JDK 1.8 Stream API：集合流處理深度解析

摘要：Stream API 是 JDK 1.8 的革命性特性，它將集合操作從傳統迭代升級為聲明式函數式處理。Stream API三個階段（創建→中間操作→終端操作）詳解流處理機制，輔以代碼示例與白話解讀，掌握流處理，是Java開發者邁向現代化編程的關鍵一步。

---

一、流處理核心三階段

1. 流創建（Source）
   將集合轉化為流管道：

   List<String> list = Arrays.asList("A", "B", "C");
   Stream<String> stream = list.stream(); // 集合→流
   

   白話：就像把一箱零件倒上流水線傳送帶。

2. 中間操作（Intermediate Operations）
   對數據進行加工處理，延遲執行（不觸發實際計算）：

   stream.filter(s -> s.startsWith("A"))  // 過濾.map(String::toLowerCase)         // 轉換.sorted();                        // 排序
   

   白話：流水線上的篩選機、打磨機、排序機，但機器尚未啟動。

3. 終端操作（Terminal Operations）
   觸發流水線執行并輸出結果：

   long count = stream.count(); // 觸發計算，返回元素數量
   

   白話：按下啟動按鈕，傳送帶開始運轉并輸出成品。

?? 關鍵特性：流不可復用（終端操作后自動關閉），需重新創建。

---

二、常用中間操作詳解

操作類型	方法	功能描述	白話比喻
篩選過濾	filter(Predicate)	條件過濾元素	質檢員剔除次品
數據類型轉換	map(Function)	元素類型轉換（如String→Int）	零件重新塑形
去重處理	distinct()	移除重復元素	剔除重復零件
長度控制	limit(maxSize)	截取前N個元素	只取前100個零件
排序操作	sorted()	自然排序	按零件編號排序
跳過元素	skip(n)	跳過前N個元素	丟棄前10個零件

---

集合流（Stream）是函數式編程的核心工具，提供高效的數據處理能力。以下是典型用法和案例：

代碼示例1：

List<Integer> numbers = Arrays.asList(3, 1, 4, 1, 5, 9);
numbers.stream().filter(n -> n > 2)      // 篩選大于2的數 → [3,4,5,9].map(n -> n * 2)         // 每個元素×2 → [6,8,10,18].distinct()              // 去重 → [6,8,10,18].sorted()                // 排序 → [6,8,10,18].limit(3);               // 取前3個 → [6,8,10]

---

示例2 （過濾與映射）：

//場景：從數據集中提取特定條件元素并轉換格式
List<String> names = Arrays.asList("Alice", "Bob", "Charlie", "David");// 過濾長度>3的名字并轉為大寫
List<String> result = names.stream().filter(name -> name.length() > 3)   // 過濾條件.map(String::toUpperCase)            // 轉換操作.collect(Collectors.toList());       // 收集結果// 輸出: [ALICE, CHARLIE, DAVID]

---

示例3 （聚合計算）：

//場景：統計數值集合的聚合值
List<Integer> numbers = Arrays.asList(3, 7, 2, 9, 5);// 計算最大值、總和與平均值
int max = numbers.stream().max(Integer::compare).orElse(0);
int sum = numbers.stream().mapToInt(Integer::intValue).sum();
double avg = numbers.stream().mapToInt(i -> i).average().orElse(0);// 輸出: max=9, sum=26, avg=5.2

---

示例4 （分組與分區）：

//場景：按屬性對對象分組
class Person {String name;int age;// 構造方法省略
}List<Person> people = Arrays.asList(new Person("Alice", 25),new Person("Bob", 30),new Person("Charlie", 25)
);// 按年齡分組
Map<Integer, List<Person>> ageGroup = people.stream().collect(Collectors.groupingBy(p -> p.age));// 輸出: {25=[Alice, Charlie], 30=[Bob]}// 按年齡是否>=30分區
Map<Boolean, List<Person>> partition = people.stream().collect(Collectors.partitioningBy(p -> p.age >= 30));// 輸出: {false=[Alice, Charlie], true=[Bob]}

---

示例5 （鏈式操作）：

//場景：多步驟數據處理流水線
List<String> data = Arrays.asList("a1", "b2", "c3", "a4", "null");// 過濾非空值 -> 提取數字 -> 轉換為整數 -> 求和
int total = data.stream().filter(s -> !s.equals("null"))    // 過濾無效值.map(s -> s.substring(1))          // 提取數字部分.map(Integer::parseInt)            // 轉為整數.reduce(0, Integer::sum);          // 累加求和// 輸出: 1+2+3+4=10

---

示例6 （并行處理）：

//場景：利用多核加速大規模數據處理
List<Integer> largeList = IntStream.range(1, 1000000).boxed().collect(Collectors.toList());// 并行計算平方和
long sumSquares = largeList.parallelStream().mapToLong(n -> n * n).sum();// 輸出: 12+22+...+9999992的求和

---

示例7 （自定義收集器）：

//場景：實現復雜聚合邏輯
//自定義收集器：拼接字符串并添加分隔符
Collector<String, StringBuilder, String> customCollector = Collector.of(StringBuilder::new,                 // 初始容器(sb, s) -> sb.append(s).append("|"), // 累加元素StringBuilder::append,              // 合并容器sb -> sb.deleteCharAt(sb.length()-1).toString() // 最終轉換
);List<String> fruits = Arrays.asList("Apple", "Banana", "Cherry");
String merged = fruits.stream().collect(customCollector);// 輸出: "Apple|Banana|Cherry"

---

三、終端操作：觸發結果輸出

操作類型	方法	返回值	白話比喻
循環遍歷	forEach(Consumer)	void	對每個成品貼標簽
聚合統計	count()	long	統計合格品數量
邏輯判斷	anyMatch(Predicate)	boolean	檢查是否有瑕疵品
極值獲取	max(Comparator)	Optional	找出最大零件
集合轉換	collect(Collectors)	Collection	將成品打包入新箱子
數值計算	reduce(BinaryOperator)	Optional	計算零件總重量

代碼示例：

// 判斷是否存在大于10的數
boolean hasLarge = numbers.stream().anyMatch(n -> n > 10); // 轉換為Set去重存儲
Set<Integer> set = numbers.stream().collect(Collectors.toSet());// 求和操作
int sum = numbers.stream().reduce(0, (a, b) -> a + b); 

---

四、流處理優勢總結

1. 性能提升：并行流parallelStream()自動利用多核CPU。

   list.parallelStream().forEach(System.out::println); // 并行輸出
   

2. 代碼簡潔：鏈式調用替代多層循環嵌套。
3. 函數式思維：聚焦"做什么"而非"如何做"。
4. 聲明式編程：通過鏈式調用描述處理邏輯，代碼更簡潔
5. 延遲執行：操作按需觸發，避免不必要的計算
6. 無狀態性：多數操作不修改源數據，符合函數式原則

💡 適用場景：大數據集過濾轉換、統計報表生成、鏈式數據加工流水線。

---

結語：Stream API 通過三階段管道模型，將集合操作轉化為高效聲明式處理。其核心價值在于：
$$\text{代碼可讀性}\uparrow +\text{并行能力}\uparrow +\text{開發效率}\uparrow$$