Stream核心概念

这里是把一些下一章源码中可能涉及的晦涩术语介绍一下。

操作属性

HEAD & 中间操作 & TERMINAL

stream多个操作以链表的方式组织在一起，自然会有头结点、中间节点、尾节点的概念。

• HEAD：通过创建 stream （如 Stream.of(...)、list.stream()...）开启流操作时，注册的节点。
  不具备操作内容，仅是记录初始 spiliterator、流标识。
• 中间操作：是那些返回值依然是 Stream 的实际操作（如 filter、map、sorted...），可以继续追加中间操作/TERMINAL。
  中间操作是惰性执行的，即添加了中间操作后不会立即执行该操作，仅是一个操作内容的注册行为，会在 TERMINAL 操作时开始执行。
• TERMINAL：也叫终结操作，是返回值非 Stream 的实际操作（如 forEach、collect...），注册一个终结操作代表要收集某些数据，也意味着流执行完毕。

有 & 无状态操作

是流的一个属性，对应两个子类：StatelessOp、StatefulOp，实现了 AbstractPipeline.opIsStateful 方法

• 有状态操作
  • 定义：需要有内部状态（中间值...）来累计结果。
  • 特点：
    • 需要维护额外的状态信息，线程不安全。
    • 在并行流中，流操作链被分成了多段 [HEAD/有状态操作的输出，下一个有状态操作的执行/FINALLY]，也就是说有状态操作必须保证前置数据全部拿到。每一阶段都是分为两步，1.本段开头->有状态操作执行前，2.有状态操作执行
      
  • 例：
    • sorted：对前面所有元素排序（状态：前面所有元素）
    • max：获取前面所有元素的最大值（状态：已通过元素的最大值）
    • limit：计数短路前n个元素（状态：已通过元素数量）
• 无状态操作
  • 定义：每个元素的处理相互独立
  • 特点：可以并行处理，性能更好，线程安全
  • 例：
    • filter：独立判断每个元素
    • map：独立转换每个元素

关于“有状态操作”的一个常见误区

网上很多文章提到“有状态操作需要收集前面所有数据才能进行下一步”，但往往忽略了一个关键前提：这通常只在并行流（Parallel Stream）中成立。

从源码层面看，二者的执行逻辑差异巨大：

• 并行流：会将操作链切分为多个阶段，必须等待当前阶段的有状态操作处理完所有数据，才能进入下一阶段。
• 串行流：“流水线”式的。数据从上游流下，经过中间操作（即便是有状态的）处理后，会立即传递给下游。

唯一的特例是 sorted()​。在串行流中，只有排序操作是真正的“全量阻断”——因为它必须在 accept() 阶段拿到所有数据并在 end() 完成排序后，才能再次向下游发送数据。而像 limit 或 distinct 这样的操作，在串行流中并不需要等待所有数据到齐。 口说无凭，代码为证。可以试试下面这段代码，limit 和 distinct 都是有状态操作，但它们并没有阻塞数据的流动：

List<Integer> list = Arrays.asList(1, 2, 3, 4);
list.stream()
        .filter(x -> {
            System.out.println("filter1 x=" + x);
            return true;
        })
        .limit(4)
        .map(x -> {
            System.out.println("map1 x=" + x);
            return x;
        })
        .map(x -> {
            System.out.println("map2 x=" + x);
            return x;
        })
        .distinct()
        .forEach(x -> {
            System.out.println("forEach x=" + x);
        });

若是上面这段内容看不明白的话，也不用着急，后两章节会从源码的角度分析这个问题，这里我的观点仅是：串行流中，有状态操作并不与“全量阻断收集上游数据”的行为挂钩，“有状态”仅代表有需要额外维护的信息。
如果觉得我说的不对的也可以在评论区敲我或者在主页加我聊，欢迎指正～

特性标识

• DISTINCT：已去重
• SORTED：已自然排序
• ORDERED：遭遇顺序是确定的
• SIZED：数量确定
• SHORT_CIRCUIT：是短路操作（无需处理全部元素就能返回结果的操作，如 limit、anyMatch、allMatch...）

具体内部的传递逻辑本文不提，这里涉及到操作权限验证（当前是HEAD、中间操作还是终结操作，能不能设置当前标识...）、掩码和位运算结合的设置方式，逻辑晦涩但是核心逻辑都在 StreamOpFlag 枚举类中了，可以自己选择性阅读。

特性标识存在的意义是在于优化逻辑，比如：

• 前面已经打了 DISTINCT 标识，后续遇到 distinct() 操作时便无需执行。
  set.stream().distinct()
• 前面已经打了 SORTED 标识，说明已排好序了，可以使用更简单的方式去重（按顺序遍历，当前元素不等于上一个元素即可通过）。
  list.stream().sort().distinct()

Spliterator

类似于迭代器，是用于对源进行遍历的。但是 Spliterator 支持把自己拆成出多个 Spliterator，以支持并行遍历。