Java Stream是一次性惰性计算管道，不触发终端操作则中间操作不执行，不可重用，重复使用抛IllegalStateException；并行流需谨慎，小数据量反而更慢，且严禁有副作用操作。
Java 的 Stream 不是数据容器，也不替代集合；它是一次性、不可重用的计算管道——用完即弃，重复使用会抛 IllegalStateException。
Stream 是惰性求值的，不触发终端操作就不会执行中间操作
写完 filter、map 这些中间操作，什么都不会发生。只有调用 collect()、forEach()、count() 等终端操作时，整个链才真正运行。
- 常见错误：只写
list.stream().filter(x -> x > 0).map(String::valueOf)却没接终端操作，结果无任何输出、无异常、也无实际计算 - 调试技巧：在
map或filter中临时加peek(System.out::println)，能确认是否被触发 - 性能影响：惰性让多步转换可合并优化（如连续两个
filter可能被 JVM 内联），但过度嵌套仍可能拖慢可读性
parallelStream() 并不总是更快，且有副作用风险
并行流底层用的是 ForkJoinPool.commonPool()，默认线程数 = CPU 核心数 − 1。小数据量或操作本身很轻（比如 x + 1），并行反而因分片、合并、线程调度而更慢。
JavaStoryDevelop
下载
你接手一个需求时，是不是经常这样："改一个小字段 → 结果把不相关的代码也改了"、"需求说得很模糊 → 做着做着发现跑偏了"、"数据库加个字段 → 上线才发现漏了数据兼容"、"做了个新功能 → 一个月后自己都忘了当时怎么设计的"、"写到一半被中断 → 再回来不知道从哪继续"；这个 Skill 就是专门解决这些问题的。 它会自动探测你的项目环境（JDK、Spring Boot、ORM、数据库、前端框架），记在
- 适用场景：集合大小 > 10⁴ 且每个元素处理耗时明显（如 IO、复杂计算）
- 严禁在
forEach中修改外部变量或共享状态，例如：int[] count = {0}; stream.parallelStream().forEach(x -> count[0]++); // 结果不确定 - 安全替代：用
mapToInt+sum()、collect(Collectors.groupingByConcurrent())等无状态聚合方式
Stream 不能复用，也不能从 Stream 反向获取原始集合
Stream 是消费型资源。一旦调用过 collect() 或 count()，再调用任何操作都会立即抛出 IllegalStateException: stream has already been operated upon or closed。
立即学习“Java免费学习笔记（深入）”；
- 典型翻车点：把 stream 赋给变量后反复用，例如：
Stream<String> s = list.stream().map(String::toUpperCase); s.count(); s.collect(Collectors.toList()); // 这里报错
- 正确做法：要么链式写到底（推荐），要么每次需要都重新生成 stream：
list.stream().filter(...).collect(...) - 注意：没有
stream.toCollection()或stream.source()这类方法——Stream 设计上就拒绝暴露源头
最常被忽略的一点：Stream 操作的「无状态」要求不是建议，而是契约。哪怕一个 map 里偷偷改了某个 static 计数器，就可能在并行时引发不可预测行为——这不是 bug，是违反模型前提的误用。
