stream.generate() 可高效生成无限、可复用的静态测试数据流，适用于高并发模拟；需用 supplier lambda 定义生成逻辑，配合 limit()/takewhile() 截断，避免 oom。
可以用 Stream.generate() 搭配 lambda 快速构造无限、可复用的静态测试数据流，特别适合模拟高并发请求下的固定数据输入（如用户 ID、订单号、JSON 字符串等），无需预分配大集合，内存友好且启动快。
明确生成逻辑：用 lambda 定义“每次取一个什么”
lambda 表达式必须是 Supplier<t></t> 类型，即无参、返回一个实例。它不接收索引或计数，所以若需带序号的数据（如 user_1、user_2），得在 lambda 内部自行维护状态（推荐用原子类或局部变量 + 副作用，仅限单线程测试场景）：
- ✅ 推荐（线程安全，适合多线程压测）：AtomicLong counter = new AtomicLong(1);
StreamuserIds = Stream.generate(() -> "user_" + counter.getAndIncrement()); - ⚠️ 注意（仅限单线程）：int[] idx = {0};
Streamtags = Stream.generate(() -> "tag-" + idx[0]++); —— 数组引用可变，但不能用于并行流
控制数据规模：用 limit() 或 takeWhile() 截断无限流
Stream.generate() 默认产生无限流，压测时必须限定总量，否则会 OOM 或卡死：
- Stream.generate(() -> randomUser()).limit(10_000)：生成恰好 1 万条
- Stream.generate(() -> buildOrderJson()).takeWhile(s -> System.currentTimeMillis() ：按时间截断（适合持续压测）
- 避免直接 forEach —— 会触发无限执行；务必先 limit/takeWhile 再收集或消费
结合对象工厂：生成结构化测试数据
不要只生成字符串，应封装为真实业务对象（如 HttpRequest、OrderEvent），让压测更贴近真实链路：
- 定义简洁的 builder lambda：Supplier
eventGen = () -> new OrderEvent(
UUID.randomUUID().toString(),
"SKU-" + (1000 + rand.nextInt(9000)),
BigDecimal.valueOf(9.9 + rand.nextDouble() * 990)); - 转成 List 供 JMeter/自研压测工具批量读取：List
batch = eventGen.get().limit(5000).collect(Collectors.toList()); - 也可 map 成 JSON 字符串：Stream.generate(eventGen).limit(1000).map(JsonUtil::toJson).forEach(System.out::println);
注意事项与优化点
生成过程本身不耗资源，但后续操作（如序列化、网络发送）才是瓶颈。需注意：
- lambda 中避免阻塞操作（如 DB 查询、HTTP 调用）—— 这违背“静态数据源”初衷
- 若需重复使用同一份数据（比如回放历史流量），改用
Collections.nCopies(n, obj).stream()更高效 - 配合
Stream.iterate()可实现有状态递推（如斐波那契 ID 序列），但 generate 更轻量、语义更清晰 - 压测中建议 warmup：先调用几次
generate().limit(100).toArray()触发 JIT 编译
