应优先使用原始类型特化流（如IntStream）、慎用parallelStream()、保持操作无状态、善用懒惰求值与短路操作。例如用IntStream.rangeClosed替代List<Integer>流，避免装箱拆箱；并行仅适用于大数据量且计算密集场景；filter后接limit可提前终止；用min()替代sorted().findFirst()更高效。
直接用 Lambda 和 Stream 写代码很顺手，但几个关键点没注意，性能可能反而变差。重点不在“能不能写”，而在“怎么写才不拖慢程序”。
避免频繁装箱和拆箱
Stream 默认处理的是引用类型，比如 Stream<Integer>，对大量整数做计算时，每次操作都会触发自动装箱/拆箱，开销明显。
- 改用原始类型特化流：如 IntStream、LongStream、DoubleStream
- 不要写
list.stream().mapToInt(x -> x)后又转回对象流；尽量从源头就用原始数组或 IntStream.range() - 例如统计 1 到 100 万的平方和，用
IntStream.rangeClosed(1, 1_000_000).mapToLong(i -> (long) i * i).sum()比用List<Integer>+stream().map(...)快数倍
慎用 parallelStream()，别默认“并行=更快”
并行流依赖 Fork/Join 框架拆分任务，但拆分本身有成本，小数据或结构不适合拆分时，反而更慢。
- 适合并行：数据量大（通常 > 10,000 元素）、计算密集、源集合支持高效分割（如 ArrayList、数组）
- 不适合并行：数据量小、LinkedList 或自定义集合（拆分代价高）、含 IO 操作（如文件读取、网络请求）、中间操作含装箱/同步逻辑
- 简单判断方法：用
System.nanoTime()对比stream()和parallelStream()的执行时间，别凭感觉
保持无状态、避免共享可变变量
Stream 管道中若使用外部变量修改状态（比如在 forEach 里往 ArrayList 添加元素），不仅线程不安全，并行时还会出错或结果错乱。
Alibabacloud Sdk Client Initialization For Java
下载
在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。
立即学习“Java免费学习笔记（深入）”；
- 所有中间操作（
filter、map、sorted）应是无状态的：输出只取决于当前输入，不依赖外部变量 - 终端操作如需收集结果，优先用
collect(Collectors.toList())这类线程安全的收集器，而不是自己 new ArrayList 再 add - 如果真要调试或记录中间值，用
peek()，但它不改变流行为，也别在里面做耗时或副作用操作
别忽略懒惰求值和短路操作的价值
Stream 的中间操作不会立即执行，只有遇到终端操作才真正触发。合理利用这点能省掉大量无效计算。
- 用
findAny()或anyMatch()替代filter().collect()查是否存在满足条件的元素 - 大数据过滤后只取前 N 条，用
limit(N)放在filter后面，能提前终止后续处理 - 避免写
stream().sorted().findFirst()处理大集合——排序是 O(n log n)，而min(Comparator)是 O(n)
这些不是硬性限制，而是基于 JVM 实现机制和常见数据规模的经验总结。写完一段 Stream 逻辑，花半分钟想想它实际做了什么、数据有多大、有没有更直接的路径，往往比调优参数更有效。
