Lambda表达式与Stream API配合实现流式聚合，核心是用函数式链式管道替代传统循环：数据源→中间操作（filter/map等，懒加载）→终端操作（collect/sum等，触发执行），Lambda承载行为，Stream提供执行管道。
Java 中 Lambda 表达式配合 Stream API 进行流式数据聚合，核心在于用简洁的函数式写法替代传统循环+条件判断+手动累加的模式。它不是“先遍历再处理”，而是把操作声明成一条链式管道，由 Stream 在终端操作时统一执行。
Lambda 是行为的载体，Stream 是执行的管道，聚合是终端操作的目标结果。
流式聚合的关键结构：管道三段式
-
数据源：通常是
List、Array或Map.values() -
中间操作（可链式叠加）：如
filter()、map()、sorted()—— 它们返回新 Stream，不触发实际计算 -
终端操作（必须且唯一）：如
collect()、sum()、average()、count()—— 执行真正遍历，并产出结果（不再是 Stream）
✅ 重点：只有终端操作才会真正跑一遍数据；中间操作全是“懒加载”，只是记下你要做什么。
常用聚合操作 + Lambda 写法示例
假设有一个 List<Server>，每个 Server 有 brand（品牌）、purchaseYear（购买年份）、cpuCore（CPU 核心数）等字段：
立即学习“Java免费学习笔记（深入）”；
List<Server> servers = ...;
✅ 按条件筛选后求平均使用年限（年份转整数计算）
double avgAge = servers.stream()
.filter(s -> "Dell".equals(s.getBrand())) // Lambda 做 Predicate 判断
.mapToInt(s -> 2026 - s.getPurchaseYear()) // Lambda 做 Function 转换为 int 流
.average() // 终端操作：返回 OptionalDouble
.orElse(0.0); // 处理空结果✅ 分组统计各品牌服务器数量
Map<String, Long> countByBrand = servers.stream()
.collect(Collectors.groupingBy(
Server::getBrand, // 方法引用（等价于 s -> s.getBrand()）
Collectors.counting() // 聚合器：计数
));✅ 提取所有品牌名去重并转为 List
List<String> uniqueBrands = servers.stream()
.map(Server::getBrand) // 转为品牌字符串流
.distinct() // 去重（中间操作）
.collect(Collectors.toList()); // 终端：收集成 List✅ 计算总 CPU 核心数（reduce 累加）
int totalCores = servers.stream()
.mapToInt(Server::getCpuCore) // 转 int 流
.reduce(0, Integer::sum); // 0 是初始值，Integer::sum 是 BinaryOperator为什么用 Lambda + Stream 做聚合更可靠
- 逻辑集中：过滤、转换、聚合写在同一链条里，避免变量污染和状态分散
- 不可变性：原始集合不被修改，所有中间结果都是新 Stream 或新容器
-
可读性强：
filter(...).map(...).collect(...)直观表达“我要什么”，而非“我怎么一步步拿” -
天然支持并行：只需把
.stream()换成.parallelStream()，多数聚合操作自动多线程（注意线程安全）
容易踩的坑提醒
-
stream()只能消费一次，重复调用.forEach()会抛IllegalStateException -
filter和map不执行实际逻辑，要看到效果必须接终端操作（比如forEach或collect） -
Optional类型（如average()、findFirst()）务必用orElse()或ifPresent()处理空值 -
collect(Collectors.toList())返回的是ArrayList，但若需特定实现（如LinkedHashSet），要用对应收集器
不复杂但容易忽略细节，写对了就顺，写漏了就报错或没结果。
