Java Stream API的核心是“描述动作”而非“执行动作”，通过源、中间操作链和终端操作构成流水线，由Stage定义结构、Sink负责执行，结合惰性求值与多种设计模式实现可组合、可延迟、可复用的数据处理。
Java Stream API 的核心不是“执行动作”，而是“描述动作”——它用流水线（Pipeline）把数据处理逻辑组织成可组合、可延迟、可复用的结构。这种设计不靠硬编码串联，而是靠抽象阶段（Stage）与处理器（Sink）协同完成。
流水线由三部分构成
每个 Stream 操作链都明确包含：
- 源（Source Stage）：比如 list.stream() 或 Arrays.stream()，它封装了一个 Spliterator，只负责“提供数据”，不参与计算。
- 中间操作链（Intermediate Stages）：filter、map、sorted 等，每个都是一个独立 Stage，记录“做什么”和“上游是谁”，但不做实际处理。
- 终端操作（Terminal Operation）：如 collect、forEach、toArray，它是唯一触发整条流水线执行的开关，启动反向 Sink 包装与正向数据流动。
Stage 是节点，Sink 是执行器
中间操作创建的是 Stage，而真正干活的是 Sink。当调用终端操作时，系统从最后一个 Stage 开始，逐级调用 opWrapSink(downstream)，把下游 Sink “包一层”自己的逻辑，最终形成一个嵌套的 Sink 链。例如 filter(f).map(m).collect() 实际构建的是：
CollectSink ← MapSink ← FilterSink ← SourceSpliterator
立即学习“Java免费学习笔记（深入）”；
数据流经时，每个 Sink 负责自己那部分逻辑（过滤、转换、收集），彼此解耦，职责清晰。
懒加载与可组合性来自设计模式
流水线背后融合了多种经典模式：
- 构建器模式：stream().filter(...).map(...).collect(...) 的链式调用，本质是逐步配置流水线蓝图。
- 策略模式：Predicate、Function 等函数式接口让 filter、map 的行为可动态替换，算法与数据分离。
- 观察者模式：终端操作作为“事件触发点”，通知所有 Stage 启动 Sink 执行，实现松耦合响应。
- 流水线模式（核心）：将复杂处理拆为线性、可插拔的 stage，每个 stage 只关注输入→处理→输出，便于调试、优化与并行化。
有状态 vs 无状态操作影响执行方式
并非所有中间操作都一样：
- 无状态操作（如 filter、map）：每个元素处理独立，可任意分片并行，性能友好。
- 有状态操作（如 sorted、distinct、limit）：需看到全部或部分前置数据才能决定当前元素行为，会引入缓冲或全局协调，可能限制并行效率。
理解这点，有助于预判 .parallelStream() 在含 sorted 的链中是否真能提速。
