无状态操作（如filter、map）独立处理各元素，无需依赖历史数据，内存占用小、可惰性执行且易并行；有状态操作（如sorted、distinct、limit）需缓存数据、等待全部输入，内存开销大、延迟执行受限、并行效率低。

Java Stream的中间操作不是随便分组的，关键看它处理元素时“要不要记住前面的数据”。记，就是有状态；不记，就是无状态。这个区别直接影响内存占用、执行时机和并行效果，不是语法风格问题，而是运行机制差异。

怎么一眼判断有没有状态？

只问一个问题：处理当前元素时，需不需要知道之前出现过哪些元素、排在什么位置、值是多少？

• 无状态操作：每个元素独立加工，输入一个，输出一个，完全不查“历史记录”。比如 filter(x -> x > 10)，对每个数只比一次；map(s -> s.toUpperCase())，对每个字符串单独转大写。
• 有状态操作：必须攒够信息才能动——distinct()得把见过的所有值存下来比对；sorted()得等全部数据进来再排序；limit(5)得从头开始数，但不确定第5个在哪，必须按序消费。

常见无状态操作有哪些？

它们轻量、可惰性、易并行，日常用得最多：

Alibabacloud Sdk Client Initialization For Java

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。

下载

• filter：按条件筛掉不符合的元素，适合前置过滤，大幅减少后续计算量。
• map / mapToInt / flatMap：转换元素类型或结构，比如把对象转ID、把List>压平成Stream。
• peek：调试专用，对每个元素执行动作但不改变流本身，常用来打印中间结果验证惰性执行顺序。

常见有状态操作有哪些？

它们功能强但代价明显，使用时要格外注意位置和数据规模：

• sorted：默认自然排序或按Comparator排序，必须缓存全部元素，空间复杂度O(n)，短路操作（如findFirst）在它之后会失效。
• distinct：基于equals+hashCode去重，最坏情况要存所有唯一值，大数据下容易OOM。
• limit / skip：看似简单，实则依赖顺序索引，limit(10)必须从第一个开始数满10个，无法跳过前100万条直接取后10条。

实际写代码要注意什么？

不是不能用有状态操作，而是得用得明白、用得克制：

• 把 filter 和 map 尽量放在 sorted、distinct 前面，比如先 .filter(status::isPaid).distinct()，别让去重扛几千条无效数据。
• 避免链式多次有状态操作，像 .sorted().distinct().sorted() 不仅冗余，还重复消耗内存和CPU。
• 大数据场景下，优先考虑外部替代方案：用 HashSet 预去重、数据库 ORDER BY 替代 sorted()、分页查询代替 skip/limit。
• 调试时加 peek(System.out::println)，观察打印时机——如果某步之后才输出，说明前面的数据已被暂存，那一步大概率是有状态的。

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