函数式编程未取代循环，而是将“如何遍历”抽象为声明式操作，聚焦“要什么结果”；通过 filter/map/reduce 等语义化操作、空值链式防御、惰性求值与内建并行，提升可读性、健壮性、性能与可维护性。
函数式编程没有取代循环，而是把“怎么遍历”从代码里拿走，把“要什么结果”清晰地写出来。这种转变让集合操作从机械执行变成意图表达。
从手动循环到声明式管道
传统集合处理依赖显式 for 或 while 循环，开发者要负责初始化、索引控制、条件判断、中间容器管理等细节。比如筛选偶数求和，需手写累加变量和 if 判断；而函数式风格用 filter 和 sum 直接描述目标：“取偶数，然后加起来”。这不再是“一步步怎么做”，而是“最终要什么”。
- filter 对应筛选逻辑，语义明确，不侵入数据源
- map 负责转换，输入输出一一映射，无状态可复用
- reduce/sum/collect 等归约操作封装聚合过程，隐藏迭代细节
空值与边界更可控
传统写法中，null 检查常散落在循环体内，容易遗漏或嵌套过深。函数式组合天然支持链式防御：Optional.ofNullable() + map + orElse 可将空值处理统一前置；Stream 的 filter(Objects::nonNull) 也能在数据流早期剔除无效项，避免后续操作触发 NullPointerException。
- 空值不再靠层层 if 堆砌，而是作为数据流的一个可插拔环节
- 集合为空、为 null 时，Stream 默认返回空流，不会抛异常
- 业务逻辑与防御性代码解耦，主干更聚焦真实规则
惰性求值让操作更轻量
Stream 的中间操作（如 filter、map）并不立即执行，只构建执行计划；只有遇到终端操作（如 collect、findFirst、count）才真正触发计算。这意味着：不需要全部处理就能拿到结果，比如“找第一个大于100的数”，遍历到就停，后面元素根本不会被访问。
- 避免生成不必要的中间集合，节省内存
- 支持无限流场景（如日志行流、传感器数据流）
- 性能优化由运行时自动完成，无需手动 break 或 return
并行能力内建且透明
把 stream() 换成 parallelStream()，筛选、映射、归约等操作会自动拆分任务、多线程执行、合并结果。这背后是 ForkJoinPool 的调度机制，开发者不用管线程创建、同步、异常传播——只要确保所用函数是纯函数（无共享状态、无副作用），并行就安全可靠。
- 同一套逻辑，串行/并行切换只需改一个方法名
- 避免手写 ExecutorService + Future 的模板代码
- 对 CPU 密集型集合计算提升明显，且不增加认知负担
