Java Stream API以函数式编程为核心，用行为代替步骤、目标代替过程，通过惰性求值、无状态操作、非干扰原则及并行能力实现高效数据处理。
Java Stream API 的函数式编程特性，核心在于用“行为”代替“步骤”，用“描述目标”代替“编写过程”。它不改变原始数据，也不依赖循环和临时变量，而是通过组合高阶函数完成数据处理。
函数式接口是操作的基石
Stream 的每个中间操作都接收一个函数式接口实例：
-
filter 接收
Predicate<T>：输入一个元素，返回布尔值，决定是否保留 -
map 接收
Function<T, R>：输入一个元素，输出转换后的新元素（如String::length） -
forEach 接收
Consumer<T>：对每个元素执行动作，不返回结果 -
reduce 接收
BinaryOperator<T>或带初始值的函数：将流中元素累积为单个值
这些接口天然适配 Lambda 表达式和方法引用，让逻辑内联、意图清晰，避免冗余类定义。
惰性求值与流水线机制
Stream 操作分中间操作和终端操作。中间操作（如 filter、map、sorted）只是登记任务，不触发计算；只有终端操作（如 collect、count、findFirst）被调用时，整条流水线才一次性从头到尾执行。
立即学习“Java免费学习笔记（深入）”；
这种设计带来两个实际好处：
- 可跳过后续无用计算——例如
stream.limit(5).findFirst()可能只遍历前几个元素就结束 - 便于编译器或运行时优化，比如合并相邻的
filter条件、消除冗余映射
无状态与非干扰原则
函数式风格要求操作具备确定性和安全性：
-
无状态：每个操作的逻辑不依赖外部变量或共享状态（如不能在
map中修改某个全局计数器） -
非干扰：Stream 执行期间，不允许修改其背后的数据源（如遍历时往原 List 添加元素会抛
ConcurrentModificationException） - 不可变性保障：所有中间操作返回新 Stream，原始集合保持不变，天然支持并发场景
并行能力内建，无需手动线程管理
只需把 list.stream() 换成 list.parallelStream()，或对已有 Stream 调用 parallel()，即可启用 Fork-Join 框架自动拆分任务。
但要注意：并行不是万能加速器——只有当数据量大、单次操作耗时明显（如解析 JSON、加密计算），且操作本身无共享状态时，并行流才真正带来收益。
