直接用 mapToLong 配合 sum() 可高效计算长整型总和，关键在于避免装箱开销、确保数据源适配、控制中间操作链，并注意溢出风险与函数轻量性。
直接用 mapToLong 配合 sum() 就能高效计算长整型总和，但关键在于避免装箱开销、确保数据源适配、并合理控制中间操作链。
用 mapToLong 替代 map + longValue() 转换
如果原始流是对象流（比如 Stream<integer></integer> 或 Stream<string></string>），别用 map(x -> x.longValue()) 再转成 Stream<long></long> —— 这会触发自动装箱，产生大量临时对象。应直接用 mapToLong 得到原始 LongStream：
-
list.stream().mapToLong(Integer::longValue).sum()—— 零装箱，JVM 直接处理 long 值 -
strings.stream().mapToLong(Long::parseLong).sum()—— 字符串转 long 也走原始流，不生成 Long 对象
优先从原始数组或 IntStream/DoubleStream 衍生
若源头已是基本类型数组（如 int[]），先用 Arrays.stream(arr) 得到 IntStream，再用 mapToLong 转换，比包装类流更省内存：
-
IntStream.of(1,2,3).mapToLong(i -> i).sum()—— 比Stream.of(1,2,3).mapToLong(Integer::longValue)更轻量 - 对 double 数据，用
mapToLong(Math::round)或mapToLong(d -> (long) d)显式截断，避免精度意外丢失
注意 sum() 的溢出风险
LongStream.sum() 是简单累加，不检查溢出。若数据可能超 Long.MAX_VALUE（约 9.2×10¹⁸），应改用 reduce(0L, Math::addExact)，它会在溢出时抛出 ArithmeticException：
立即学习“Java免费学习笔记（深入）”；
- 安全求和：
stream.mapToLong(...).reduce(0L, Math::addExact) - 并行流下仍线程安全，
Math::addExact是纯函数，无副作用
避免在 mapToLong 中做复杂逻辑
mapToLong 函数体应保持轻量。耗时计算（如数据库查询、正则匹配）会严重拖慢流处理速度，且无法被 JIT 有效优化：
- ✅ 推荐：
obj -> obj.getId()、s -> s.length()、i -> i * 1000L - ❌ 避免：
s -> heavyParse(s).getTimestamp()—— 提前预处理或改用传统 for 循环
不复杂但容易忽略：mapToLong 本身不触发执行，必须接终止操作（如 sum、count、toArray）才会真正遍历数据。
