播面

在 Java Stream API 中，中间操作（Intermediate Operations）可以分为无状态（Stateless）和有状态（Stateful）两种类型。

它们的核心区别在于：处理当前元素时，是否依赖于流中的其他元素（或历史处理过的数据）。

1. 无状态操作（Stateless）

概念

无状态操作是指每一个元素的处理都是完全独立的，处理当前元素时不需要知道其他元素的信息。

• 特点：
  • 无记忆：操作不需要存储之前处理过的元素的状态。
  • 高效：极易进行并行化处理（Parallel Streams），因为元素之间没有耦合，可以被分发到不同的 CPU 核心并行计算，无需复杂的同步机制。
  • 流式执行：元素可以像流水线一样，一个接一个地流过所有无状态操作，而不需要等待其他元素。

常见无状态操作

• filter(Predicate)：过滤。判断当前元素是否符合条件，与其他元素无关。
• map(Function) / flatMap：转换。将当前元素转换为另一种形式，与其他元素无关。
• peek(Consumer)：消费。对当前元素执行某种操作（如打印），不影响流。
• unordered()：解除流的有序限制。

2. 有状态操作（Stateful）

概念

有状态操作是指处理某个元素时，必须依赖其他元素的状态，或者需要知道整个流的全局信息。

• 特点：
  • 有记忆/缓存：操作必须在内部维护一个状态（例如：已处理过的元素集合、计数器、排序缓冲区等）。
  • 阶段屏障（Barrier）：有些有状态操作（如 sorted）必须等所有数据都到达后才能进行下一步处理。这会打断流的“流水线”式执行。
  • 并行性能较差：在并行流中，有状态操作通常需要昂贵的同步、合并或线程间通信成本。

常见有状态操作

• distinct()：去重。必须记住之前已经出现过哪些元素（通常内部维护一个 HashSet）。
• sorted()：排序。必须拿到流中的所有元素后才能进行排序并输出第一个元素。
• limit(n)：截断。必须内部维护一个计数器，知道已经输出了多少个元素，达到 $n$ 时停止。
• skip(n)：跳过。必须计数并跳过前 $n$ 个元素。

3. 对比汇总

4. 并行流（Parallel Stream）中的巨大差异

理解这两者的区别在并行流中尤为重要：

• 无状态操作在并行流中是完美的：

  java

  // 极其高效，多个线程可以同时并行 filter 和 map，互不干扰
  list.parallelStream()
      .filter(x -> x > 10)
      .map(x -> x * 2)
      .collect(Collectors.toList());

• 有状态操作在并行流中代价高昂：

  java

  // 性能较差！为了在多线程下保证 distinct 或 sorted，
  // Java 必须在多线程之间进行数据合并和同步。
  list.parallelStream()
      .distinct() 
      .sorted()
      .collect(Collectors.toList());

  对于 distinct()，并行流需要协调哪些元素已经被其他线程处理过了。
  对于 sorted()，并行流需要先局部排序，再进行复杂的归并排序（Merge Sort）。

总结建议

在编写 Stream 代码时，尽量减少有状态操作的使用，特别是在处理大数据集或使用并行流时。如果必须使用有状态操作（如 distinct 或 sorted），尽量将它们放在过滤操作（filter）之后，以减少需要处理的数据量。