Java的Stream流详解
原创
1. Stream API 简介
什么是 Stream？ Stream 是 Java 8 引入的一种数据处理管道，它不是数据结构，不存储元素，而是对集合、数组等数据源进行一系列操作的抽象。
核心优势：
- 简洁：链式调用，代码更短更清晰。
- 高效：支持并行流，利用多核提升性能。
- 可读性强：操作语义明确，接近自然语言。
✅ 一句话总结：Stream 让数据处理像流水线一样流畅。
2. 创建 Stream 的方式
✅ 从集合创建
List<String> names = Arrays.asList("Alice", "Bob", "Charlie");
Stream<String> stream = names.stream();✅ 从数组创建
String[] arr = {"Alice", "Bob", "Charlie"};
Stream<String> stream = Arrays.stream(arr);✅ 使用 Stream.of()
Stream<String> stream = Stream.of("Alice", "Bob", "Charlie");✅ 其他方式
IntStream.range(1, 10)：生成整数范围流Stream.iterate(0, n -> n + 2)：迭代生成流Files.lines(path)：读取文件行作为流
3. Stream 操作详解
Stream 操作分为两类：中间操作 和 终结操作。
3.1 中间操作（Intermediate Operations）
特点：惰性执行，返回新的 Stream，可链式调用。
方法 | 说明 | 示例 |
|---|---|---|
filter(Predicate) | 过滤符合条件的元素 | .filter(s -> s.length() > 4) |
map(Function) | 转换元素类型或值 | .map(String::length) |
flatMap(Function) | 扁平化映射，将流中的流合并 | .flatMap(str -> Arrays.stream(str.split(""))) |
distinct() | 去重（基于 equals） | .distinct() |
sorted() | 排序（自然序或自定义） | .sorted(Comparator.reverseOrder()) |
limit(n) | 截取前 n 个元素 | .limit(5) |
skip(n) | 跳过前 n 个元素 | .skip(2) |
peek(Consumer) | 调试用，对每个元素执行操作但不改变流 | .peek(System.out::println) |
⚠️ 注意：中间操作不会立即执行，只有遇到终结操作时才会“触发”整个流水线。
3.2 终结操作（Terminal Operations）
特点：立即执行，产生结果或副作用，执行后 Stream 不可再用。
方法 | 说明 | 示例 |
|---|---|---|
forEach(Consumer) | 遍历并处理每个元素 | .forEach(System.out::println) |
collect(Collector) | 收集结果到容器（List、Set、Map等） | .collect(Collectors.toList()) |
count() | 统计元素数量 | .count() |
anyMatch(Predicate) | 是否存在匹配元素 | .anyMatch(s -> s.startsWith("A")) |
allMatch(Predicate) | 是否全部匹配 | .allMatch(s -> s.length() > 0) |
noneMatch(Predicate) | 是否无匹配 | .noneMatch(s -> s.isEmpty()) |
findFirst() | 返回第一个元素（Optional） | .findFirst() |
reduce() | 聚合操作（如求和） | .reduce(0, Integer::sum) |
4. 实战练习
示例 1：处理和筛选数字列表
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
// 计算偶数的平方，并收集到新列表
List<Integer> result = numbers.stream()
.filter(n -> n % 2 == 0) // 筛选偶数
.map(n -> n * n) // 计算平方
.collect(Collectors.toList()); // 收集结果
System.out.println("偶数的平方: " + result); // [4, 16, 36, 64, 100]
// 直接输出（不收集）
System.out.println("直接输出:");
numbers.stream()
.filter(n -> n % 2 == 0)
.map(n -> n * n)
.forEach(System.out::println);🔍 执行流程：
numbers → filter → map → collect/forEach
示例 2：处理员工数据（去重 + 排序）
List<String> employees = Arrays.asList(
"Alice", "Bob", "Charlie", "Alice", "David", "Bob", "Eve");
// 方式一：先处理再统计
long uniqueCount = employees.stream()
.distinct() // 去重
.sorted() // 排序
.peek(System.out::println) // 调试输出
.count(); // 统计数量
// 方式二：收集去重排序后的列表
List<String> sortedUnique = employees.stream()
.distinct()
.sorted()
.collect(Collectors.toList());
System.out.println("去重排序后: " + sortedUnique);
System.out.println("员工总数: " + uniqueCount);💡
peek()是中间操作，常用于调试，查看流中每一步的数据变化。
5. 并行流：提升性能的秘密武器
使用 parallelStream() 可将流操作并行化：
List<Integer> numbers = Arrays.asList(1, 2, 3, ..., 1000000);
// 串行处理
long sum1 = numbers.stream()
.mapToInt(Integer::intValue)
.sum();
// 并行处理（利用多核 CPU）
long sum2 = numbers.parallelStream()
.mapToInt(Integer::intValue)
.sum();⚠️ 注意事项：
- 并行流有线程开销，小数据集可能更慢。
- 操作必须是无状态且线程安全的。
- 避免在流中修改共享变量。
总结
类型 | 特点 | 常见方法 |
|---|---|---|
中间操作 | 惰性执行，返回 Stream | filter, map, sorted, limit, distinct |
终结操作 | 立即执行，产生结果 | forEach, collect, count, findFirst, reduce |
并行流 | 利用多核提升性能 | parallelStream() |
Stream 的核心思想是“声明式编程”——你只需告诉 JVM “要做什么”，而不用关心“怎么做”。掌握 Stream，让你的 Java 代码更现代、更高效！
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
目录
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号