流式数据不适用 limit + skip 分页，因为 skip() 和 limit() 是内存内操作，需全部数据加载到 JVM 堆中，而流式数据按需生成、不可重用、不支持随机访问，强行使用会导致性能灾难和异常。
不能用 limit 和 skip 对流式数据做真正意义上的分页。
为什么流式数据不适用 limit + skip 分页
Stream 的 skip() 和 limit() 是内存内切片操作，前提是所有数据必须已加载到 JVM 堆中。而“流式数据”指按需生成、边读边处理的数据源，例如：
- 数据库游标（未一次性拉全表）
- 大文件逐行读取（
Files.lines()返回的 Stream） - HTTP 响应体流、Kafka 消息流、Reactive Streams（如
Flux） - 无限流（
Stream.iterate()、Stream.generate()）
在这些场景下直接写 .skip(n).limit(m) 会导致：
- 跳过操作无法下推——比如从数据库查 100 万条才 skip 前 99 万，网络和内存全扛不住
- 某些流不支持随机访问，
skip(100000)会强制遍历并丢弃前 10 万项，时间复杂度 O(n) - 流一旦被消费就不可重用，分页多次调用会报
IllegalStateException
适合用 limit + skip 的真实场景
仅限于数据已全部驻留内存、体积可控、且无需源头分页能力的情况：
- 本地缓存中的用户列表、配置项集合、测试用假数据
- 前端传来的 JSON 数组经
ObjectMapper解析后的List<T> - Spring Boot 中通过
@Value注入的小规模配置列表
正确写法示例（Java 16+）：
int page = 3, size = 10;<br>List<User> allUsers = cacheService.getAllUsers(); // 已加载完毕<br>List<User> pageData = allUsers.stream()<br> .skip((long)(page - 1) * size)<br> .limit(size)<br> .toList();
流式数据的替代分页方案
若数据来自外部系统，应把分页逻辑下沉到源头：
-
数据库：用 SQL 的
LIMIT offset, size（MySQL）、OFFSET ... FETCH NEXT（PostgreSQL/SQL Server）或 JPA 的Pageable -
MongoDB：用
.skip((page-1)*size).limit(size)—— 这是服务端执行，不是 Java Stream -
大文件：改用带行号的
BufferedReader，按字节偏移或行号范围读取，而非转成 Stream 后 skip -
响应式流：用 Project Reactor 的
flux.skip(n).take(m)，但注意它仍需缓冲（可配onBackpressureBuffer控制）
变量切片的实用技巧（非分页）
当目标不是分页，而是从任意位置截取一段数据（如调试时看中间 5 条），可用：
- 固定起始与长度：
stream.skip(start).limit(length)，start 和 length 都为long - 防越界保护：
skip(Math.min(start, list.size()))，避免空流异常 - 结合过滤再切片：先
filter()再skip().limit()，但注意 skip 仍作用于过滤后结果集 - 并行流慎用：JDK 明确说明
skip()在并行流中不保证跳过“前 N 个”，除非流有序且稳定
