什么是 Stream 流？

Stream 流（通常简称 “流”）是处理集合 / 序列数据的抽象工具，核心是通过 “声明式 API” 实现数据的过滤、转换、聚合等操作，本质是 “数据流 + 操作管道”—— 数据像水流一样在管道中流动，经过一系列 “中间操作” 加工，最终由 “终端操作” 产出结果。

它最早起源于函数式编程思想，后被主流编程语言（Java 8+、Python、JavaScript、C# 等）引入，核心目标是：简化数据处理代码、提高可读性，同时支持高效的并行处理。

一、核心特点（以 Java Stream 为例，其他语言思想相通）

1. 不存储数据，仅传递数据

Stream 本身不持有数据，数据来源于集合、数组、I/O 流等 “数据源”，Stream 只负责将数据从数据源传递到操作管道，处理后直接输出结果（不修改原数据源）。

2. 声明式编程，而非命令式

不用手动写 “循环遍历 + 条件判断 + 结果收集” 的逻辑（命令式），而是通过 “链式调用” 指定 “要做什么”（声明式），由 Stream 底层优化执行细节。

例子对比（筛选偶数并求和）

  • 命令式（传统写法）：

    java

    运行

    List list = Arrays.asList(1, 2, 3, 4, 5);
int sum = 0;
for (int num : list) { // 手动遍历
    if (num % 2 == 0) { // 手动判断
        sum += num; // 手动累加
    }
}
System.out.println(sum); // 结果：6

  • 声明式（Stream 写法）：

    java

    运行

    List list = Arrays.asList(1, 2, 3, 4, 5);
int sum = list.stream()
              .filter(num -> num % 2 == 0) // 中间操作：筛选偶数
              .mapToInt(Integer::intValue) // 中间操作：转换为 int
              .sum(); // 终端操作：求和
System.out.println(sum); // 结果：6

3. 惰性求值（延迟执行）

  • 中间操作（如 filter、map）：仅记录操作逻辑，不立即执行；
  • 终端操作（如 sum、collect、forEach）：触发整个管道的执行，执行后 Stream 自动关闭（不可重复使用）。

好处：Stream 会优化整个操作管道（比如 “短路求值”“合并操作”），避免不必要的计算，提升效率。

4. 支持并行处理

只需将 stream() 改为 parallelStream()，即可自动利用多线程并行处理数据，无需手动管理线程（底层依赖 Fork/Join 框架）：

java

运行

int sum = list.parallelStream() // 并行流
              .filter(num -> num % 2 == 0)
              .sum();

二、Stream 操作的分类

所有 Stream 操作都分为两类，必须遵循 “多个中间操作 + 一个终端操作” 的结构：

类型作用特点常见操作
中间操作加工数据（过滤、转换、排序等）惰性执行，返回新的 Stream（支持链式）filter、map、sorted、distinct
终端操作产出结果（求和、收集、遍历等）触发执行，关闭 Stream（不返回 Stream）sum、collect、forEach、count

三、常见使用场景

  1. 集合数据筛选 / 转换：从列表中筛选符合条件的元素，或转换为其他类型（如 List→Set、对象→属性）；
  2. 数据聚合统计：求和、求平均值、找最大 / 最小值、计数等；
  3. 批量处理：对数组 / 集合中的元素批量执行操作（如修改属性、打印）；
  4. 复杂数据处理：组合多个中间操作，实现多步骤数据加工（如 “筛选→排序→去重→收集”）。

四、不同语言的 Stream 类似概念

  • Java：java.util.stream.Stream（核心类，支持集合、数组、I/O 流）；
  • Python：itertools 模块、生成器表达式（Generator）、pandas 的 DataFrame 操作（类似流的声明式处理）；
  • JavaScript：Array.prototype 的 filter、map、reduce 等方法（数组流操作）、RxJS（响应式流）；
  • C#：LINQ（Language Integrated Query，集成在语言中的查询能力，本质是流处理）。

总结

Stream 流的核心是 “数据管道化 + 声明式编程”：将数据处理逻辑拆分为一系列可组合的操作，屏蔽底层遍历和线程细节，让代码更简洁、易维护，同时支持高效的串行 / 并行处理。它是处理集合 / 序列数据的 “瑞士军刀”，尤其适合复杂数据加工场景。