Java案例怎么用Stream遍历集合？

wen java案例 2026-06-09 13

精通Java Stream：如何优雅地遍历集合？7大实战案例详解

目录导读

为什么需要Stream遍历集合？
Stream与传统遍历对比：谁更胜一筹？
7大实战案例：从基础到高阶
- 案例1：基础集合遍历（forEach）
- 案例2：条件过滤（filter）
- 案例3：数据转换（map）
- 案例4：去重与排序（distinct/sorted）
- 案例5：聚合统计（reduce/count）
- 案例6：并行流遍历（parallelStream）
- 案例7：自定义对象复杂遍历
常见问题与避坑指南
Q&A：你问我答

为什么需要Stream遍历集合？

在Java 8之前，遍历集合无非就是for循环、Iterator迭代器，但面对复杂业务——比如既要过滤、又要转换、还要统计——代码会变得冗长且难以维护，Stream API正是为此而生：它让集合操作变得像SQL查询一样声明式、链式、高效。

Java案例怎么用Stream遍历集合？

根据Oracle官方文档和Stack Overflow的统计，合理使用Stream能使业务代码减少40%以上，且更利于并行处理。

Stream与传统遍历对比：谁更胜一筹？

场景	传统for循环	Stream
过滤+打印	4行+if判断	1行链式调用
多条件转换	需临时变量	函数式映射
大数据量	单线程，效率低	支持并行流
代码可读性	命令式，逻辑分散	声明式，意图明确

Stream不是替代品,而是更优雅的解决方案，尤其适合数据筛选、转换、聚合场景。

7大实战案例

以下案例均基于JDK 8+，集合类型为List和自定义对象。

案例1：基础集合遍历（forEach）

List<String> names = Arrays.asList("Tom", "Jerry", "Alice");
// 传统方式
for (String name : names) { System.out.println(name); }
// Stream方式
names.stream().forEach(System.out::println);

图解：stream()创建流，forEach是终端操作，依次消费每个元素，不需要显式写循环变量，代码量减半。

案例2：条件过滤（filter）

需求：获取长度大于3的名字。

names.stream()
    .filter(name -> name.length() > 3)
    .collect(Collectors.toList());
// 结果：[Jerry, Alice]

filter接收一个Predicate（布尔返回值的函数），只有满足条件的元素才会进入下一环节，这是Stream最常用的“守门员”操作。

案例3：数据转换（map）

需求：将所有名字转为大写。

names.stream()
    .map(String::toUpperCase)
    .forEach(System.out::println);
// TOM JERRY ALICE

map是一对一转换，将原始元素映射成新元素，可以多次链式调用，例如先过滤再转换。

案例4：去重与排序（distinct/sorted）

List<Integer> numbers = Arrays.asList(3, 1, 4, 1, 5, 9, 2, 6, 5);
numbers.stream()
    .distinct()       // 去重：[3,1,4,5,9,2,6]
    .sorted()         // 升序排序：[1,2,3,4,5,6,9]
    .collect(Collectors.toList());

注意：sorted可传入自定义Comparator，对于自定义对象，需要实现Comparable接口，或者用Lambda指定排序规则。

案例5：聚合统计（reduce/count）

统计所有数字之和：

int sum = numbers.stream().reduce(0, Integer::sum); // 31
long count = numbers.stream().filter(n -> n > 3).count(); // 4

reduce是归约操作，将流中的元素反复结合得到单个值。count是常见聚合函数。

案例6：并行流遍历（parallelStream）

当集合数据量巨大（如10万条以上），可启用并行流：

List<Transaction> bigList = ...; // 假设10万条
bigList.parallelStream()
    .filter(t -> t.getAmount() > 1000)
    .forEach(t -> process(t));

注意：并行流利用Fork/Join框架，自动拆分数据到多线程处理，但线程安全需自行保证，且不适合有状态的操作（如累加器）。

案例7：自定义对象复杂遍历

假设有Person类（name, age, city），需求：获取年龄>25且来自北京的人名，并按年龄降序。

List<Person> people = ...;
people.stream()
    .filter(p -> p.getAge() > 25 && "北京".equals(p.getCity()))
    .sorted(Comparator.comparingInt(Person::getAge).reversed())
    .map(Person::getName)
    .collect(Collectors.toList());

一行代码完成了过滤、排序、提取、收集，而传统方式至少需要5-8行。