在 Java 开发领域，随着 JDK 的不断演进，Stream API 已然成为处理集合数据的强大工具，尤其是在 JDK 17 中，它为我们带来了更便捷、高效的数据处理方式。
一、Stream API 简介
Stream API 提供了一种函数式编程风格来操作集合数据，它允许我们以声明式的方式处理数据，而非传统的命令式迭代。简单来说，我们可以用简洁的代码表达复杂的数据转换、过滤和聚合操作。
二、基础使用示例
首先，假设我们有一个包含多个整数的 List：
import java.util.ArrayList;import java.util.List;
public class StreamExample {
public static void main(String[] args) {
List<Integer> numbers = new ArrayList<>();
numbers.add(1);
numbers.add(5);
numbers.add(3);
numbers.add(8);
numbers.add(2);
// 使用 Stream API 过滤出偶数
List<Integer> evenNumbers = numbers.stream()
.filter(num -> num % 2 == 0)
.toList();
System.out.println(evenNumbers);
}
}
在上述代码中，我们通过 stream() 方法将 List 转换为流，接着使用 filter 操作，仅保留满足条件（是偶数）的元素，最后通过 toList 方法将流转换回 List。整个过程清晰简洁，无需繁琐的循环迭代。
三、JDK 17 中的新特性增强
在 JDK 17 中，Stream API 有一些令人瞩目的改进。例如，对 toList 方法的支持更加直接，像上述示例中，不再需要额外导入 Collectors 类来使用 collect(Collectors.toList())，简化了代码结构。
另外，在处理并行流时，性能也有一些优化。假设我们有一个大规模的数据集，想要快速计算所有元素的总和：
import java.util.ArrayList;import java.util.List;
public class ParallelStreamExample {
public static void main(String[] args) {
List<Integer> largeNumbers = new ArrayList<>();
// 假设这里填充了大量整数
int sum = largeNumbers.parallelStream()
.mapToInt(Integer::intValue)
.sum();
System.out.println("总和为： " + sum);
}
}
通过 parallelStream，JDK 17 能更智能地利用多核处理器，在大数据集场景下显著提升计算效率。
四、复杂业务逻辑案例分享
案例一：电商订单处理
在电商系统中，我们常常需要对订单数据进行多维度的分析。假设有一个 Order 类，包含订单号、客户 ID、订单金额、订单日期等属性，存储在一个 List<Order> 中。
class Order {private String orderId;
private int customerId;
private double amount;
localDate orderDate;
// 构造函数、getter 和 setter 省略
}
现在要找出某个特定客户在过去一个月内的订单总金额：
import java.time.LocalDate;import java.util.ArrayList;
import java.util.List;
public class EcommerceExample {
public static void main(String[] args) {
List<Order> orders = new ArrayList<>();
// 假设这里填充了一些订单数据
int targetCustomerId = 123;
LocalDate oneMonthAgo = LocalDate.now().minusMonths(1);
double totalAmount = orders.stream()
.filter(order -> order.getCustomerId() == targetCustomerId && order.getOrderDate().isAfter(oneMonthAgo))
.mapToDouble(Order::getAmount)
.sum();
System.out.println("该客户过去一个月订单总金额： " + totalAmount);
}
}
在这段代码中，首先通过 filter 筛选出目标客户且在指定时间范围内的订单，然后使用 mapToDouble 提取订单金额并通过 sum 方法计算总和，一步到位地实现了复杂的数据查询需求。
案例二：员工绩效考核统计
在企业管理系统里，有一个 Employee 类，包含员工 ID、绩效评分、部门等属性，存储在 List<Employee> 中。
class Employee {private int employeeId;
private double performanceScore;
private String department;
// 构造函数、getter 和 setter 省略
}
要统计每个部门的平均绩效评分：
import java.util.ArrayList;import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
public class PerformanceExample {
public static void main(String[] args) {
List<Employee> employees = new ArrayList<>();
// 假设这里填充了员工数据
Map<String, Double> departmentAverageScore = employees.stream()
.collect(Collectors.groupingBy(Employee::getDepartment, Collectors.averagingDouble(Employee::getPerformanceScore)));
departmentAverageScore.forEach((department, averageScore) -> System.out.println(department + " 平均绩效评分： " + averageScore));
}
}
这里利用 collect 方法结合 groupingBy 与 averagingDouble，先按照部门分组，再计算每组的平均绩效评分，最后以清晰的格式输出结果，高效完成了复杂的统计任务。
案例三：社交平台动态筛选
在社交平台应用中，有一个 Post 类，包含帖子 ID、发布用户 ID、发布时间、内容、点赞数等属性，存储在 List<Post> 中。假设要获取过去一周内点赞数超过 50 的热门帖子：
import java.time.LocalDateTime;import java.util.ArrayList;
import java.util.List;
class Post {
private int postId;
private int userId;
private LocalDateTime postTime;
private String content;
private int likeCount;
// 构造函数、getter 和 setter 省略
}
public class SocialMediaExample {
public static void main(String[] args) {
List<Post> posts = new ArrayList<>();
// 假设这里填充了一些帖子数据
LocalDateTime oneWeekAgo = LocalDateTime.now().minusWeeks(1);
List<Post> popularPosts = posts.stream()
.filter(post -> post.getLikeCount() > 50 && post.getPostTime().isAfter(oneWeekAgo))
.toList();
popularPosts.forEach(post -> System.out.println("帖子 ID: " + post.getPostId() + ", 内容: " + post.getContent()));
}
}
通过 filter 依据点赞数和时间条件筛选出热门帖子，让用户能快速聚焦关注度高的内容，提升用户体验。
案例四：物流运输数据分析
在物流系统里，有一个 Shipment 类，包含运单号、发货地、收货地、重量、运输成本等属性，存储在 List<Shipment> 中。若要统计不同发货地到某一固定收货地的平均运输成本：
import java.util.ArrayList;import java.util.List;
import java.util.Map;
import java.util.stream.Collectors;
class Shipment {
private String shipmentId;
private String origin;
private String destination;
private double weight;
private double cost;
// 构造函数、getter 和 setter 省略
}
public class LogisticsExample {
public static void main(String[] args) {
List<Shipment> shipments = new ArrayList<>();
// 假设这里填充了一些运单数据
String targetDestination = "北京";
Map<String, Double> averageCostByOrigin = shipments.stream()
.filter(shipment -> shipment.getDestination().equals(targetDestination))
.collect(Collectors.groupingBy(Shipment::getOrigin, Collectors.averagingDouble(Shipment::getCost)));
averageCostByOrigin.forEach((origin, cost) -> System.out.println(origin + " 到 " + targetDestination + " 的平均运输成本： " + cost));
}
}
利用 groupingBy 和 averagingDouble 配合 filter，精准统计出各地到特定收货地的成本情况，助力物流企业优化成本与规划路线。
总之，JDK 17 的 Stream API 为 Java 开发者赋予了强大的数据处理能力，通过这些复杂业务逻辑案例可见一斑。掌握它能让我们在面对各种刁钻的数据操作任务时，编写出更加简洁、高效且易于维护的代码，提升整个项目的开发效率与质量。
