Stream.generate可创建无限随机流，须用limit等终止操作控制规模；推荐复用Random实例或ThreadLocalRandom以保证线程安全与性能；lambda需无状态，去重需配合distinct和足够limit。
Stream.generate 可以创建无限流，配合随机数生成器能轻松产出随机变量序列；但必须通过 limit 或其他终止操作控制规模，否则会因惰性求值未触发而无输出，或在终端操作中引发无限等待甚至内存问题。
用 Random::nextInt 等方法构造随机生成器
Stream.generate 接收一个 Supplier
Random rand = new Random(); Stream<Integer> randomInts = Stream.generate(() -> rand.nextInt(100)); // 0~99 的随机整数
- 使用 rand.nextDouble()、rand.nextBoolean() 或 rand.nextGaussian() 可生成不同分布的值
- 若需多线程环境安全，可用 ThreadLocalRandom.current() 替代：
Stream.generate(() -> ThreadLocalRandom.current().nextInt(100))
必须显式限制流长度，否则无法消费
generate 产生的是无限流（isParallel() 为 false，且无自然终点），不加限制直接 forEach 或 collect 会陷入死循环或 OOM。常用控制方式有：
-
limit(n)：截取前 n 个元素（最常用）
randomInts.limit(1000).forEach(System.out::println); -
takeWhile / dropWhile（Java 9+）：按条件动态截断，例如只取小于 50 的前若干个
Stream.generate(() -> rand.nextInt(100)).takeWhile(x -> x - 结合 findFirst、findAny 等短路终端操作，适用于“找一个满足条件的随机值”场景
避免常见陷阱：状态泄漏与重复值
Supplier 若引用了可变外部状态（如共享计数器、List.add），会导致流行为不可预测；同时，Random 默认不是真随机，连续运行可能观察到周期性——但这对大多数模拟场景可接受。
- ❌ 错误示例（状态污染）：
int[] counter = {0}; Stream.generate(() -> counter[0]++)—— 违反无状态要求，影响并行流正确性 - ✅ 正确做法：所有逻辑封装在 lambda 内部，或使用纯函数式构造，例如：
Stream.iterate(0, i -> i + 1).map(i -> rand.nextInt())（注意 iterate 更适合带序号的场景） - 若需去重随机数，不能依赖 generate 直接实现，应后置 distinct() 并配合足够大的 limit（因 distinct 不提前终止）
实用组合：生成带结构的随机数据流
常用于测试数据构造，例如生成随机用户对象流：
Random r = new Random();
Stream<User> users = Stream.generate(() -> new User(
"user" + r.nextInt(10000),
r.nextInt(120), // age
r.nextBoolean() // active
)).limit(10_000);
- 后续可接 filter、map、sorted 等中间操作进行筛选或变换
- 若需分批处理（如每 1000 条存一次库），可用 Collectors.groupingByConcurrent 或手动 forEach + 计数器
- 注意：limit 是短路操作，配合 findFirst 等可极大降低开销，不必生成全部再截断
