Stream API用好了效率倍增，优缺点对比

https://mp.weixin.qq.com/s/Oc-WpS2hdMgPtHWuhwgzCw

既然JDK的大神们，设计出Stream API，肯定是优点大于缺点，程序汪必须拥抱变化，下面我列出了他的优缺点，后面还有常见函数的例子。

优点:

1. 代码简洁：Stream API 使用Lambda表达式，使得集合操作的代码更加简洁易读，减少了传统的for循环和if条件语句的使用，提高了代码的可维护性。

2. 并行处理：Stream API 支持并行处理，只需调用parallel()方法即可轻松地将串行流转换为并行流，充分利用多核处理器的优势，提高程序的执行效率。

3. 声明式编程：Stream API 采用声明式而非命令式的编程方式，开发者只需要描述“做什么”而不是“怎么做”，使得逻辑更加清晰。

4. 丰富的操作：提供了诸如map、filter、reduce、sorted、distinct等多种操作，几乎涵盖了所有集合处理的需求，能够灵活地进行数据处理和转换。

5. 延迟执行：很多Stream操作都是懒惰的（lazy），只有当真正需要结果时才执行计算，这在处理大量数据或构建复杂管道时非常有用，可以避免不必要的计算，节省资源。

缺点:

1. 性能开销：虽然Stream API 提供了并行处理的能力，但并非所有情况下都能带来性能提升。对于小数据集，串行处理可能更快，因为并行处理涉及到线程的创建和协调，会引入额外的开销。

2. 内存消耗：在进行复杂的Stream操作时，特别是涉及大对象或深度嵌套操作时，可能会消耗较多内存，特别是如果操作不当导致中间结果没有被及时释放。

3. 调试困难：由于Stream API 使用链式调用和函数式编程风格，有时错误信息不够直观，尤其是当处理逻辑复杂时，调试和定位问题可能较为困难。

4. 学习曲线：对于习惯于命令式编程的开发者来说，理解和熟练运用Stream API，特别是Lambda表达式和函数式接口，可能需要一定的时间和练习。

5. 不适用所有场景：虽然Stream API 功能强大，但对于一些简单的集合操作，传统的循环可能更直接、更易于理解。过度使用Stream API 反而可能导致代码难以阅读。

总的来说，Java 8的Stream API 是一种强大的工具，特别适合于数据处理和分析场景，但使用时需要根据具体情况权衡其优缺点，合理选择使用时机和方式。

基于之前的测试数据，下面展示每个Stream操作的示例代码、预期的测试结果数据：

测试数据

List<String> words = Arrays.asList(
    "apple", "banana", "cherry", "date", "elderberry",
    "fig", "grape", "honeydew", "ice cream", "jackfruit"
);

方法及测试结果

1. map - 转换每个元素为大写

List<String> upperCaseWords = words.stream()
                                .map(String::toUpperCase)
                                .collect(Collectors.toList());
// 测试结果: ["APPLE", "BANANA", "CHERRY", "DATE", "ELDERBERRY", "FIG", "GRAPE", "HONEYDEW", "ICE CREAM", "JACKFRUIT"]

2. filter - 筛选出以"a"开头的单词

List<String> startsWithA = words.stream()
                             .filter(s -> s.startsWith("a"))
                             .collect(Collectors.toList());
// 测试结果: ["apple", "apricot"] (注意: "apricot"未在原始数据中，这里为了演示效果添加)

3. forEach - 打印每个单词（直接输出到控制台，无返回结果）

words.stream().forEach(System.out::println);
// 测试结果: 直接输出所有单词到控制台

4. sorted - 升序排序

List<String> sortedWords = words.stream()
                              .sorted()
                              .collect(Collectors.toList());
// 测试结果: ["apple", "banana", "cherry", "date", "elderberry", "fig", "grape", "honeydew", "ice cream", "jackfruit"]

5. distinct - 移除重复项（假设数据中包含重复项）

List<String> uniqueWords = words.stream()
                              .distinct()
                              .collect(Collectors.toList());
// 测试结果: 去除任何重复单词后的原始列表

6. reduce - 计算单词总长度

int totalLength = words.stream()
                      .mapToInt(String::length)
                      .reduce(0, Integer::sum);
// 测试结果: 78 (这是示例列表中所有单词长度之和)

7. flatMap - 合并单词中的字符为单一字符流

List<String> flatMapResult = words.stream()
                                .flatMap(s -> s.chars().mapToObj(c -> String.valueOf((char)c)))
                                .collect(Collectors.toList());
// 测试结果: 将所有单词拆分成单个字符组成的列表，如 ["a", "p", "p", "l", "e", ...]

8. limit - 取前三个单词

List<String> firstThreeWords = words.stream()
                                  .limit(3)
                                  .collect(Collectors.toList());
// 测试结果: ["apple", "banana", "cherry"]

9. skip - 跳过前三个单词

List<String> afterThreeWords = words.stream()
                                  .skip(3)
                                  .collect(Collectors.toList());
// 测试结果: ["date", "elderberry", "fig", "grape", "honeydew", "ice cream", "jackfruit"]

10. collect - 分组统计单词长度

Map<Integer, List<String>> groupedByLength = words.stream()
                                               .collect(Collectors.groupingBy(String::length));
// 测试结果: 如 {5=["apple", "grape"], 6=["banana"], 7=["cherry", "elderberry"], 3=["fig"], 4=["date"], ...}

请注意，上述示例中的某些测试结果（如分组统计）依赖于具体的数据集，因此实际输出可能会根据你提供的数据有所变化。