1. 項(xiàng)目概述為什么我們需要流式編程如果你寫過幾年Java肯定對(duì)集合操作不陌生。從List、Set到Map我們每天都在和它們打交道。處理集合數(shù)據(jù)最常見的方式是什么沒錯(cuò)就是for循環(huán)。遍歷一個(gè)列表對(duì)每個(gè)元素進(jìn)行判斷、轉(zhuǎn)換、計(jì)算最后可能再收集到一個(gè)新的集合里。代碼寫起來直白但往往冗長而且一旦業(yè)務(wù)邏輯復(fù)雜嵌套幾層循環(huán)代碼的可讀性就會(huì)急劇下降像一坨糾纏在一起的意大利面。流式編程Stream API的引入正是為了解決這個(gè)問題。它不是一種新的數(shù)據(jù)結(jié)構(gòu)而是一個(gè)來自Java 8的強(qiáng)大API用于以聲明式、函數(shù)式風(fēng)格處理數(shù)據(jù)序列。你可以把它想象成一條高效、智能的“流水線”。你的數(shù)據(jù)源比如一個(gè)集合就是原料流Stream就是傳送帶而一系列中間操作如過濾、映射、排序就是流水線上的加工站終端操作則是最終的打包或質(zhì)檢環(huán)節(jié)。這種模式讓代碼的意圖變得異常清晰你想“做什么”而不是“怎么做”。我最初接觸Stream時(shí)覺得它不過是語法糖但用多了才發(fā)現(xiàn)它帶來的不僅是代碼的簡潔更是思維模式的轉(zhuǎn)變。尤其是在處理復(fù)雜數(shù)據(jù)轉(zhuǎn)換、并行計(jì)算時(shí)Stream能讓你用幾行代碼完成以前需要幾十行才能完成的工作而且出錯(cuò)概率更低?，F(xiàn)在無論是日常的業(yè)務(wù)開發(fā)還是應(yīng)對(duì)技術(shù)面試Stream都已經(jīng)是Java開發(fā)者必須熟練掌握的核心技能之一。接下來我就結(jié)合自己多年的使用和踩坑經(jīng)驗(yàn)帶你徹底吃透Java Stream。2. 流式編程核心概念與設(shè)計(jì)哲學(xué)2.1 流Stream的本質(zhì)是什么首先要糾正一個(gè)常見的誤解java.util.stream.Stream并不是一個(gè)存儲(chǔ)元素的數(shù)據(jù)結(jié)構(gòu)。它更像是一個(gè)高級(jí)的迭代器Iterator但功能強(qiáng)大得多。流不存儲(chǔ)數(shù)據(jù)它只是對(duì)數(shù)據(jù)源如集合、數(shù)組、I/O通道的一種計(jì)算視圖。理解這一點(diǎn)至關(guān)重要。當(dāng)你從一個(gè)List創(chuàng)建流時(shí)list.stream()這個(gè)流并沒有復(fù)制列表中的數(shù)據(jù)。它只是封裝了一個(gè)指向該數(shù)據(jù)源的引用并定義了一系列待執(zhí)行的操作。這些操作是“惰性”的意味著在你調(diào)用終端操作之前中間操作如filter,map都不會(huì)真正執(zhí)行。這種設(shè)計(jì)帶來了巨大的性能優(yōu)化空間流可以智能地合并循環(huán)避免不必要的中間集合創(chuàng)建。流的生命周期分為三個(gè)階段創(chuàng)建從數(shù)據(jù)源集合、數(shù)組、生成器函數(shù)等獲取一個(gè)流。中間操作返回一個(gè)新流的操作如filter、map、sorted、distinct。這些操作可以連接起來形成一條處理流水線。它們是惰性的。終端操作觸發(fā)流水線執(zhí)行并產(chǎn)生結(jié)果的操作。結(jié)果可以是一個(gè)值如count、一個(gè)集合如collect或者一個(gè)副作用如forEach。一個(gè)流只能有一個(gè)終端操作執(zhí)行后該流就被“消費(fèi)”了不能再使用。2.2 函數(shù)式接口與Lambda表達(dá)式流的基石Stream API的強(qiáng)大離不開Java 8另一項(xiàng)革命性特性Lambda表達(dá)式和函數(shù)式接口。流的大部分操作都接受一個(gè)函數(shù)式接口作為參數(shù)。Lambda表達(dá)式一種簡潔的匿名函數(shù)表示法。例如(x) - x 5就是一個(gè)Lambda它接受一個(gè)參數(shù)x返回x 5的布爾值。函數(shù)式接口只包含一個(gè)抽象方法的接口。java.util.function包下提供了大量內(nèi)置的函數(shù)式接口Stream中常用的有PredicateT斷言接受一個(gè)參數(shù)返回布爾值。用于filter。(T t) - booleanFunctionT, R函數(shù)接受一個(gè)參數(shù)返回一個(gè)結(jié)果。用于map。(T t) - R rConsumerT消費(fèi)者接受一個(gè)參數(shù)無返回值。用于forEach。(T t) - voidSupplierT供應(yīng)者無參數(shù)返回一個(gè)結(jié)果。用于生成流。正是這些簡潔的Lambda表達(dá)式讓我們能夠以近乎自然語言的方式描述數(shù)據(jù)處理的邏輯比如“篩選出年齡大于18的用戶并提取他們的名字”用Stream寫出來就是users.stream().filter(u - u.getAge() 18).map(User::getName)...意圖一目了然。2.3 并行流簡單粗暴的性能提升利器Stream API另一個(gè)殺手級(jí)特性是并行處理。你只需要將.stream()換成.parallelStream()或者在流中間調(diào)用.parallel()方法框架就會(huì)嘗試將你的數(shù)據(jù)處理任務(wù)分解到多個(gè)線程上執(zhí)行充分利用多核CPU的優(yōu)勢。原理淺析并行流的底層基于Fork/Join框架。它會(huì)將數(shù)據(jù)源大致平均地分割成若干子集分治在每個(gè)子集上并行執(zhí)行相同的流操作遞歸計(jì)算最后將各個(gè)子集的結(jié)果合并起來合并。使用心得不要濫用并行流。并行化本身有開銷線程創(chuàng)建、任務(wù)拆分、結(jié)果合并。對(duì)于小數(shù)據(jù)量比如元素少于1000個(gè)或簡單的CPU密集型不高的操作串行流往往更快。確保操作是無狀態(tài)且獨(dú)立的。并行流中每個(gè)元素的處理不應(yīng)該依賴于或改變其他元素的狀態(tài)否則會(huì)導(dǎo)致不確定的結(jié)果或線程安全問題。避免在Lambda中修改外部變量。注意順序性。有些操作如findFirst、limit在并行流中會(huì)有性能損耗因?yàn)樗鼈冃枰獏f(xié)調(diào)線程間的順序。forEach的順序在并行流中是不確定的如果需要順序請用forEachOrdered。數(shù)據(jù)源的影響從ArrayList、數(shù)組這類支持隨機(jī)訪問的數(shù)據(jù)源創(chuàng)建并行流拆分效率很高。而從LinkedList或Stream.iterate創(chuàng)建的流拆分成本可能較高。注意并行流不是銀彈。我曾在一次性能優(yōu)化中盲目地將一個(gè)處理幾千條數(shù)據(jù)庫查詢結(jié)果IO密集型且每個(gè)處理邏輯簡單的流改為并行結(jié)果性能反而下降因?yàn)榫€程上下文切換的開銷遠(yuǎn)大于計(jì)算本身。正確的做法是先做性能基準(zhǔn)測試如JMH。3. 流的核心操作全解析與實(shí)戰(zhàn)要點(diǎn)Stream API的操作分為中間操作和終端操作。下面我們結(jié)合實(shí)例深入每一個(gè)常用方法。3.1 創(chuàng)建流的多種姿勢流可以從幾乎任何數(shù)據(jù)源創(chuàng)建。1. 從集合創(chuàng)建最常用的方式。ListString list Arrays.asList(a, b, c); StreamString streamFromList list.stream(); // 串行流 StreamString parallelStreamFromList list.parallelStream(); // 并行流2. 從數(shù)組創(chuàng)建String[] array {a, b, c}; StreamString streamFromArray Arrays.stream(array); // 或者使用Stream.of它內(nèi)部調(diào)用了Arrays.stream StreamString streamFromArray2 Stream.of(array);3. 使用Stream.of創(chuàng)建有限流StreamInteger numberStream Stream.of(1, 2, 3, 4, 5); StreamString stringStream Stream.of(Hello, World);4. 使用Stream.iterate和Stream.generate創(chuàng)建無限流iterate接收一個(gè)種子初始值和一個(gè)UnaryOperator遞推函數(shù)生成無限序列。// 生成一個(gè)從0開始的偶數(shù)無限流0, 2, 4, 6... StreamInteger evenNumbers Stream.iterate(0, n - n 2); // 通常需要與limit結(jié)合使用否則會(huì)無限執(zhí)行 evenNumbers.limit(10).forEach(System.out::println);generate接收一個(gè)Supplier不斷調(diào)用它來生成值。// 生成隨機(jī)數(shù)無限流 StreamDouble randomStream Stream.generate(Math::random); randomStream.limit(5).forEach(System.out::println);5. 其他方式從文件行創(chuàng)建Files.lines從正則表達(dá)式匹配創(chuàng)建Pattern.splitAsStream等。3.2 中間操作構(gòu)建你的數(shù)據(jù)處理流水線中間操作是流水線的加工站它們總是返回一個(gè)新的Stream。1. 篩選與切片filter(Predicate? super T predicate)過濾保留滿足條件的元素。ListInteger numbers Arrays.asList(1, 2, 3, 4, 5, 6); ListInteger evens numbers.stream() .filter(n - n % 2 0) // 過濾出偶數(shù) .collect(Collectors.toList()); // [2, 4, 6]distinct()去重根據(jù)元素的equals()和hashCode()方法。Stream.of(a, b, a, c).distinct().forEach(System.out::print); // abclimit(long maxSize)限制流中元素的數(shù)量。skip(long n)跳過前n個(gè)元素。2. 映射map(Function? super T, ? extends R mapper)將流中的每個(gè)元素通過給定的函數(shù)進(jìn)行轉(zhuǎn)換生成一個(gè)1:1映射的新流。這是最常用的操作之一。ListString names Arrays.asList(Alice, Bob); ListInteger nameLengths names.stream() .map(String::length) // 將字符串映射為其長度 .collect(Collectors.toList()); // [5, 3]flatMap(Function? super T, ? extends Stream? extends R mapper)將流中的每個(gè)元素都轉(zhuǎn)換成一個(gè)流然后把所有流連接起來成為一個(gè)新流。常用于“降維”操作。// 有一個(gè)列表里面每個(gè)元素又是一個(gè)列表比如每個(gè)用戶有多個(gè)電話號(hào)碼 ListListString listOfLists Arrays.asList( Arrays.asList(123, 456), Arrays.asList(789) ); ListString allNumbers listOfLists.stream() .flatMap(List::stream) // 將每個(gè)ListString變成一個(gè)StreamString然后壓平 .collect(Collectors.toList()); // [123, 456, 789]flatMap在處理嵌套集合或Optional流時(shí)特別有用。3. 排序sorted()使用自然順序排序元素必須實(shí)現(xiàn)Comparable接口。sorted(Comparator? super T comparator)使用自定義比較器排序。ListString words Arrays.asList(banana, apple, cherry); ListString sorted words.stream() .sorted() // 自然排序字母序 .collect(Collectors.toList()); // [apple, banana, cherry] ListString sortedByLength words.stream() .sorted(Comparator.comparingInt(String::length)) // 按長度排序 .collect(Collectors.toList()); // [apple, banana, cherry] (此例長度相同)3.3 終端操作獲取最終結(jié)果終端操作會(huì)觸發(fā)流水線的執(zhí)行并產(chǎn)生一個(gè)非流的結(jié)果或副作用。1. 匹配與查找anyMatch(Predicate)是否存在至少一個(gè)元素匹配。allMatch(Predicate)是否所有元素都匹配。noneMatch(Predicate)是否沒有元素匹配。findFirst()返回第一個(gè)元素Optional。findAny()返回任意一個(gè)元素Optional在并行流中效率更高。ListInteger nums Arrays.asList(1, 3, 5, 7); boolean hasEven nums.stream().anyMatch(n - n % 2 0); // false OptionalInteger first nums.stream().findFirst(); // Optional[1]2. 歸約與聚合count()返回流中元素個(gè)數(shù)。max(Comparator)/min(Comparator)根據(jù)比較器返回最大/最小值Optional。reduce(...)最通用的歸約操作將流中的元素反復(fù)結(jié)合起來得到一個(gè)值。它有三種重載形式。// 形式1OptionalT reduce(BinaryOperatorT accumulator) OptionalInteger sumOpt Stream.of(1, 2, 3, 4).reduce((a, b) - a b); // Optional[10] // 形式2T reduce(T identity, BinaryOperatorT accumulator) Integer sum Stream.of(1, 2, 3, 4).reduce(0, (a, b) - a b); // 10 identity是初始值 // 形式3U U reduce(U identity, BiFunctionU,? super T,U accumulator, BinaryOperatorU combiner) // 用于并行流combiner用于合并并行計(jì)算的結(jié)果3. 收集collect(Collector)這是功能最強(qiáng)大、最常用的終端操作。Collector接口定義了如何將流中的元素累積到一個(gè)可變的結(jié)果容器中以及如何對(duì)結(jié)果進(jìn)行最終的轉(zhuǎn)換。java.util.stream.Collectors類提供了大量靜態(tài)工廠方法用于創(chuàng)建常見的收集器。轉(zhuǎn)換為集合ListString list stream.collect(Collectors.toList()); SetString set stream.collect(Collectors.toSet()); // 指定具體集合類型 ArrayListString arrayList stream.collect(Collectors.toCollection(ArrayList::new));分組groupingBy類似于SQL的GROUP BY。// 假設(shè)有一個(gè)Transaction類有g(shù)etCurrency()和getAmount()方法 MapString, ListTransaction transactionsByCurr transactions.stream() .collect(Collectors.groupingBy(Transaction::getCurrency)); // 多級(jí)分組 MapString, MapBoolean, ListTransaction multiGroup transactions.stream() .collect(Collectors.groupingBy(Transaction::getCurrency, Collectors.groupingBy(t - t.getAmount() 1000)));分區(qū)partitioningBy分組的一個(gè)特例分區(qū)函數(shù)是Predicate結(jié)果Map的key永遠(yuǎn)是true和false。MapBoolean, ListTransaction partitioned transactions.stream() .collect(Collectors.partitioningBy(t - t.getAmount() 1000));連接字符串joiningString joined Stream.of(A, B, C).collect(Collectors.joining()); // ABC String joinedWithDelimiter Stream.of(A, B, C).collect(Collectors.joining(, )); // A, B, C String joinedWithPrefixSuffix Stream.of(A, B, C).collect(Collectors.joining(, , [, ])); // [A, B, C]匯總統(tǒng)計(jì)summarizingInt,averagingInt,summingInt等。IntSummaryStatistics stats transactions.stream() .collect(Collectors.summarizingInt(Transaction::getAmount)); System.out.println(平均金額: stats.getAverage()); System.out.println(總金額: stats.getSum()); System.out.println(最大金額: stats.getMax());4. 遍歷forEach與forEachOrderedforEach(Consumer)對(duì)流中每個(gè)元素執(zhí)行操作。在并行流中順序無法保證。forEachOrdered(Consumer)保證在并行流中按流的遭遇順序執(zhí)行。但會(huì)損失一部分并行性能。實(shí)操心得forEach通常用于打印日志或觸發(fā)一些副作用操作。盡量避免在forEach中修改外部狀態(tài)尤其是在并行流中這極易引發(fā)線程安全問題。數(shù)據(jù)轉(zhuǎn)換和聚合應(yīng)該優(yōu)先使用map、filter、collect等操作來完成。4. 高級(jí)特性、性能考量與最佳實(shí)踐4.1 原始類型特化流避免裝箱開銷處理int、long、double等原始類型時(shí)使用StreamInteger會(huì)導(dǎo)致頻繁的自動(dòng)裝箱和拆箱產(chǎn)生額外的性能開銷和內(nèi)存占用。為此Stream API提供了特化流IntStream、LongStream、DoubleStream。創(chuàng)建Arrays.stream(int[] array)、IntStream.range(int startInclusive, int endExclusive)、IntStream.of(int... values)。轉(zhuǎn)換mapToInt、mapToLong、mapToDouble中間操作可以將對(duì)象流轉(zhuǎn)換為特化流。終端操作特化流有專門的終端操作如sum()、average()、summaryStatistics()直接返回原始類型或其包裝類效率更高。// 低效使用StreamInteger ListInteger numbers ...; int sum numbers.stream().mapToInt(Integer::intValue).sum(); // 先轉(zhuǎn)IntStream再求和 // 高效直接使用IntStream IntStream intStream IntStream.rangeClosed(1, 100); int sum intStream.sum();4.2 短路操作提升效率有些操作不需要處理整個(gè)流就能得到結(jié)果這稱為“短路操作”。在中間操作中l(wèi)imit和skip是短路的。在終端操作中anyMatch、allMatch、noneMatch、findFirst、findAny也是短路的。短路操作能顯著提升性能。例如在一個(gè)巨大的流中查找第一個(gè)滿足條件的元素使用findFirst()配合filter一旦找到就會(huì)立即停止處理后續(xù)元素。4.3 流的使用限制與注意事項(xiàng)流只能被消費(fèi)一次一旦調(diào)用了終端操作流就被關(guān)閉了。再次使用該流會(huì)拋出IllegalStateException。如果你需要對(duì)同一數(shù)據(jù)源進(jìn)行多次操作必須重新創(chuàng)建流。StreamString stream list.stream(); stream.forEach(System.out::println); // 終端操作 // stream.count(); // 錯(cuò)誤流已關(guān)閉避免在流操作中修改源在流處理過程中修改源集合如使用forEach刪除元素是錯(cuò)誤且危險(xiǎn)的行為可能導(dǎo)致ConcurrentModificationException或不確定的結(jié)果。正確的做法是使用filter等操作產(chǎn)生一個(gè)新的流或集合。// 錯(cuò)誤示例 ListString list new ArrayList(Arrays.asList(a, b, c)); list.stream().forEach(s - list.remove(s)); // 可能拋出異?；蛐袨楫惓?// 正確做法收集到新列表 ListString newList list.stream().filter(s - !s.equals(a)).collect(Collectors.toList());謹(jǐn)慎處理無限流使用iterate或generate創(chuàng)建的流是無限的必須與limit、findFirst等短路操作結(jié)合使用否則程序會(huì)一直運(yùn)行下去。4.4 性能優(yōu)化實(shí)戰(zhàn)建議優(yōu)先選擇基本類型特化流對(duì)于數(shù)值計(jì)算使用IntStream、LongStream、DoubleStream。合理使用并行流數(shù)據(jù)量大萬級(jí)以上、處理成本高CPU密集型、數(shù)據(jù)源易于拆分如數(shù)組、ArrayList、操作獨(dú)立無狀態(tài)時(shí)考慮使用并行流。先用parallelStream()試試但務(wù)必進(jìn)行性能測試。合并多個(gè)中間操作流的惰性求值允許框架優(yōu)化多個(gè)中間操作。例如filter和map可能會(huì)被合并到一次循環(huán)中。但也要注意過于復(fù)雜的鏈?zhǔn)讲僮骺赡苡绊懣勺x性。避免在流中執(zhí)行重量級(jí)操作比如在map操作中進(jìn)行數(shù)據(jù)庫查詢或遠(yuǎn)程服務(wù)調(diào)用。這會(huì)導(dǎo)致串行等待嚴(yán)重降低性能。應(yīng)考慮批量查詢或?qū)⒘饔糜趦?nèi)存中數(shù)據(jù)的處理。findAnyvsfindFirst在并行流中如果不關(guān)心順序使用findAny()性能更好因?yàn)樗粡?qiáng)制要求順序性。5. 常見問題排查與調(diào)試技巧即使對(duì)Stream很熟悉在實(shí)際開發(fā)中還是會(huì)遇到各種問題。下面是我總結(jié)的一些常見“坑”和解決方法。5.1 空指針異常NullPointerException這是Stream操作中最常見的運(yùn)行時(shí)異常之一。源頭數(shù)據(jù)包含null如果集合或數(shù)組中有null元素在流操作中如調(diào)用map函數(shù)就可能引發(fā)NPE。ListString list Arrays.asList(a, null, c); list.stream().map(String::toUpperCase).forEach(System.out::println); // 在null上調(diào)用toUpperCase會(huì)NPE解決方案在操作前使用filter(Objects::nonNull)過濾掉null值。list.stream().filter(Objects::nonNull).map(String::toUpperCase)...Optional使用不當(dāng)findFirst、max、min等操作返回Optional。直接調(diào)用get()而不檢查isPresent()如果值為空就會(huì)拋出NoSuchElementException。OptionalString opt list.stream().filter(s - s.length() 10).findFirst(); // String result opt.get(); // 危險(xiǎn) String result opt.orElse(default); // 安全做法提供默認(rèn)值 // 或者 opt.ifPresent(System.out::println);5.2 流操作順序與預(yù)期不符并行流中的順序forEach在并行流中順序不確定。如果需要順序使用forEachOrdered但注意性能損耗。sorted操作的位置sorted是一個(gè)有狀態(tài)的中等開銷操作。如果放在filter之后可以減少需要排序的元素?cái)?shù)量提升性能。// 較差先對(duì)全部元素排序再過濾 list.stream().sorted().filter(...)... // 較好先過濾掉不需要的元素再對(duì)剩下的排序 list.stream().filter(...).sorted()...5.3 調(diào)試?yán)щy流的鏈?zhǔn)秸{(diào)用使得調(diào)試變得不那么直觀因?yàn)槟悴荒芟裨谘h(huán)里那樣輕松地設(shè)置斷點(diǎn)查看中間狀態(tài)。調(diào)試技巧使用peek方法peek(Consumer)是一個(gè)中間操作它接收一個(gè)Consumer對(duì)流中的每個(gè)元素執(zhí)行操作并返回一個(gè)包含相同元素的新流。它專門用于調(diào)試允許你查看流水線中某個(gè)階段的元素狀態(tài)。ListString result list.stream() .filter(s - s.startsWith(A)) .peek(s - System.out.println(After filter: s)) // 調(diào)試點(diǎn) .map(String::toUpperCase) .peek(s - System.out.println(After map: s)) // 另一個(gè)調(diào)試點(diǎn) .collect(Collectors.toList());注意peek本身是惰性的需要終端操作觸發(fā)。但在生產(chǎn)代碼中應(yīng)謹(jǐn)慎使用peek執(zhí)行有副作用的操作它主要用于調(diào)試。將流操作拆分成多行雖然鏈?zhǔn)秸{(diào)用很酷但為了可讀性和調(diào)試有時(shí)將復(fù)雜的流操作拆分成多個(gè)步驟并賦值給臨時(shí)變量是值得的。StreamString filteredStream list.stream().filter(...); StreamString mappedStream filteredStream.map(...); ListString finalList mappedStream.collect(...); // 這樣可以在每一行設(shè)置斷點(diǎn)在IDE中利用求值表達(dá)式在調(diào)試時(shí)可以在IDE的調(diào)試窗口中選中某一段流表達(dá)式使用“求值表達(dá)式”功能查看中間結(jié)果。5.4 性能問題排查如果發(fā)現(xiàn)使用Stream的代碼性能不佳可以考慮以下方面檢查是否誤用并行流使用jstack或VisualVM等工具查看線程狀態(tài)如果大量線程在等待可能是并行流拆分過細(xì)或任務(wù)太輕。換回串行流對(duì)比測試。檢查裝箱/拆箱使用YourKit、Java Flight Recorder等性能分析工具查看Integer.valueOf/intValue等方法的調(diào)用熱點(diǎn)。如果頻繁考慮改用特化流IntStream等。檢查終端操作是否觸發(fā)全量計(jì)算count()、collect(Collectors.toList())等操作會(huì)處理所有元素。如果數(shù)據(jù)源很大且你只需要前幾個(gè)結(jié)果考慮結(jié)合limit使用。對(duì)比傳統(tǒng)循環(huán)在極端性能敏感的場景不要迷信Stream。用JMHJava Microbenchmark Harness編寫基準(zhǔn)測試公平地對(duì)比Stream實(shí)現(xiàn)和傳統(tǒng)for循環(huán)實(shí)現(xiàn)的性能。很多時(shí)候簡單直接的for循環(huán)在微基準(zhǔn)測試中可能更快因?yàn)殚_銷更小。但Stream在代碼清晰度和開發(fā)效率上優(yōu)勢明顯需要權(quán)衡。流式編程是Java現(xiàn)代編程范式的核心之一。掌握它不僅能寫出更簡潔、更易讀的代碼更能提升你解決復(fù)雜數(shù)據(jù)處理問題的思維能力。從理解其惰性求值和流水線模型開始熟練運(yùn)用map、filter、collect等核心操作再到謹(jǐn)慎使用并行流和規(guī)避常見陷阱這是一個(gè)不斷實(shí)踐和積累的過程。我個(gè)人最大的體會(huì)是在追求代碼“優(yōu)雅”的同時(shí)永遠(yuǎn)不要忘記在關(guān)鍵路徑上進(jìn)行性能驗(yàn)證和測試特別是在處理大規(guī)模數(shù)據(jù)時(shí)。把Stream當(dāng)作一件得心應(yīng)手的工具而不是銀彈這樣才能在項(xiàng)目中發(fā)揮它最大的價(jià)值。