一、告別 for 循環！

傳統痛點：
Java 8 之前，集合操作離不開冗長的 for 循環和匿名類。例如，過濾列表中的偶數：

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
List<Integer> evens = new ArrayList<>();
for (Integer num : list) {if (num % 2 == 0) evens.add(num);
}

Stream 救場：
一行代碼搞定：

List<Integer> evens = list.stream().filter(x -> x % 2 == 0).collect(Collectors.toList());

核心優勢：

• 簡潔：鏈式調用替代復雜循環。
• 高效：惰性計算（Lazy Evaluation），按需執行。
• 并行：一鍵切換并行處理，提升性能。

---

二、Stream 三大核心操作：過濾、映射、歸約

1. 過濾（filter）：篩出想要的元素

作用：只保留符合條件的元素。
語法：filter(Predicate<T> predicate)
示例：篩選長度超過3的字符串

List<String> languages = Arrays.asList("Java", "Python", "C++", "Go");
List<String> filtered = languages.stream().filter(s -> s.length() > 3).collect(Collectors.toList());
// 結果: ["Java", "Python"]

底層邏輯：遍歷流中每個元素，保留 predicate.test(element) 為 true 的元素。
注意：filter 是中間操作，返回新流，需配合終端操作（如 collect）才能執行。

---

2. 映射（map）：元素轉換

作用：將元素轉換為另一種形式。
語法：map(Function<? super T, ? extends R> mapper)
示例：將字符串轉為大寫

List<String> upperCase = languages.stream().map(String::toUpperCase).collect(Collectors.toList());
// 結果: ["JAVA", "PYTHON", "C++", "GO"]

進階玩法：

• 扁平化嵌套集合：用?flatMap?展開多層結構

  List<List<String>> nested = Arrays.asList(Arrays.asList("a", "b"),Arrays.asList("c", "d"));
  List<String> flat = nested.stream().flatMap(Collection::stream).collect(Collectors.toList());
  // 結果: ["a", "b", "c", "d"]
  

---

3. 歸約（reduce）：聚合數值，合二為一

作用：將元素合并為一個值（如求和、拼接字符串）。
語法：reduce(T identity, BinaryOperator<T> accumulator)
示例：計算整數列表的總和

List<Integer> numbers = Arrays.asList(1, 2, 3, 4);
int sum = numbers.stream().reduce(0, Integer::sum);
// 結果: 10

魔法細節：

• identity?是初始值（如求和時設為?0）。
• accumulator?定義如何合并元素（如?a + b）。

---

三、實戰：從新手到封神的 3 個場景

場景1：統計文本中單詞頻率

String text = "java stream api is powerful and easy to use";
Map<String, Long> wordCount = Arrays.stream(text.split(" ")).collect(Collectors.groupingBy(Function.identity(), Collectors.counting()));
// 結果: {java=1, stream=1, api=1, ...}

關鍵點：

• split(" ")?分割字符串為流。
• groupingBy?按單詞分組，counting?統計次數。

---

場景2：并行處理大數據（真香警告）

List<Integer> largeList = IntStream.range(0, 1000000).parallel() // 切換并行流.filter(x -> x % 2 == 0).boxed().collect(Collectors.toList());
System.out.println(largeList );

效率對比：

• 串行流處理100萬數據：約500ms。
• 并行流處理：約100ms（8核CPU）。

---

場景3：多級排序（薪資+年齡）

class Employee {String name;int salary;int age;// constructor & getters
}List<Employee> sorted = employees.stream().sorted(Comparator.comparing(Employee::getSalary).thenComparing(Employee::getAge)).collect(Collectors.toList());
System.out.println(sorted);

技巧：鏈式 Comparator 實現多條件排序。

---

四、避坑指南：新手常踩的雷區

1. 流只能使用一次

   Stream<Integer> stream = numbers.stream();
   stream.forEach(System.out::println); // 正常
   stream.forEach(System.out::println); // 報錯！流已關閉
   

2. 避免修改外部變量
   

   int count = 0;
   numbers.stream().forEach(n -> count++); // 錯誤！并行流下可能出錯
   

3. 并行流未必更快

   • 小數據量：串行更優（省去線程切換開銷）。
   • 大數據量+復雜操作：并行提速顯著。

---

五、總結：Stream API 的江湖地位

操作	傳統方式	Stream 寫法	爽點
過濾偶數	for?+?if	filter(x -> x%2==0)	代碼量減半
字符串轉大寫	循環+toUpperCase	map(String::toUpperCase)	一行搞定
統計總數	for?累加	reduce(0, Integer::sum)	函數式編程優雅度拉滿