Stream与Optional

ℹ️本篇定位

Lambda 落地后的两大日常工具：Stream 把集合加工写成声明式流水线（做什么，而不是怎么循环），Optional 把"可能没有"写进类型签名（逼调用方处理空值）。两者都是 JDK 8 引入、日常代码出现率最高的新特性，也是 07-Lambda与函数式接口的最大用户。

一、问题提出：两层循环 + 临时集合的样板代码

需求："从订单列表里挑出金额大于 100 的，取客户名去重，取前 10 个"。命令式写法：

List<String> result = new ArrayList<>();
Set<String> seen = new HashSet<>();
for (Order o : orders) {
    if (o.getAmount() > 100) {
        if (seen.add(o.getCustomerName())) {
            result.add(o.getCustomerName());
            if (result.size() == 10) break;
        }
    }
}

业务被淹没在"怎么遍历、怎么去重、怎么截断"的机械步骤里。Stream 写法：

List<String> result = orders.stream()
        .filter(o -> o.getAmount() > 100)
        .map(Order::getCustomerName)
        .distinct()
        .limit(10)
        .collect(Collectors.toList());

一行主语（数据源）+ 一串动词（加工步骤），每步意图自明。

二、Stream 是什么：一次性流水线，不是数据结构

三个核心认知：

不存数据：Stream 只是数据源上的一层"视图 + 加工步骤"，操作完数据还在源里；
不改源：所有中间操作返回新 Stream，源集合原样不动（函数式味道）；
惰性执行 + 一次性：中间操作只是"记账"，遇到终端操作才一次性拉通；流水线跑完即作废，重用报 IllegalStateException。

Stream<Order> s = orders.stream().filter(o -> o.getAmount() > 100);  // 记账，未执行
List<Order> big = s.collect(Collectors.toList());                    // 此刻才真正遍历
// s.collect(...);   // ❌ IllegalStateException: stream has already been operated upon

中间操作（惰性）：filter / map / flatMap / sorted / distinct / limit / skip / peek；终端操作（触发）：collect / forEach / reduce / count / anyMatch / allMatch / findFirst / toArray。

map vs flatMap 一句话：map 一进一出（元素换形态），flatMap 一进多出（把每个元素摊平成流再拼起来）——flatMap(o -> o.getItems().stream()) 把"每个订单的多个商品"摊成一条商品流。

三、collect 与收集器：终端操作的瑞士军刀

// 按客户分组计数
Map<String, List<Order>> byCustomer =
        orders.stream().collect(Collectors.groupingBy(Order::getCustomerName));

// 分组 + 下游统计：每个客户消费总额
Map<String, Double> amountByCustomer = orders.stream()
        .collect(Collectors.groupingBy(Order::getCustomerName,
                 Collectors.summingDouble(Order::getAmount)));

// 分区（二分组）、拼接、求和、平均
Map<Boolean, List<Order>> partitioned =
        orders.stream().collect(Collectors.partitioningBy(o -> o.getAmount() > 100));
String names = orders.stream().map(Order::getCustomerName)
        .collect(Collectors.joining(", ", "[", "]"));
double avg = orders.stream().collect(Collectors.averagingDouble(Order::getAmount));

JDK 16+ 日常收集直接 .toList()（不可变，比 collect(Collectors.toList()) 简洁且明确不可改）。

四、数值流与并行流

装箱是 Stream 的隐形税：Stream<Integer> 每个元素都是对象。数值聚合走原始类型特化流：

int total = orders.stream()
        .mapToInt(Order::getAmount)   // IntStream：无装箱
        .sum();

并行流：orders.parallelStream() 把流水线切给 ForkJoinPool 公共池跑。三个使用前提（不满足就别用）：

数据量够大（小数据并行调度的开销超过收益）；
源易切分（ArrayList/数组好切，LinkedList/iterate 差）；
操作本身无状态、无副作用、无 IO（有 IO 或锁就退化甚至出错）。

CPU 密集 + 大集合 + 纯计算时再考虑，默认串行是更稳的选择。

五、Optional：把 null 写进类型系统

null 的原罪：类型签名 Order findOrder(String id) 看不出"可能没有"，忘了判空就 NPE。Optional 把这份信息显式化：

public Optional<Order> findOrder(String id) {
    return repository.query(id);   // 有值/无值都合法，签名自明
}

// 调用方被"逼"着面对空值
findOrder(id)
        .map(Order::getCustomer)
        .map(Customer::getName)
        .orElse("未知客户");

// 也可以：有则处理，无则抛业务异常
Order order = findOrder(id).orElseThrow(() -> new BusinessException("订单不存在"));

正确姿势：作为方法返回类型表达"可能没有"；链式 map/orElse 消解嵌套判空。

错误姿势（面试爱挖的坑）：

optional.get();                    // ❌ 等于换了件马甲的 null 检查，裸 get 易抛 NoSuchElementException
if (optional != null)              // ❌ Optional 本身永远不该为 null，直接用 isPresent 判内容
optional.ifPresent(o -> map.put(k, o));   // ⚠️ 可以，但 Optional 做字段/参数会污染 API——
                                          //    字段用普通引用+判空，入参用重载表达

一句话：Optional 是返回值的包装，不是万能 null 替身。

六、高频面试题速答

Stream 中间操作为什么惰性？ 链式记账后一次遍历融合执行，短路由 limit 提前终止——比手写多层循环少跑趟数。
map 与 flatMap 区别？ 一进一出 vs 一进多出摊平嵌套结构。
并行流怎么实现的？默认线程池多大？ ForkJoinPool.commonPool，并行度 = CPU 核数 - 1；可通过系统属性调，但全局共享（这也是别乱用的原因之一）。
Optional.get 不判空会怎样？ 抛 NoSuchElementException；生产代码用 orElse/orElseGet/orElseThrow。
orElse 与 orElseGet 区别？ orElse(默认值) 参数无论有无值都求值；orElseGet(Supplier) 惰性，默认值构造昂贵时必用后者。
Stream 复用报什么错？ IllegalStateException——流水线一次性，重取数据重新 stream()。

勾连

Lambda 与四大函数式接口：07-Lambda与函数式接口
ForkJoin 池与线程池参数：03-线程池
collect 分组与 Map 计数套路的容器基础：00-Map总览
NPE 业务异常处理：04-异常体系

⬅️ 07-Lambda与函数式接口 🏠 00-Java ➡️ 09-IO流体系

08-Stream与Optional