arrays.stream(int[])直接生成intstream规避装箱，而collection因只能存包装类必然引发装箱拆箱，导致内存与gc开销；大数据量下intstream性能可达stream的2–5倍且内存占用低60%以上。
Collection 接口本身不涉及装箱或拆箱，真正影响性能的是你用它承载的数据类型和后续操作方式；而 Arrays.stream(array) 对基本类型数组（如 int[]）会直接返回 IntStream 等原始类型流，天然规避装箱，这是关键差异点。
Collection 接口不存储基本类型，必须用包装类
Collection 只能容纳引用类型，所以 List<integer></integer>、Set<double></double> 这类结构底层全是对象。往里存一个 int，自动装箱成 Integer；取出来再参与计算，又得拆箱。频繁操作时，堆内存分配 + GC 压力明显上升。
- 哪怕只是遍历
for (Integer i : list)，每次访问都隐含一次拆箱 -
list.stream().mapToInt(Integer::intValue).sum()这种写法虽能转回原始流，但前提是先完成装箱——源头已产生开销 - 集合扩容（如 ArrayList 动态增长）还会触发数组复制，若元素是包装类，复制的是对象引用，但创建新对象的过程仍不可免
Arrays.stream(int[]) 直接生成 IntStream，零装箱
对 int[] arr = {1, 2, 3}; 调用 Arrays.stream(arr)，返回的是 IntStream，所有中间操作（filter、map）、终结操作（sum()、average()）都在原始类型上运行，不创建任何 Integer 实例。
在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。
-
IntStream.range(0, arr.length).map(i -> arr[i] * 2).sum()完全避开对象生命周期管理 - 若真需要转成引用流（比如要调用
flatMap），才用.boxed()—— 显式控制装箱时机，而非默认发生 - 对比
Arrays.asList(arr)是错误写法：它把整个int[]当作单个元素放进 List，不是你想要的“每个 int 变成 Integer”
性能差距在大数据量下尤为明显
小数组（几十个元素）差异几乎不可测；但处理十万级以上整数时，装箱带来的内存分配和 GC 暂停会拖慢整体吞吐。实测表明，在纯数值聚合场景中，IntStream 比 Stream<integer></integer> 快 2–5 倍，且堆内存占用低 60% 以上。
- 避免把
int[]先转成List<integer></integer>再 stream —— 多一层装箱+对象创建 - 如果已有 Collection，且必须做复杂链式处理，可考虑先用
stream().mapToInt(...)尽早切回原始流 - 注意
Arrays.stream(new Object[]{...})是引用流，不触发装箱问题，但也不具备原始流的优化能力
一句话总结选择逻辑
数据源头是原生数组 → 优先用 Arrays.stream 配合原始类型流；数据源头已是集合 → 接受装箱成本，或通过 mapToInt 等尽早剥离包装。不是 Collection 不够好，而是它设计目标本就不是替代数组的数值密集型运算。
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
