stream操作类型①中间操作②stream的终端操作特点①只能遍历一次：②内部迭代方式：stream相比Collection的优势，stream和iterator迭代效率相对较低1.Mapping处理测试2.Filter处理测试3.自然排序测试4.归约统计测试5.字符串拼接测试6.混合操作测试Stream是JavaSE8类库中一个新的重点抽象，定义在java.util.stream中（这里面有几个stream包中的类型：Stream代表对象引用流，还有一系列专门的流，比如IntStream、LongStream、DoubleStream等。Java8中引入的Stream主要用来替代一些Collection操作，而每个stream代表一个值序列，streams提供了一系列常用的聚合操作，可以方便的对其进行各种操作。集合类库也为我们以操作流的方式使用集合、数组等数据结构提供了方便；流操作的种类①中间操作。所有操作都称为“中间操作”；中间操作仍然返回一个流对象，因此可以将多个中间操作串联起来形成管道；stream提供各种类型的中间操作，如filter、distinct、map、sorted等；②终端操作当所有的中间操作都完成后，如果要从管道中取出数据，需要执行终端操作；对于终端操作，stream可以直接提供中间操作的结果，或者将结果转化为具体的集合、数组、String等；流的特点①只能遍历一次：数据流从一端获取数据源，在管道上依次对元素进行操作。数据源获取新的数据流进行操作；②采用内部迭代方式：对Collection进行处理，一般采用Iterator遍历器的遍历方式，即外部迭代；对于Stream的处理，只要声明处理方法，处理过程由流对象自己完成，是一种内部迭代。对于大量数据的迭代处理，内部迭代比外部迭代更高效；stream优于Collection的优点是没有存储：stream不存储值；流的元素源自数据源（可能是数据结构、生成函数或I/O通道等），通过一系列计算步骤获得；函数式风格：对流的操作会产生一个结果，但流的数据源不会被修改；理性评估：大多数流操作（包括过滤、映射、排序和去重）都可以延迟实现。这使得我们可以通过一次遍历完成整个流水线操作，并且可以提供更高效的短路操作实现；不需要上界：很多问题可以表示为无限流（infinitestream）：用户不断读取流，直到出现满意的结果（例如，枚举完美数的操作可以表示为对所有整数进行过滤）;收藏是有限的，但流可以表示为无限流；代码简洁：对于一些集合迭代处理操作，使用stream来写可以很简洁，如果使用传统的集合迭代操作，代码可能会非常冗长，可读性差；stream和iterator迭代的效率比较好，上面stream的优点都吹了这么多，stream函数的写法很舒服，那么steam的效率怎么样呢？先说结论：传统的iterator（for-loop）迭代性能比stream（JDK8）更高，尤其是在小数据量的情况下；在多核场景下，对于大数据量的处理，parallelstream可以比iterator有更高的迭代处理效率；我分别进行了映射、过滤、排序、归约统计、将字符串转换为随机数列表List（数量范围为10到10,000,000），统计了使用stream和iterator实现的运行效率，并测试了代码benchmark代码链接测试环境如下：系统：Ubuntu16.04xenialCPU：IntelCorei7-8550URAM：16GBJDKversion：1.8.0_151JVM：HotSpot(TM)64-BitServerVM(build25.151-b12,mixedmode)JVMSettings：-Xms1024m-Xmx6144m-XX:MaxMetaspaceSize=512m-XX:ReservedCodeCacheSize=1024m-XX:+UseConcMarkSweepGC-XX:SoftRefLRUPolicyMSPerMB=1001。映射处理测试将随机数列（List）中的每个元素加1后，重新组装成一个新的List，被测随机数列表的容量为10-10000000，运行10次取平均时间；//streamListresult=list.stream().mapToInt(x->x).map(x->++x).boxed().collect(Collectors.toCollection(ArrayList::new));//iteratorListresult=newArrayList<>();for(Integere:list){result.add(++e);}//parallelstreamListresult=list.parallelStream().mapToInt(x->x).map(x->++x).boxed().collect(Collectors.toCollection(ArrayList::new));2.过滤处理测试取出一个大于200的随机数列表(List)元素，组装成一个新的List，随机测试序列的容量为10-10000000，运行10次取平均时间；//streamListresult=list.stream().mapToInt(x->x).filter(x->x>200).boxed().collect(Collectors.toCollection(ArrayList::new));//iteratorListresult=newArrayList<>(list.size());for(Integere:list){if(e>200){result.add(e);}}//并行streamListresult=list.parallelStream().mapToInt(x->x).filter(x->x>200).boxed().collect(Collectors.toCollection(ArrayList::new));3。自然排序测试一个随机数列（List）自然排序组装成一个新的List，迭代器使用的是Collections#sortAPI（使用归并排序算法实现），随机数的容量测试序列为10-10000000，运行10次后取平均时间；//streamListresult=list.stream().mapToInt(x->x).sorted().boxed().collect(Collectors.toCollection(ArrayList::new));//iteratorListresult=newArrayList<>(list);Collections.sort(result);//并行streamListresult=list.parallelStream().mapToInt(x->x).sorted().boxed().collect(Collectors.toCollection(ArrayList::new));4、归约统计测试得到一个随机序列(List)的最大值，测试的随机数序列容量从10-10000000，运行10次后取平均时间；//streamintmax=list.stream().mapToInt(x->x).max()。getAsInt();//iteratorintmax=-1;for(Integere:list){if(e>max){max=e;}}//并行流max=list.parallelStream().mapToInt(x->x).max().getAsInt();5.字符串拼接测试获取一个随机的数字序列（List），每个元素之间用“,”分隔String，测试随机序列的容量为10-10000000，运行10次后取平均时间；//streamStringresult=list.stream().map(String::valueOf).collect(Collectors.joining(","));//iteratorStringBuilderbuilder=newStringBuilder();for(Integere:list){builder.append(e).append(",");}Stringresult=builder.length()==0?"":builder.substring(0,builder.length()-1);//并行streamStringresult=list.stream().map(String::valueOf).collect(Collectors.joining(","));6.混合运算测试去除空值，去重，映射，过滤，将一个随机数序列（List）拼装成一个新的List。测试的随机数序列容量从10到10000000，运行10次后取平均时间;//streamListresult=list.stream().filter(Objects::nonNull).mapToInt(x->x+1).filter(x->x>200).distinct().boxed().collect(Collectors.toCollection(ArrayList::new));//iteratorHashSetset=newHashSet<>(list.size());for(Integere:list){if(e!=null&&e>200){set.add(e+1);}}列表<整数r>result=newArrayList<>(set);//并行streamListresult=list.parallelStream().filter(Objects::nonNull).mapToInt(x->x+1).filter(x->x>200).distinct().boxed().collect(Collectors.toCollection(ArrayList::new));实验结果总结从以上实验可以总结出以下几点：在场景（size<=1000）下，流的处理效率没有传统迭代器和外部迭代器快，但实际上，这些处理任务本身的运行时间不到毫秒。这种效率差距对于普通企业来说几乎是微不足道的。相反，stream可以让代码更加简洁；当数据量很大时（szie>10000），stream的处理效率会比iterator高，尤其是使用parallelstream的时候，CPU只是把线程分配给多核。（当然并行流底层使用了JVM的ForkJoinPool，分配线程本身就很玄学），可以达到很高的运行效率。但是在实际的一般业务中，一般不会有迭代次数高于10000次的计算；ParallelStream引用的CPU环境影响很大。当没有分配多个CPU核心时，加上引用forkJoinPool的开销，运行效率可能不如普通Stream；使用Stream的建议是迭代逻辑简单，可以直接使用iterator。对于多步处理的迭代逻辑，可以使用stream，几乎不损失效率，换来代码的高可读性是值得的；在单核cpu环境下，不推荐使用parallelstream，在多核cpu，数据量大的情况下，推荐使用parallelstream；流中包含装箱类型，在进行中间操作之前，最好将其转换为相应的数值流，以减少频繁拆箱装箱带来的性能损失；
