（通常在生成最终结果后使用）。
- 转换：
toArray()/toArray(IntFunction<A[]>): 将流转换为数组。
- 聚合/计算：
一个简单示例
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);// 传统方式：获取偶数，平方它们，然后存到新列表
List<Integer> evenSquaresOld = new ArrayList<>();
for (Integer number : numbers) {if (number % 2 == 0) {evenSquaresOld.add(number * number);}
}// 使用 Stream API：清晰描述意图
List<Integer> evenSquares = numbers.stream() // 1. 获取顺序流.filter(n -> n % 2 == 0) // 2. 过滤出偶数 (中间操作).map(n -> n * n) // 3. 平方每个元素 (中间操作).collect(Collectors.toList()); // 4. 收集结果到List (终端操作)System.out.println(evenSquares); // 输出: [4, 16, 36, 64, 100]
可以看到，Stream API 的代码更简洁、更易读（声明式），清晰表达了“过滤 -> 转换 -> 收集”的处理逻辑。
重要注意事项
- 不可复用： 每个终端操作都会消费掉流。尝试再次使用已消费的流会抛出
IllegalStateException。 - 无副作用（原则）： 中间操作（尤其是 lambda 表达式）理想情况下应该是无状态的（Stateless）并且不产生副作用（不要修改外部状态）。这有利于并行执行和正确性。如果必须访问外部状态（如累加器），需要特别小心线程安全问题（尤其是并行流）。使用
forEach或peek进行副作用操作时也要谨慎。 - 并行流： 虽然
parallelStream()可以带来性能提升，但并非总是更快。它有额外的线程管理开销。在以下情况下使用可能得不偿失：- 数据量很小。
- 操作本身计算量很轻。
- 操作涉及共享可变状态（需要额外同步，可能抵消并行收益）。
- 底层数据源不易分割（如
LinkedList）。 - 使用得当是关键，应先测试性能。
Optional<T>： 像findFirst(),max()这样的终端操作返回Optional<T>。这是一种避免NullPointerException的容器对象，表示结果可能为空。你需要正确处理（isPresent(),get(),orElse(...),orElseGet(...),orElseThrow(...)）。- 与集合的区别： Stream 不是集合，不存储数据。它是数据处理工具。你可以从集合获取流来处理数据，处理结果也可以通过
collect存回集合。
为什么使用 Stream API？
- 简洁性： 显著减少处理数据的模板代码。
- 可读性： 代码更能表达业务逻辑意图（“做什么”而非“如何做”）。
- 并行潜力： 轻松利用多核性能（几乎无需修改代码）。
- 灵活性： 强大的中间操作组合能处理各种复杂的数据转换和筛选需求。
总结
Java Stream API 是现代 Java 编程的核心部分。掌握它能够让你用更高效、更优雅、更不易出错的方式来处理数据和集合。它代表了 Java 向函数式编程风格的转变，极大地提升了数据处理代码的生产力和表现力。从简单的过滤转换到复杂的聚合分组，Stream API 都提供了强大的工具。建议在合适的场景中积极使用，以取代传统的 for 循环和迭代器操作。