编辑“︁Java Stream应用场景”︁（章节）

== 2. 常见应用场景 ==

=== 2.1 数据过滤（Filtering） ===
Stream 的 `filter` 方法可以筛选出符合条件的元素。例如，从一个列表中过滤出所有偶数：

<syntaxhighlight lang="java">
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);
List<Integer> evenNumbers = numbers.stream()
    .filter(n -> n % 2 == 0)
    .collect(Collectors.toList());

System.out.println(evenNumbers); // 输出: [2, 4, 6]
</syntaxhighlight>

=== 2.2 数据转换（Mapping） ===
`map` 方法可以将元素转换为另一种形式。例如，将字符串列表转换为大写：

<syntaxhighlight lang="java">
List<String> names = Arrays.asList("alice", "bob", "charlie");
List<String> upperCaseNames = names.stream()
    .map(String::toUpperCase)
    .collect(Collectors.toList());

System.out.println(upperCaseNames); // 输出: [ALICE, BOB, CHARLIE]
</syntaxhighlight>

=== 2.3 数据聚合（Reduction） ===
Stream 的 `reduce` 方法可以将元素聚合成单个结果。例如，计算列表中所有数字的和：

<syntaxhighlight lang="java">
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5);
int sum = numbers.stream()
    .reduce(0, Integer::sum);

System.out.println(sum); // 输出: 15
</syntaxhighlight>

=== 2.4 分组与分区（Grouping/Partitioning） ===
`Collectors.groupingBy` 和 `Collectors.partitioningBy` 可以对数据进行分组或分区。例如，按字符串长度分组：

<syntaxhighlight lang="java">
List<String> words = Arrays.asList("apple", "banana", "cherry", "date");
Map<Integer, List<String>> groupedByLength = words.stream()
    .collect(Collectors.groupingBy(String::length));

System.out.println(groupedByLength); // 输出: {4=[date], 5=[apple], 6=[banana, cherry]}
</syntaxhighlight>

=== 2.5 并行处理（Parallel Processing） ===
Stream 可以轻松实现并行计算。例如，并行计算大列表的和：

<syntaxhighlight lang="java">
List<Integer> largeList = IntStream.range(0, 1_000_000).boxed().collect(Collectors.toList());
long sum = largeList.parallelStream()
    .reduce(0, Integer::sum);

System.out.println(sum); // 输出: 499999500000
</syntaxhighlight>