一、 前言

1、为什么需要 Stream

Stream作为Java8的一大亮点，它与 java.io 包里的InputStream和OutputStream是完全不同的概念。它也不同于StAX对XML解析的Stream，也不是Amazon Kinesis对大数据实时处理的Stream。Java 8中的Stream是对集合（Collection）对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。Stream API 借助于同样新出现的 Lambda 表达式，极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。通常编写并行代码很难而且容易出错, 但使用Stream API无需编写一行多线程的代码，就可以很方便地写出高性能的并发程序。所以说，Java 8 中首次出现的java.util.stream是一个函数式语言+多核时代综合影响的产物。

2、什么是聚合操作

在传统的 J2EE 应用中，Java代码经常不得不依赖于关系型数据库的聚合操作来完成诸如：
（1）、客户每月平均消费金额
（2）、最昂贵的在售商品
（3）、本周完成的有效订单（排除了无效的）
（4）、取十个数据样本作为首页推荐
这类的操作。
但在当今这个数据大爆炸的时代，在数据来源多样化、数据海量化的今天，很多时候不得不脱离 RDBMS，或者以底层返回的数据为基础进行更上层的数据统计。而Java的集合API 中，仅仅有极少量的辅助型方法，更多的时候是程序员需要用Iterator来遍历集合，完成相关的聚合应用逻辑。这是一种远不够高效、笨拙的方法。在Java 7中，如果要获取 age 为1的所有用户，然后返回以id值降序排序好的交易ID集合，我们需要这样写：
清单 1. Java 7的排序、取值实现

private static void oldSort() {
    // 模拟从接口中获取用户列表数据
    List<User> userList = getFromApi();
    List<User> users = new ArrayList<>();
    for (User user : userList) {
        if (user.getAge() == 1) {
            users.add(user);
        }
    }
    Collections.sort(users, new Comparator<User>() {
        @Override
        public int compare(User o1, User o2) {
            return o2.getId().compareTo(o1.getId());
        }
    });
    List<Long> userIds = new ArrayList<>();
    for (User user : users) {
        userIds.add(user.getId());
    }
    System.out.println(userIds);
}

清单 2. Java 8 的排序、取值实现

private static void newSort() {
    // 模拟从接口中获取用户列表数据
    List<User> userList = getFromApi();
    List<Long> userIds = userList.stream().filter(user -> user.getAge() == 1).sorted(Comparator.comparing(User::getId).reversed()).map(User::getId).collect(Collectors.toList());
    System.out.println(userIds);
}

二、 Stream 总览

1、什么是流

Stream不是集合元素，它不是数据结构并不保存数据，它是有关算法和计算的，它更像一个高级版本的Iterator。原始版本的Iterator，用户只能显式地一个一个遍历元素并对其执行某些操作；高级版本的 Stream，用户只要给出需要对其包含的元素执行什么操作，比如 “过滤掉长度大于10的字符串”、“获取每个字符串的首字母”等，Stream 会隐式地在内部进行遍历，做出相应的数据转换。
Stream 就如同一个迭代器（Iterator），单向，不可往复，数据只能遍历一次，遍历过一次后即用尽了，就好比流水从面前流过，一去不复返。
而和迭代器又不同的是，Stream可以并行化操作，迭代器只能命令式地、串行化操作。顾名思义，当使用串行方式去遍历时，每个item读完后再读下一个item。而使用并行去遍历时，数据会被分成多个段，其中每一个都在不同的线程中处理，然后将结果一起输出。Stream的并行操作依赖于Java7中引入的 Fork/Join 框架（JSR166y）来拆分任务和加速处理过程。Java 的并行API演变历程基本如下：
1. 1.0-1.4 中的 java.lang.Thread
2. 5.0 中的 java.util.concurrent
02. 6.0 中的 Phasers 等
10. 7.0 中的 Fork/Join 框架
1. 8.0 中的 Lambda
Stream 的另外一大特点是，数据源本身可以是无限的。

2、流的构成

当我们使用一个流的时候，通常包括三个基本步骤：
获取一个数据源（source）→数据转换→执行操作获取想要的结果，每次转换原有 Stream对象不改变，返回一个新的Stream对象（可以有多次转换），这就允许对其操作可以像链条一样排列，变成一个管道，如下图所示。
图 1. 流管道 (Stream Pipeline) 的构成

image.png

3、生成Stream Source：

（1）、从 Collection 和数组
Collection.stream()
Collection.parallelStream():获取的是并行操作的流
Arrays.stream(T array) or Stream.of()
（2）、从BufferedReader
java.io.BufferedReader.lines()
（3）、静态工厂
java.util.stream.IntStream.range()
java.nio.file.Files.walk()
（4）、自己构建
java.util.Spliterator
其它
Random.ints()
BitSet.stream()
Pattern.splitAsStream(java.lang.CharSequence)
JarFile.stream()

4、流的操作类型

流的操作类型可以分为两种
（1）、Intermediate（中间操作）：一个流可以后面跟随零个或多个 intermediate 操作。其目的主要是打开流，做出某种程度的数据映射/过滤，然后返回一个新的流，交给下一个操作使用。这类操作都是惰性化的（lazy），就是说，仅仅调用到这类方法，并没有真正开始流的遍历。
（2）、Terminal（终止操作）：一个流只能有一个 terminal 操作，当这个操作执行后，流就被使用“光”了，无法再被操作。所以这必定是流的最后一个操作。Terminal 操作的执行，才会真正开始流的遍历，并且会生成一个结果。

在对于一个Stream进行多次转换操作 (Intermediate 操作)，每次都对Stream的每个元素进行转换，而且是执行多次，这样时间复杂度就是N（转换次数）个for循环里把所有操作都做掉的总和吗？其实不是这样的，转换操作都是lazy的，多个转换操作只会在 Terminal 操作的时候融合起来，一次循环完成。我们可以这样简单的理解，Stream 里有个操作函数的集合，每次转换操作就是把转换函数放入这个集合中，在 Terminal 操作的时候循环 Stream 对应的集合，然后对每个元素执行所有的函数。
还有一种操作被称为short-circuiting。用以指：
对于一个intermediate操作，如果它接受的是一个无限大（infinite/unbounded）的Stream，但返回一个有限的新Stream。
对于一个 terminal 操作，如果它接受的是一个无限大的 Stream，但能在有限的时间计算出结果。
当操作一个无限大的Stream，而又希望在有限时间内完成操作，则在管道内拥有一个 short-circuiting 操作是必要非充分条件。
（3）、一个流操作示例

/**
 * Stream使用案例
 *
 * @Author YUBIN
 * @create 2018-10-27
 */
public class StreamTest {
    public static void main(String[] args) {
        List<User> userList = new ArrayList<>();
        for (int i = 0; i < 10; i++) {
            User user = new User();
            user.setSex(i % 2);
            user.setAge(i);
            user.setId(i * 1L);
            user.setUserName("userName" + i);
            userList.add(user);
        }
        // sex = 1表示男生 0表示女生 统计所有男生年龄总会
        int sum = userList.stream().filter(user -> user.getSex() == 1).mapToInt(user -> user.getAge()).sum();
        System.out.println(sum);
    }
}

stream() 获取当前元素的source，filter和mapToInt为中间操作，进行数据筛选和转换，最后一个sum()为终止操作，对符合条件的全部元素作年龄求和。

5、使用stream的步骤

创建stream；
通过一个或多个中间操作(intermediate operations)将初始stream转换为另一个stream；
通过中止操作(terminal operation)获取结果；该操作触发之前的懒操作的执行，中止操作后，该stream关闭，不能再使用了；

三、 流的使用详解

简单说，对Stream的使用就是实现filter-map-reduce过程，产生一个最终结果。

1、流的构造与转换

下面提供最常见的几种构造Stream的样例

// 1\. Individual values
Stream stream = Stream.of("a", "b", "c");
// 2\. Arrays
String [] strArray = new String[] {"a", "b", "c"};
stream = Stream.of(strArray);
stream = Arrays.stream(strArray);
// 3\. Collections
List<String> list = Arrays.asList(strArray);
stream = list.stream();

需要注意的是，对于基本数值型，目前有三种对应的包装类型 Stream：
IntStream、LongStream、DoubleStream。当然我们也可以用 Stream<Integer>、Stream<Long> >、Stream<Double>，但是 boxing 和 unboxing 会很耗时，所以特别为这三种基本数值型提供了对应的Stream。
Java 8 中还没有提供其它数值型Stream，因为这将导致扩增的内容较多。而常规的数值型聚合运算可以通过上面三种 Stream 进行。
数据流的构造

IntStream.of(new int[]{1,2,3}).forEach(System.out::println);
IntStream.range(1, 3).forEach(System.out::println);
IntStream.rangeClosed(1, 3).forEach(System.out::println);

流转换为其它数据结构

/**
 * Stream转换成其它数据结构
 *
 * @Author YUBIN
 * @create 2018-10-27
 */
public class StreamToOtherStructure {
    public static void main(String[] args) {
        List<String> list = Arrays.asList("1", "2", "3", "4", "5", "6", "7", "8", "9");
        // stream转list
        List<String> listStream = list.stream().collect(Collectors.toList());
        System.out.println(listStream);
        ArrayList<String> list2Stream = list.stream().collect(Collectors.toCollection(ArrayList::new));
        System.out.println(list2Stream);
        // stream 转set
        Set<String> setStream = list.stream().collect(Collectors.toSet());
        System.out.println(setStream);
        // stream 转 array
        String[] strArray = list.stream().toArray(String[]::new);
        System.out.println(strArray);
        // stream 转 string
        String str = list.stream().collect(Collectors.joining()).toString();
        System.out.println(str);
    }
}

2、流的操作

接下来，当把一个数据结构包装成Stream后，就要开始对里面的原始进行各类操作。常见的操作可以归纳如下。

（1）、Intermediate

map (mapToInt, flatMap 等)、filter、distinct、sorted、peek、concat、limit、skip、parallel、sequential、unordered

（2）、Terminal

forEach、forEachOrdered、toArray、reduce、collect、min、max、count、anyMatch、allMatch、noneMatch、findFirst、findAny、iterator

（3）、Short-circuiting

anyMatch、 allMatch、 noneMatch、 findFirst、 findAny、 limit
我们下面看一下Stream的比较典型用法
（A）、map
我们先来看 map。如果你熟悉 scala 这类函数式语言，对这个方法应该很了解，它的作用就是把 inputStream 的每一个元素，映射成 outputStream 的另外一个元素。
案例1：将List<String>中的每个元素转换成大写

/**
 * Stream中的map操作
 *
 * @Author YUBIN
 * @create 2018-10-22
 */
public class StreamMap {
    public static void main(String[] args) {
        List<String> wordList = new ArrayList<>();
        wordList.add("a");
        wordList.add("b");
        wordList.add("c");
        wordList.add("d");
        wordList.add("e");
        wordList.add("f");
        List<String> output = wordList.stream().map(String::toUpperCase).collect(Collectors.toList());
        System.out.println(output);
    }
}

案例2：平方数

private static void sequareNumByStreamMap() {
    List<Integer> numList = Arrays.asList(1, 2, 3, 4, 5);
    List<Integer> sequareNums = numList.stream().map(n -> n * n).collect(Collectors.toList());
    System.out.println(sequareNums);
}

（B）、flatmap

案例：一对多

/**
 * Stream的flatmap演示
 *
 * @Author YUBIN
 * @create 2018-10-22
 */
public class StreamFlatMap {
    public static void main(String[] args) {
        Stream<List<Integer>> inputStream = Stream.of(Arrays.asList(1), Arrays.asList(2, 3), Arrays.asList(4, 5, 6));
        Stream<Integer> outputStream = inputStream.flatMap((childList) -> childList.stream());
        List<Integer> collect = outputStream.collect(Collectors.toList());
        System.out.println(collect);
    }
}

flatMap 把 input Stream 中的层级结构扁平化，就是将最底层元素抽出来放到一起，最终 output 的新 Stream 里面已经没有 List 了，都是直接的数字。
（C）、filter
filter 对原始 Stream进行某种过滤，通过测试的元素被留下来生成一个新 Stream。
案例：留下偶数

/**
 * Stream中的filter案例
 *
 * @Author YUBIN
 * @create 2018-10-22
 */
public class StreamFilter {
    public static void main(String[] args) {
        Integer[] intArray = {1, 2, 3, 4, 5, 6, 7, 8};
        Integer[] evenArray = Stream.of(intArray).filter(x -> x % 2 == 0).toArray(Integer[]::new);
        System.out.println(Arrays.asList(evenArray));
    }
}

（D）、forEach
forEach 方法接收一个 Lambda 表达式，然后在 Stream 的每一个元素上执行该表达式。

/**
 * Stream中的foreach演示
 *  对User集合进行遍历,找出男性并打印姓名。
 * @Author YUBIN
 * @create 2018-10-22
 */
public class StreamForeach {
    public static void main(String[] args) {
        List<User> userList = new ArrayList<>();
        for (int i = 0; i < 10; i++) {
            User user = new User();
            user.setUserName("userName" + i);
            // 如果能被3整除则将sex设为1表示男性 0,3,6,9
            if (i % 3 == 0) {
                user.setSex(1);
            } else {
                user.setSex(0);
            }
            userList.add(user);
        }
        userList.stream().filter(user -> user.getSex() == 1).forEach(user -> System.out.println(user.getUserName()));
    }
}

对一个人员集合遍历，找出男性并打印姓名。可以看出来，forEach 是为 Lambda 而设计的，保持了最紧凑的风格。而且 Lambda 表达式本身是可以重用的，非常方便。
当需要为多核系统优化时，可以 parallelStream().forEach()，只是此时原有元素的次序没法保证，并行的情况下将改变串行时操作的行为，此时forEach本身的实现不需要调整，而 Java8 以前的for循环code可能需要加入额外的多线程逻辑。
但一般认为，forEach 和常规 for 循环的差异不涉及到性能，它们仅仅是函数式风格与传统 Java 风格的差别。
另外一点需要注意，forEach 是 terminal 操作，因此它执行后，Stream 的元素就被“消费”掉了，你无法对一个 Stream 进行两次 terminal 运算。

stream.forEach(element -> doOneThing(element));
stream.forEach(element -> doAnotherThing(element));

相反，具有相似功能的 intermediate 操作 peek 可以达到上述目的。如下是出现在该 api javadoc 上的一个示例。
（E）、peek
peek对每个元素执行操作并返回一个新的Stream

/**
 * Stream中peek演示
 *
 * @Author YUBIN
 * @create 2018-10-22
 */
public class StreamPeek {
    public static void main(String[] args) {
        List<String> list = Stream.of("one", "two", "three", "four").filter(x -> x.length() > 3).peek(x -> getPrint(x)).map(String::toUpperCase).peek(x -> getPrint(x)).collect(Collectors.toList());
        System.out.println(list);
    }

    private static void getPrint(String x) {
        System.out.println(x);
    }
}

forEach 不能修改自己包含的本地变量值，也不能用 break/return 之类的关键字提前结束循环。
（F）、findFirst
这是一个 termimal 兼 short-circuiting 操作，它总是返回 Stream 的第一个元素，或者空。
这里比较重点的是它的返回值类型：Optional。这也是一个模仿Scala语言中的概念，作为一个容器，它可能含有某值，或者不包含。使用它的目的是尽可能避免NullPointerException。
Optional的两个用例：

/**
 * Optional案例
 *
 * @Author YUBIN
 * @create 2018-10-22
 */
public class OptionalDemo {

    public static void main(String[] args) {
        String strA = "abcd", strB = null;
        print(strA);
        print(strB);

        System.out.println(getLength(strA, true));
        System.out.println(getLength(strB, true));

        System.out.println(getLength(strA, false));
        System.out.println(getLength(strB, false));
    }

    private static int getLength(String text,boolean flag) {
        // java 8
        if (flag) {
            return Optional.ofNullable(text).map(String::length).orElse(-1);
        } else {
            // pre java 8
            return text == null ? -1 : text.length();
        }
    }

    private static void print(String text) {
        // java 8
        Optional.ofNullable(text).ifPresent(System.out::println);

        // pre java 8
        if (text != null) {
            System.out.println(text);
        }
    }
}

在更复杂的 if (xx != null) 的情况中，使用Optional代码的可读性更好，而且它提供的是编译时检查，能极大的降低 NPE 这种 Runtime Exception 对程序的影响，或者迫使程序员更早的在编码阶段处理空值问题，而不是留到运行时再发现和调试。
Stream中的findAny、max/min、reduce等方法等返回Optional值。还有例如 IntStream.average() 返回 OptionalDouble 等等。
（G）、reduce
这个方法的主要作用是把 Stream 元素组合起来。它提供一个起始值（种子），然后依照运算规则（BinaryOperator），和前面 Stream 的第一个、第二个、第 n 个元素组合。从这个意义上说，字符串拼接、数值的 sum、min、max、average 都是特殊的 reduce。例如 Stream 的 sum 就相当于Integer sum = integers.reduce(0, (a, b) -> a+b); 或Integer sum = integers.reduce(0, Integer::sum);
也有没有起始值的情况，这时会把Stream的前面两个元素组合起来，返回的是 Optional。

/**
 * Stream中的reduce详解
 *
 * @Author YUBIN
 * @create 2018-10-23
 */
public class StreamReduce {

    public static void main(String[] args) {
        // 字符串连接，concat = "ABCD"
        String concat = Stream.of("A", "B", "C", "D").reduce("", String::concat);
        System.out.println(concat);
        // 求最小值，minValue = -3.0
        double minValue = Stream.of(-1.5, 1.0, -3.0, -2.0).reduce(Double.MAX_VALUE, Double::min);
        System.out.println(minValue);
        // 求和，sumValue = 10, 有起始值
        int sumValue = Stream.of(1, 2, 3, 4).reduce(0, Integer::sum);
        System.out.println(sumValue);
        // 求和，sumValue = 10, 无起始值
        sumValue = Stream.of(1, 2, 3, 4).reduce(Integer::sum).get();
        System.out.println(sumValue);
        // 过滤，字符串连接，concat = "ace"
        concat = Stream.of("a", "B", "c", "D", "e", "F").filter(x -> x.compareTo("Z") > 0).reduce("", String::concat);
        System.out.println(concat);
    }
}

上面代码例如第一个示例的 reduce()，第一个参数（空白字符）即为起始值，第二个参数（String::concat）为 BinaryOperator。这类有起始值的 reduce() 都返回具体的对象。而对于第四个示例没有起始值的 reduce()，由于可能没有足够的元素，返回的是 Optional，请留意这个区别。
（H）、limit/skip
limit返回Stream的前面n个元素；skip则是扔掉前n个元素（它是由一个叫subStream 的方法改名而来）。

/**
 * Stream中limit和skip案例演示
 *
 * @Author YUBIN
 * @create 2018-10-23
 */
public class StreamLimitAndSkip {

    public static void main(String[] args) {
        List<User> list = new ArrayList<>();
        for (int i = 0; i < 100; i++) {
            User user = new User();
            user.setId(i * 1L);
            user.setUserName("userName" + i);
            list.add(user);
        }
        List<String> userNameList = list.stream().map(user -> user.getUserName()).limit(10).skip(3).collect(Collectors.toList());
        System.out.println(userNameList);
    }
}

这是一个有 100 个元素的 Stream，但在 short-circuiting 操作 limit 和 skip 的作用下，管道中 map 操作指定的 getName() 方法的执行次数为 limit 所限定的 10 次，而最终返回结果在跳过前 3 个元素后只有后面 7 个返回。
有一种情况是 limit/skip 无法达到 short-circuiting 目的的，就是把它们放在 Stream 的排序操作后，原因跟 sorted 这个 intermediate 操作有关：此时系统并不知道 Stream 排序后的次序如何，所以 sorted 中的操作看上去就像完全没有被 limit 或者 skip 一样。

/**
 * Stream中limit和skip案例演示
 *
 * @Author YUBIN
 * @create 2018-10-23
 */
public class StreamLimitAndSkip {

    public static void main(String[] args) {
        List<User> list = new ArrayList<>();
        for (int i = 9; i > 0; i--) {
            User user = new User();
            user.setId(i * 1L);
            user.setUserName("userName" + i);
            list.add(user);
        }
        List<User> collect = list.stream().sorted(Comparator.comparing(User::getUserName)).limit(2).collect(Collectors.toList());
        System.out.println(collect);
    }
}

即虽然最后的返回元素数量是 2，但整个管道中的 sorted 表达式执行次数没有像前面例子相应减少。
最后有一点需要注意的是，对一个 parallel 的 Steam 管道来说，如果其元素是有序的，那么 limit 操作的成本会比较大，因为它的返回对象必须是前 n 个也有一样次序的元素。取而代之的策略是取消元素间的次序，或者不要用 parallel Stream。
（I）、sorted
对 Stream 的排序通过 sorted 进行，它比数组的排序更强之处在于你可以首先对 Stream 进行各类 map、filter、limit、skip 甚至 distinct 来减少元素数量后，再排序，这能帮助程序明显缩短执行时间。

/**
 * Stream中limit和skip案例演示
 *
 * @Author YUBIN
 * @create 2018-10-23
 */
public class StreamLimitAndSkip {

    public static void main(String[] args) {
        List<User> list = new ArrayList<>();
        for (int i = 9; i > 0; i--) {
            User user = new User();
            user.setId(i * 1L);
            user.setUserName("userName" + i);
            list.add(user);
        }
        List<User> collect1 = list.stream().sorted(Comparator.comparing(User::getUserName)).limit(2).collect(Collectors.toList());
        System.out.println("=====================================================================");
        List<User> collect2 = list.stream().limit(2).sorted(Comparator.comparing(User::getUserName)).collect(Collectors.toList());
        System.out.println(collect1);
        System.out.println(collect2);
    }
}

当然，这种优化是有 business logic 上的局限性的：即不要求排序后再取值。
（J）、min/max/distinct
min 和 max 的功能也可以通过对 Stream 元素先排序，再 findFirst 来实现，但前者的性能会更好，为 O(n)，而 sorted 的成本是 O(n log n)。同时它们作为特殊的 reduce 方法被独立出来也是因为求最大最小值是很常见的操作。

/**
 * Stream的max、min、distinct操作详解
 *
 * @Author YUBIN
 * @create 2018-10-23
 */
public class StreamMaxMinDistinct {

    public static void main(String[] args) {
        Integer integer = Stream.of(1, 2, 3, 5, 1, 3).max(Integer::compareTo).get();
        System.out.println(integer);

        Integer integer1 = Stream.of(1, 2, 3, 5, 1, 3).min(Integer::compareTo).get();
        System.out.println(integer1);

        List<Integer> collect = Stream.of(1, 2, 3, 5, 1, 3).distinct().sorted().collect(Collectors.toList());
        System.out.println(collect);
    }
}

（K）、Match
Stream 有三个 match 方法，从语义上说：
allMatch：Stream 中全部元素符合传入的 predicate，返回 true
anyMatch：Stream 中只要有一个元素符合传入的 predicate，返回 true
noneMatch：Stream 中没有一个元素符合传入的 predicate，返回 true
它们都不是要遍历全部元素才能返回结果。例如 allMatch 只要一个元素不满足条件，就 skip 剩下的所有元素，返回 false。
案例：

/**
 * Stream中Match的用法
 *
 * @Author YUBIN
 * @create 2018-10-23
 */
public class StreamMatch {
    public static void main(String[] args) {
        List<User> users = new ArrayList();
        users.add(new User(1L, "name" + 1, 10));
        users.add(new User(2L, "name" + 2, 21));
        users.add(new User(3L, "name" + 3, 34));
        users.add(new User(4L, "name" + 4, 6));
        users.add(new User(5L, "name" + 5, 55));
        boolean isAllAdult = users.stream().allMatch(p -> p.getAge() > 18);
        System.out.println("All are adult? " + isAllAdult);
        boolean isThereAnyChild = users.stream().anyMatch(p -> p.getAge() < 12);
        System.out.println("Any child? " + isThereAnyChild);
    }
}

（L）、concat
concat方法将两个Stream连接在一起，合成一个Stream。若两个输入的Stream都时排序的，则新Stream也是排序的；若输入的Stream中任何一个是并行的，则新的Stream也是并行的；若关闭新的Stream时，原两个输入的Stream都将执行关闭处理。

/**
 * Stream流中的concat方法演示
 *
 * @Author YUBIN
 * @create 2018-10-28
 */
public class StreamConcat {
    public static void main(String[] args) {
        Stream<Integer> concatStream = Stream.concat(Stream.of(1, 2, 3), Stream.of(1, 2, 3, 4, 5));
        concatStream.forEach(System.out::print);
    }
}

四、 结束语

总之，Stream 的特性可以归纳为：
不是数据结构
它没有内部存储，它只是用操作管道从 source（数据结构、数组、generator function、IO channel）抓取数据。
它也绝不修改自己所封装的底层数据结构的数据。例如 Stream 的 filter 操作会产生一个不包含被过滤元素的新 Stream，而不是从 source 删除那些元素。
所有 Stream 的操作必须以 lambda 表达式为参数
不支持索引访问
你可以请求第一个元素，但无法请求第二个，第三个，或最后一个。不过请参阅下一项。
很容易生成数组或者 List
惰性化
很多 Stream 操作是向后延迟的，一直到它弄清楚了最后需要多少数据才会开始。
Intermediate 操作永远是惰性化的。
并行能力
当一个 Stream 是并行化的，就不需要再写多线程代码，所有对它的操作会自动并行进行的。
可以是无限的
集合有固定大小，Stream 则不必。limit(n) 和 findFirst() 这类的 short-circuiting 操作可以对无限的 Stream 进行运算并很快完成。