Stream 有哪些使用要点？并行流有什么坑？

结论先行：Stream 让集合处理变得声明式、可链式：中间操作（filter/map/sorted 等）是惰性的，只有遇到终止操作（collect/forEach/count 等）才会真正执行；sorted/distinct 等有状态操作会缓存全部元素，注意内存与开销。并行流（parallelStream）默认跑在全局共享的 ForkJoinPool（线程数约等于 CPU 核数），只有“计算密集 + 数据量大 + 无共享可变状态”时才可能获益；否则共享状态竞争、顺序丢失、IO 任务占满公共池等坑会放大问题。

使用要点清单

1. 善用短路：findFirst、anyMatch、limit 等能提前终止流水线，别全量算完再取；
2. 避免“多次遍历分别聚合”，可用 reduce 或自定义 Collector 一趟完成；
3. 警惕 null：map 返回 null 流到下游可能 NPE，先用 filter(Objects::nonNull) 或 Optional 兜底；
4. 不为用而用：小集合、复杂循环体用普通 for 更可读，Stream 不等于性能更好。

并行流坑示例

// 坑 1：并行流 + 共享可变容器 → 线程安全与顺序问题
List<Integer> out = new ArrayList<>();
IntStream.range(0, 100_000).parallel()
        .forEach(out::add); // ArrayList 非线程安全，可能丢元素甚至越界

// 正确姿势：用线程安全的收集归约
List<Integer> ok = IntStream.range(0, 100_000).parallel()
        .boxed().collect(Collectors.toList());

// 坑 2：把 IO/阻塞任务丢进并行流 → 公共 ForkJoinPool 被占满
list.parallelStream().forEach(url -> fetch(url)); // 慎用，阻塞会拖垮全局并行任务

中间操作与终止操作

• 中间操作（filter/map/sorted/distinct）返回新 Stream，惰性记录、暂不执行；
• 终止操作（collect/forEach/reduce/count）触发整条流水线执行；
• 一条流水线只能有一个终止操作，执行完的 Stream 不可复用；
• distinct/sorted 等有状态操作需要缓冲数据，处理超大集合时注意内存占用。

并行流异常排查手法

先单线程跑一遍对拍 → 若并行结果不一致，重点查共享可变状态
→ 再用 jstack 观察公共 ForkJoinPool 是否被阻塞任务占满

常见追问 / 记忆点

• 追问：并行流线程数能调吗？答：公共池默认 CPU 核数，可通过系统属性 ForkJoinPool.common.parallelism 调整，或自定义 ForkJoinPool 提交任务。
• 追问：什么场景下并行流反而更慢？答：数据量小、任务本身轻、有锁竞争或 IO 阻塞时，切分与调度开销会超过收益。
• 记忆点：惰性求值 + 短路是性能关键；parallelStream 共享全局线程池，IO 型任务慎用。