Java Stream API 进阶：过滤、映射与归约的高效用法

Java Stream API 的核心操作——过滤（Filter）、映射（Map）和归约（Reduce）——能显著提升集合处理的效率和可读性。以下通过数学原理和代码示例解析其高效实现。

1. 过滤（Filter）

作用：筛选满足谓词条件的元素，相当于集合的子集选择。
数学表示：对集合 $S$，筛选满足谓词 $P(x)$ 的元素：
$$ S_{\text{filtered}} = { x \in S \mid P(x) = \text{true} } $$
高效实践：

• 将高开销的过滤操作（如正则匹配）后置，减少计算量。
• 链式过滤时，优先使用高选择性条件（如 x > 100 优于 x % 2 == 0）。

List<Integer> numbers = Arrays.asList(10, 20, 30, 40, 50);
List<Integer> filtered = numbers.stream()
    .filter(x -> x > 25)       // 先过滤：仅保留 >25 的元素
    .filter(x -> x % 2 == 0)   // 再过滤：进一步筛选偶数
    .collect(Collectors.toList()); // [30, 40, 50]

2. 映射（Map）

作用：将元素转换为新形式，实现函数映射 $f: X \to Y$。
数学表示：对集合 $S$，应用映射函数 $f(x)$：
$$ S_{\text{mapped}} = { f(x) \mid x \in S } $$
高效实践：

• 避免在映射中嵌套复杂操作（如 I/O 或网络请求）。
• 优先使用无状态映射函数（如 Math::sqrt），确保线程安全。

List<String> words = Arrays.asList("java", "stream", "api");
List<Integer> lengths = words.stream()
    .map(String::length)  // 映射函数：计算字符串长度
    .collect(Collectors.toList()); // [4, 6, 3]

3. 归约（Reduce）

作用：将流聚合成单一结果，本质是累积操作。
数学表示：对集合 $S = {a_1, a_2, \dots, a_n}$，定义二元操作 $\oplus$，归约为：
$$ a_1 \oplus a_2 \oplus \cdots \oplus a_n $$
高效实践：

• 使用并行流（parallelStream()）加速大规模数据归约。
• 优先内置归约器（如 sum()、max()），避免自定义 reduce 的线程安全问题。

List<Integer> values = Arrays.asList(1, 2, 3, 4, 5);
int sum = values.stream()
    .reduce(0, Integer::sum);  // 归约：累加所有元素
// 结果：sum = 15 (等价于 1+2+3+4+5)

组合操作的高效链式调用

通过链式调用实现复杂逻辑，同时保持高性能：

List<Double> prices = Arrays.asList(100.0, 200.0, 150.0, 300.0);
double total = prices.stream()
    .filter(p -> p > 120)         // 过滤：仅保留 >120 的价格
    .map(p -> p * 0.9)            // 映射：打9折
    .reduce(0.0, Double::sum);    // 归约：求和
// 结果：total = (200×0.9) + (150×0.9) + (300×0.9) = 585.0

关键优化原则：

1. 惰性求值：终端操作（如 collect）触发前，中间操作（filter/map）不会执行。
2. 短路优化：某些操作（如 findFirst()）提前终止流处理。
3. 并行分割：parallelStream() 自动分割数据，利用多核加速归约。

提示：通过 peek(System.out::println) 可调试流操作，但生产环境需移除以避免副作用。