Java中Stream对象，数据处理的强大利器

分类：热点时间：2026-03-08 作者：admin 浏览：9 评论：0

Java 中的 Stream 对象是极为强大的数据处理工具，它提供了简洁且高效的方式来处理 *** 数据，借助 Stream，可对数据进行诸如过滤、映射、归约等丰富操作，以实现复杂的数据转换和分析，Stream 支持顺序和并行处理，能充分发挥多核处理器性能优势，提升数据处理效率，其操作方式函数式编程特性显著，代码更简洁、易读且维护性好，无论是简单的数据筛选，还是复杂的多步数据处理流程，Stream 都能大显身手，为 Java 开发者在数据处理场景中提供了有力支持。...

Java 中的 Stream 对象是极为强大的数据处理工具，它提供了简洁且高效的方式来处理***数据，借助 Stream，可对数据进行诸如过滤、映射、归约等丰富操作，以实现复杂的数据转换和分析，Stream 支持顺序和并行处理，能充分发挥多核处理器性能优势，提升数据处理效率，其操作方式函数式编程特性显著，代码更简洁、易读且维护性好，无论是简单的数据筛选，还是复杂的多步数据处理流程，Stream 都能大显身手，为 Java 开发者在数据处理场景中提供了有力支持。

在 Java 编程领域，Stream 对象自 Java 8 引入以来，就成为了开发者们处理***数据时的得力助手，它提供了一种简洁且高效的方式来操作大量数据,显著提升了代码的可读性和执行效率。

Stream 是什么

Stream 并不是一种数据结构，它更像是对数据的一种视图，它可以从诸如***、数组等数据源中获取数据，并支持一系列的操作，这些操作可以分为中间操作（intermediate operations）和终端操作（terminal operations），中间操作会返回一个新的 Stream，以便链式调用更多的操作，而终端操作则会触发 Stream 的计算,并返回一个最终的结果。

假设有一个包含整数的 List：

import java.util.ArrayList;
import java.util.List;
public class StreamExample {
    public static void main(String[] args) {
        List<Integer> numbers = new ArrayList<>();
        numbers.add(1);
        numbers.add(2);
        numbers.add(3);
        numbers.add(4);
        numbers.add(5);
        // 使用 Stream 进行简单操作
        numbers.stream()
              .filter(n -> n % 2 == 0)
              .forEach(System.out::println);
    }
}

在上述代码中，stream() *** 将 List 转换为 Stream，filter() 是一个中间操作，它筛选出了偶数，forEach() 是一个终端操作,用于遍历并打印筛选后的元素。

Stream 的常见操作

（一）中间操作

filter：根据给定的条件过滤元素,如上面代码示例中过滤偶数。
map：将 Stream 中的每个元素映射为另一个元素，可以将一个包含字符串数字的 List 转换为包含整数的 List：
```
import java.util.Arrays;
import java.util.List;
```

public class MapStreamExample { public static void main(String[] args) { List stringNumbers = Arrays.asList("1", "2", "3"); List integerNumbers = stringNumbers.stream() .map(Integer::parseInt) .toList(); System.out.println(integerNumbers); } }

**distinct**：去除 Stream 中的重复元素。
4. **sorted**：对 Stream 中的元素进行排序，可以使用默认的自然排序，也可以自定义比较器进行排序。
### （二）终端操作
1. **forEach**：对 Stream 中的每个元素执行指定的操作，通常用于遍历元素。
2. **collect**：将 Stream 中的元素收集到一个***中，如上面 `map` 示例中使用 `toList()` 收集为 List，还可以收集为 Set、Map 等其他***类型。
3. **reduce**：通过一个 BinaryOperator 对 Stream 中的元素进行聚合操作，计算一个整数 Stream 中所有元素的和：
```java
import java.util.Arrays;
import java.util.List;
public class ReduceStreamExample {
    public static void main(String[] args) {
        List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
        int sum = numbers.stream()
                         .reduce(0, Integer::sum);
        System.out.println(sum);
    }
}

count：返回 Stream 中元素的数量。

Stream 的并行处理

Stream 支持并行处理，通过调用 parallelStream() *** 可以将一个顺序 Stream 转换为并行 Stream，并行 Stream 利用多核处理器的优势，将数据分割成多个部分，并行地执行操作,从而在处理大量数据时显著提高处理速度。

对一个包含大量整数的 List 进行求和操作，使用并行 Stream 可能会更快：

import java.util.ArrayList;
import java.util.List;
import java.util.Random;
public class ParallelStreamExample {
    public static void main(String[] args) {
        List<Integer> largeList = new ArrayList<>();
        Random random = new Random();
        for (int i = 0; i < 1000000; i++) {
            largeList.add(random.nextInt(100));
        }
        long startTimeSequential = System.currentTimeMillis();
        int sumSequential = largeList.stream()
                                     .reduce(0, Integer::sum);
        long endTimeSequential = System.currentTimeMillis();
        long startTimeParallel = System.currentTimeMillis();
        int sumParallel = largeList.parallelStream()
                                   .reduce(0, Integer::sum);
        long endTimeParallel = System.currentTimeMillis();
        System.out.println("Sequential sum: " + sumSequential + ", time: " + (endTimeSequential - startTimeSequential) + " ms");
        System.out.println("Parallel sum: " + sumParallel + ", time: " + (endTimeParallel - startTimeParallel) + " ms");
    }
}

并非所有情况下并行 Stream 都能带来性能提升，在数据量较小或者操作本身的开销较大时，并行处理可能反而会降低性能，因为并行处理涉及到线程的创建、调度等额外开销。