大家好，我是小水珠。
上一讲中，我们讲List集合类，那我想你一定也知道集合的顶端接口Collecion。在Java8中，Collection新增了两个流方法，分别是stream()和paralleStream()。 通过英文名不难猜测，这两个方法肯定和Stream有关，那进一步猜测，是不是和我们熟悉的InputStream和OutputStream也有关系呢？集合类中新增的两个Stream方法到底有什么作用？今天，我们就来深入了解下Stream。
一 什么是Stream
我们用一个简单的列子来体验下Stream的简洁与强大
1.串行实现
2.并行实现
二 Stream如何优化遍历
1.Stream操作分类
2.Stream源码实现
在了解Stream如何工作之前，我们先来了解下Stream包是由哪些结构类组合而成的，各个类的职责是什么，参照下图：
BaseStream和Stream为最顶端的接口类。BaseStream主要定义了流的基本接口方法，例如：spliterator，isParallel等；Stream则定义了一些流的常用操作方法，例如：map，filter等。
ReferencePipline是一个结构类，它通过定义内部类组装了各种操作流。它定义了Head，StatelessOp，StatefulOp三个内部类，实现了BaseStream与Stream的接口方法。
Sink接口是定义每个Stream操作之间关系的协议，它包含begin()，and()，cancellationRequested()，accept()四个方法。ReferencePipline最终会将整个Stream流操作组装成一个调用链，而这条调用链上的各个Stream操作的上线关系就是通过Sink()接口协议来定义实现的。
3.Stream操作叠加
我们知道，一个Stream的各个操作是由处理管道组装，并统一完成数据处理的。在JDK中每次的中断操作会以使用阶段（stage）命名。
管道结构通常是由ReferencePipline类实现的，前面讲Stream包结构时，我提到过ReferencePipline包含了Head，StatelessOp，StatefulOp三种内部类。
Head类主要用于定义数据源操作，在我们初次调用names.stream()方法时，会初次加载Head对象，此时为加载数据源操作；接着加载的是中间操作，分别为无状态中间操作StatelessOp对象和有状态中间操作StatefulOp对象，此时的Stage并没有执行，而是通过AbstractPipline生成了一个中间操作Stage链表；当我们调用终结操作时，会生成一个最终的Stage，通过这个Stage触发之前的中间操作，从最后一个Stage开始，递归产生一个Sink链。如下图所示：
我们再来通过一个例子来感受下Stream的操作分类是如何实现高效迭代大数据集合的。
首先因为names是ArrayList集合，所以names.stream()方法将会调用集合类基础接口Collection的Stream方法：
然后，Stream方法就会调用StreamSupport类的stream()方法，方法中初始化了一个ReferencePipline的Head内部类对象：
再调用filter和map方法，这两个方法都是无状态中间操作，所以执行filter和map操作时，并没有进行任何的操作，而是分别创建了一个Stage来标识用户的每一次操作。
而通常情况下Stream的操作又需要一个回调函数，所以一个完整的Stage是由数据来源，操作，回调函数组成的三元组来标识。如下图所示，分别是ReferencePipeline的filter方法和map方法。
new StatelessOp将会调用父类AbstractPipline的构造函数，这个构造函数将前后的Stage联系起来，生成一个Stage链表。
因为在创建每一个Stage时，都会包含一个opWrapSink()，该方法会把一个操作的具体实现封装在Sink类中，Sink采用（处理->转发）的模式来叠加操作。
当执行max方法时，会调用ReferencePipline的max方法，此时由于max方法时终结操作，所以会创建一个TerminalOp操作，同时创建一个ReducingSink，并且将操作封装在sink类中。
最后，调用AbstractPipline的wrapSink方法，该方法会调用opWrapSink生成一个Sink链表，Sink链表中的每一个Sink都封装了一个操作的具体实现。
当Sink链表生完后，Stream开始执行，通过spliterator迭代集合，执行Sink链表中的操作。
Java8中的Spliteraor的forEachRemaining会迭代集合，每迭代一次，都会执行一次filter操作，如果filter操作通过，就会触发map操作，然后将结果放入到临时数组object中，再进行下一次的迭代。完成中间操作后，就会触发终结操作max。
这就是串行处理方式了，那么Stream的另一种处理方式又是怎么操作的呢？
4.Stream并行处理
Stream处理数据的方式有两种，串行处理和并行处理。要实现并行处理，我们只需要在例子中的代码中新增一个parallel()方法，代码如下所有：
Stream的并行处理在执行终结操作之前，跟串行处理的实现是一样的。而在调用终结方法之后，实现的方式就有点不太一样，会调用TerminalOp的evaluateParallel方法进行并行处理。
三 合理使用Stream
我们对常规的迭代，Stream串行迭代以及Stream并行迭代进行性能测试对比，迭代循环中，我们对数据进行过滤，分组等操作。分别进行一下几组测试：
- 多核CPU服务器配置配置环境下，对比长度100的int数组的性能；
- 多核CPU服务器配置配置环境下，对比长度1.00E+8的int数组的性能；
- 多核CPU服务器配置配置环境下，对比长度1.00E+8的对象数组过滤分组的性能；
- 单核CPU服务器配置配置环境下，对比长度1.00E+8的对象数组过滤分组的性能；
通过以上测试，我统计的测试结果如下（迭代使用时间）：
- 常规的迭代；
- Stream并行迭代；
- Stream并行迭代；
- 常规的迭代；
总结
纵观Stream的设计实现，非常值得我们学习。
1.在串行处理操作中
Stream在执行每一步中间操作时，并不会做实际的数据处理，而是将这些中间操作串联起来，最终由终结操作触发，生成一个数据处理链表，通过Java8中的Spliterator迭代器进行数据处理；此时，每执行一次迭代，就对所有的无状态中间操作进行数据处理，而对有状态的中间操作，就需要迭代处理完所有的数据，再进行处理操作；最后就是进行终结操作的数据处理。
2.在并行处理操作中
Stream对中间操作基本跟串行处理方式是一样的，但在终结操作中，Stream将结合ForkJoin框架对集合进行切片处理，ForkJoin框架将每个切片的处理结果Join合并起来。
