集合进阶2

Java不可变集合、Stream流与方法引用深度解析

一、不可变集合（Immutable Collections）进阶指南

1.1 不可变集合核心特性

防御性编程：防止外部修改数据（如传递集合给第三方库时）
线程安全：天然支持多线程读操作
内存优化：JVM可进行深度优化（如字符串常量池机制）

1.2 创建方式对比

创建方式	适用场景	JDK版本
`List.of()`	元素≤10的List	9+
`Set.of()`	元素唯一且≤10的Set	9+
`Map.ofEntries()`	键值对＞10的Map	9+
`Collections.unmodifiableXxx()`	包装现有集合	1.2+
`List.copyOf()`	基于现有集合创建不可变副本	10+

超过10个元素的Map创建示例：

Map<String, String> map = Map.ofEntries(entry("A", "1"), entry("B", "2"), // ... 更多条目
);

1.3 不可变集合的"伪修改"技巧

List<String> list = List.of("A", "B", "C");
List<String> newList = new ArrayList<>(list);
newList.add("D"); // ✅ 通过拷贝创建新可变集合

二、Stream流高阶操作

2.1 流式处理核心机制

流操作分类表

操作类型	方法示例	特性
中间操作	filter/map/sorted	延迟执行，可链式调用
终结操作	forEach/collect/count	触发实际计算，流不可重用

2.2 并行流性能优化

List<Integer> numbers = ...;
// 并行处理（数据量＞1万时效果显著）
long count = numbers.parallelStream().filter(n -> n % 2 == 0).count();

注意事项：

线程安全问题：避免修改源数据
资源消耗：合理控制并行度（ForkJoinPool配置）

2.3 高级收集器应用

// 分组统计
Map<Department, Long> deptCount = employees.stream().collect(Collectors.groupingBy(Employee::getDept, Collectors.counting()));// 分区操作（工资≥1万的划分）
Map<Boolean, List<Employee>> partition = employees.stream().collect(Collectors.partitioningBy(e -> e.getSalary() >= 10000));

三、方法引用黑魔法

3.1 方法引用分类表

类型	语法格式	示例
静态方法引用	`类名::静态方法`	`Integer::parseInt`
实例方法引用	`对象::实例方法`	`str::length`
构造方法引用	`类名::new`	`Student::new`
数组构造引用	`类型[]::new`	`String[]::new`
超类方法引用	`super::方法名`	`super::toString`

3.2 特殊场景解决方案

场景1：处理检查异常

list.stream().map(obj -> {try {return parseObject(obj);} catch (Exception e) {throw new RuntimeException(e);}});

场景2：链式方法引用

Function<String, Integer> parser = Integer::parseInt;
Function<Integer, String> formatter = Object::toString;// 组合使用
list.stream().map(parser.andThen(formatter));

3.3 方法引用VS Lambda

比较维度	方法引用	Lambda表达式
代码简洁度	更简洁（已有方法适配时）	需要完整书写逻辑
可读性	需要了解被引用方法	逻辑直观可见
复用性	高（直接引用现有方法）	低（需重复编写相似代码）

四、实战案例解析

案例1：不可变集合防御性编程

public class ApiService {private static final Map<String, String> CONFIG = Map.of("timeout", "5000","retries", "3");public void processRequest(Request request) {Map<String, String> safeConfig = Map.copyOf(CONFIG);externalLib.process(safeConfig); // 防止外部修改}
}

案例2：Stream流处理CSV数据

List<String> lines = Files.readAllLines(Paths.get("data.csv"));List<Employee> employees = lines.stream().skip(1) // 跳过标题行.map(line -> line.split(",")).filter(arr -> arr.length == 4).map(arr -> new Employee(arr[0], Integer.parseInt(arr[1]), arr[2], Double.parseDouble(arr[3]))).collect(Collectors.toList());

五、高频面试题深度剖析

5.1 为什么Stream流不能复用？

流管道机制：每个流对应一个数据源快照
状态管理：中间操作会修改流状态

解决方案：通过Supplier包装流创建逻辑

Supplier<Stream<String>> streamSupplier = () -> list.stream();
streamSupplier.get().forEach(...);
streamSupplier.get().count(...);

5.2 方法引用底层实现原理

invokedynamic指令：JVM动态调用机制
Lambda表达式的语法糖：编译时生成私有静态方法
性能对比：与直接调用无显著差异（JIT优化后）

六、总结与进阶建议

技术选型指南

场景	推荐方案
只读数据共享	不可变集合
复杂数据转换	Stream链式操作
代码简洁性要求高	方法引用+Lambda
大数据量并行处理	并行流+分段处理