Java Stream API的核心价值在于将集合操作从“怎么写循环”变为“想做什么”，它不改变原始数据、不存储中间结果，是一条按需执行的处理流水线。
Java Stream API 的核心价值在于把集合操作从“怎么写循环”变成“想做什么”，它不改变原始数据，也不存储中间结果，而是一条按需执行的处理流水线。用得好，代码更短、意图更明、性能还能自动提升。
流不是容器，是数据处理管道
Stream 本身不保存元素，它只是对底层数据源（比如 List、数组）的一次性视图。调用 stream() 得到的是顺序流，调用 parallelStream() 或在已有流上调用 parallel()，就能启用并行模式。关键点在于：
- 中间操作（如 filter、map、sorted）都是惰性的，只构建执行计划，不真正干活
- 终端操作（如 collect、count、findFirst）才会触发整条流水线执行
- 流一旦被消费，就不能再复用；重复使用需重新创建
- 并行流默认基于 Fork/Join 框架拆分任务，自动适配 CPU 核心数
六种常见创建流的方式
不只是 list.stream()，实际开发中灵活选型能减少冗余代码：
- 从集合：list.stream() 或 set.parallelStream()
- 从数组：Arrays.stream(arr) 或 IntStream.range(0, n)
- 从值列表：Stream.of("a", "b", "c")
- 从文件行：Files.lines(Paths.get("file.txt"))
- 无限生成：Stream.iterate(0, n -> n + 1).limit(10)
- 随机或常量：Stream.generate(Math::random).limit(5)
链式操作的关键逻辑
每一步中间操作都返回新流，所以能自然链式调用。但要注意语义和性能影响：
立即学习“Java免费学习笔记（深入）”；
- filter 和 map 通常放前面，尽早缩小数据规模
- sorted 是有状态操作，放在 map 后可能更高效（避免对未转换数据排序）
- limit 和 skip 在并行流中可能导致非预期行为，慎用于无序场景
- collect(Collectors.toList()) 是最常用终端操作，但大数据量时考虑 toCollection(ArrayList::new) 避免扩容开销
并行处理不是万能加速器
并行流确实能提升计算密集型任务的速度，但也有明显适用边界：
- 数据量小（比如几百个元素）时，并行开销反而比串行高
- 操作含副作用（如修改外部变量、IO 写入）会导致线程安全问题
- 依赖顺序的操作（如 forEachOrdered）会退化为串行执行
- 归约类操作（reduce、collect）必须满足结合律，否则结果不可靠
- 测试时建议对比 System.nanoTime()，而不是只看逻辑是否正确
真正用好 Stream，不在于堆砌方法，而在于理解它“声明意图 + 延迟执行 + 自动调度”的设计哲学。写出来像说话一样直白，跑起来又足够聪明——这才是它的本意。
