在 Java 8 之后，Stream API 成为了现代 Java 编程的灵魂之一。
它不仅让代码更简洁、更具函数式风格，还能显著提高开发效率与可读性。
本文将带你从入门到进阶，掌握 Stream 的核心思想与实战技巧。

---

一、Stream 是什么？

Stream 是 Java 8 引入的新特性，用于对 集合（Collection） 或 数组（Array） 等数据源进行高效的数据处理。
它提供了一种 声明式（Declarative） 编程方式，让我们像写 SQL 一样描述“要做什么”，而不是“怎么做”。

Stream ≠ Collection
Stream 是对数据的一种“视图”或“流水线处理模型”，不是存储数据的容器。

---

⚙️ 二、Stream 处理流程图

---

🌊 三、Stream 的核心操作类型

类型	说明	示例
创建（Create）	从集合、数组、文件、函数等创建流	list.stream()
中间操作（Intermediate）	转换流、过滤元素、排序等，返回新的流	filter(), map(), sorted()
终止操作（Terminal）	触发计算并产生结果	collect(), forEach(), count()

---

🧩 四、传统写法 vs Stream 写法对比

💡 案例 1：筛选并统计年龄大于 25 的员工数量

🏷 传统写法

List<Employee> employees = ...;
int count = 0;
for (Employee e : employees) {
    if (e.getAge() > 25) {
        count++;
    }
}
System.out.println(count);

🚀 Stream 写法

long count = employees.stream()
                      .filter(e -> e.getAge() > 25)
                      .count();

System.out.println(count);

✅ 对比优势：

• 传统写法：命令式、可读性差
• Stream：声明式、简洁、线程安全（可配合并行流）

---

💡 案例 2：获取姓名列表（去重 + 排序）

传统写法

List<String> names = new ArrayList<>();
for (Employee e : employees) {
    if (!names.contains(e.getName())) {
        names.add(e.getName());
    }
}
Collections.sort(names);

Stream 写法

List<String> names = employees.stream()
                              .map(Employee::getName)
                              .distinct()
                              .sorted()
                              .toList();

✅ 优势总结

方面	传统写法	Stream 写法
可读性	低，逻辑冗长	高，清晰表达意图
可维护性	修改代价大	可自由组合操作
性能	顺序执行	支持并行流 parallelStream()

---

🔁 五、常用中间操作详解

方法	功能	示例
filter(Predicate)	按条件筛选	.filter(e -> e.getAge() > 30)
map(Function)	转换元素	.map(Employee::getName)
flatMap(Function)	扁平化嵌套集合	.flatMap(List::stream)
distinct()	去重	.distinct()
sorted()	排序	.sorted(Comparator.comparing(Employee::getAge))
limit(n) / skip(n)	截取 / 跳过元素	.limit(10)

---

🧮 六、常用终止操作详解

方法	功能	示例
forEach()	遍历流元素	.forEach(System.out::println)
collect()	收集结果为集合或Map	.collect(Collectors.toList())
count()	统计数量	.count()
reduce()	聚合计算	.reduce(0, Integer::sum)
anyMatch() / allMatch() / noneMatch()	条件匹配	.anyMatch(e -> e.getAge() > 40)
findFirst() / findAny()	查找元素	.findFirst().orElse(null)

---

🔍 七、进阶案例：数据聚合与分组

示例：按部门统计平均工资

Map<String, Double> avgSalary = employees.stream()
    .collect(Collectors.groupingBy(
        Employee::getDepartment,
        Collectors.averagingDouble(Employee::getSalary)
    ));

输出：

{开发部=15000.0, 测试部=12000.0, 产品部=18000.0}

图示：Stream 聚合流程

---

⚡ 八、并行流（Parallel Stream）

只需将 stream() 改为 parallelStream() 即可自动并行化处理：

double sum = employees.parallelStream()
                      .filter(e -> e.getAge() > 25)
                      .mapToDouble(Employee::getSalary)
                      .sum();

⚠️ 注意：并行流在数据量小或线程安全性要求高的场景下 反而可能性能更差。

---

🧠 九、Stream 使用技巧与陷阱

场景	建议
频繁创建流	不要在循环中重复 .stream()
修改外部变量	避免副作用操作，如在 forEach 中修改外部集合
空集合	推荐 Collections.emptyList().stream() 防止 NPE
调试输出	使用 .peek(System.out::println) 查看中间状态

---

🧩 十、完整实战：员工数据分析示例

List<Employee> employees = List.of(
    new Employee("张三", "开发部", 28, 15000),
    new Employee("李四", "开发部", 35, 18000),
    new Employee("王五", "测试部", 24, 12000),
    new Employee("赵六", "产品部", 30, 20000)
);

// 1. 获取30岁以上员工姓名
List<String> result = employees.stream()
    .filter(e -> e.getAge() > 30)
    .map(Employee::getName)
    .toList();

// 2. 部门平均工资
Map<String, Double> avgSalary = employees.stream()
    .collect(Collectors.groupingBy(
        Employee::getDepartment,
        Collectors.averagingDouble(Employee::getSalary)
    ));

// 3. 工资最高的员工
Employee top = employees.stream()
    .max(Comparator.comparing(Employee::getSalary))
    .orElse(null);

---

🏁 十一、总结与建议

优点	缺点
代码简洁、可读性高	调试相对困难
支持并行计算	过度使用会降低性能
适合数据转换与聚合	不适合含大量副作用逻辑的任务

---

✨ 十二、学习路线推荐