lambda表达式本身不直接清洗数据，而是通过配合stream api或spark/flink等框架，将清洗逻辑封装为纯函数（如function、predicate），实现规则可测、可插拔、可观测。
Java 中 Lambda 表达式本身不直接“做清洗”，而是让清洗逻辑更清晰、可测、可插拔。它真正起作用的地方，是配合 Stream API 或大数据框架（如 Spark/Flink）把每一条清洗规则写成独立、确定、无副作用的函数。
把清洗步骤写成纯函数
清洗不是写一堆 if-else，而是定义一个个“输入→输出”的转换行为。Lambda 让你用一行代码表达一个规则，且天然适合函数式接口（如 Function
- 手机号标准化：
Function<string string> normalizePhone = s -> s == null ? null : s.replaceAll("[^0-9]", "").replaceFirst("^86", "");</string> - 字段非空校验：
Predicate<user> isValidEmail = u -> u.getEmail() != null && u.getEmail().contains("@");</user> - 数值范围过滤：
Predicate<double> inRange = v -> v != null && v >= 0 && v </double>
关键点：函数不读数据库、不改全局变量、不打日志——只专注转换或判断，结果完全由输入决定。
用 Stream 链式调用组装清洗流水线
真实清洗往往多步串联。Lambda + Stream 提供声明式编排能力，逻辑一目了然，也方便单元测试和灰度替换：
- 去空格 → 转大写 → 截取前10位：
stream.map(String::trim).map(String::toUpperCase).map(s -> s.substring(0, Math.min(10, s.length()))) - 组合多个函数：
Function<string string> pipeline = trim.andThen(normalizePhone).andThen(validateLength);</string> - 条件跳过某步（比如测试环境绕过脱敏）：
stream.filter(isProdEnv ? notSensitive : alwaysTrue)
对接 Spark/Flink 定义轻量 UDF
在离线清洗任务中，Lambda 是注册 UDF 最自然的方式，避免冗余 class 文件，也便于后续热更新：
- Spark SQL 注册 UDF：
spark.udf().register("cleanName", (String s) -> s == null ? "" : s.trim().replaceAll("\s+", " "), DataTypes.StringType); - Flink DataStream 处理：
dataStream.map(line -> parseJson(line).filter(badData).enrichWithDict());（其中每个环节都可用 Lambda 表达式内联实现） - 优势：逻辑集中、无额外类加载开销、配合反射+ClassLoader 可动态加载新规则
让清洗过程可观测、可度量
Lambda 函数本身就是一个可观测单元。你可以轻松在关键清洗函数前后加埋点，统计命中率、耗时、异常率：
- 记录某字段清洗前后变化：
peek(s -> log.info("before: {}, after: {}", s, normalizePhone.apply(s))) - 统计空值补全次数：
enrichCity = addr -> { counter.increment(); return cityDict.getOrDefault(addr, "未知城市"); } - 把函数名/标签作为指标维度上报，形成清洗质量看板
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
