Java中使用Stream API优化for循环

业务逻辑：计算总额

原来使用for的逻辑代码

// 计算总额
double total = 0.0;
for (RkDetail rkDetail: rkDetailList) {
    if (rkDetail.getTotal() != null) {
        total += rkDetail.getTotal();
    }
}

使用Java 8 Stream API实现，使代码更简洁且易读 

// 计算总额
double total = rkDetailList.stream()
    .filter(r -> r.getTotal() != null)
    .mapToDouble(RkDetail::getTotal)
    .sum();

让我们一步步拆解这段代码的含义，用生活中快递分拣的场景帮助你理解：

double total = rkDetailList.stream()      // 【开启传送带】
    .filter(r -> r.getTotal() != null)    // 【安检仪-过滤空包裹】
    .mapToDouble(RkDetail::getTotal)      // 【拆包取物】
    .sum();                               // 【自动累加】

1. 开启传送带 rkDetailList.stream()

想象你有一个装满快递包裹的货架（rkDetailList），现在要启动一条传送带处理这些包裹。
stream() 就像启动传送带，让包裹（列表中的每个 RkDetail 对象）依次进入处理流程。

📦📦📦📦 包裹们排着队进入传送带...

2. 安检仪过滤 filter(r -> r.getTotal() != null)

传送带上的第一个设备是安检仪，它会检查每个包裹：
r -> r.getTotal() != null 表示 "只允许装有金额的包裹通过"
（这里的 r 代表每个快递包裹，getTotal() 查看包裹内的金额单）

✅ 有金额单的包裹通过
❌ 空包裹（金额单为null）被丢弃

📦✅ -> 金额100元
📦❌ -> 金额单丢失
📦✅ -> 金额50元
📦✅ -> 金额200元

3. 拆包取物 mapToDouble(RkDetail::getTotal)

通过安检的包裹来到拆包工位，这里的工作人员会：
RkDetail::getTotal 表示 "拆开包裹，只取出里面的金额单"
mapToDouble 将金额单上的数字转换为计算机能直接计算的数值（double类型）

输入：📦✅ -> 输出：100.0
输入：📦✅ -> 输出：50.0
输入：📦✅ -> 输出：200.0

4. 自动累加 sum()

最后来到自动累加器，它会将所有金额单上的数值相加：
sum() 自动完成 100.0 + 50.0 + 200.0 = 350.0

💰 最终总额：350.0

完整流程示意图

原始包裹队列 → [传送带] → [安检过滤] → [拆包取数] → [自动求和]
   (List)      (stream())   (filter)     (mapToDouble)   (sum)

重点记忆口诀

1. 流式处理三步走：取流 → 过滤 → 转换

2. 箭头符号看数据：-> 左边是输入，右边是处理逻辑

3. 双冒号是快捷方式：类名::方法名 等价于 x -> x.方法名()

实际案例演示

假设原始数据：

RkDetail 包裹1 = new RkDetail(100.0);
RkDetail 包裹2 = new RkDetail(null);    // 空包裹
RkDetail 包裹3 = new RkDetail(50.0);
List<RkDetail> rkDetailList = Arrays.asList(包裹1, 包裹2, 包裹3);

代码执行过程：

1. 包裹2 在 filter 阶段被过滤

2. 包裹1 和 包裹3 的金额被提取

3. 计算 100.0 + 50.0 = 150.0

最终 total 的值为 150.0

通过这种生活化的类比，是不是更容易理解Stream流的工作原理了呢？在实际开发中，这种处理方式比传统for循环更直观，尤其适合处理复杂的数据流水线操作。

优化点说明：

1. Stream API 替代显式循环

   • 通过流式操作 stream() + filter() + mapToDouble() + sum() 链式调用，消除手动循环和中间变量，代码更简洁

   • 逻辑表达更声明式（描述做什么，而非如何做）

2. 空值过滤更直观

   • filter(r -> r.getTotal() != null) 直接体现空值过滤逻辑，一目了然

3. 避免中间状态变量

   • 原始代码需要维护 total 变量和循环体，流式操作直接通过无状态计算得到结果

扩展优化建议（视场景选用）：

1. 并行流加速

   java

   复制

   下载

   // 仅当列表极大且线程安全时使用
   double total = rkDetailList.parallelStream()
       .filter(r -> r.getTotal() != null)
       .mapToDouble(RkDetail::getTotal)
       .sum();

2. 空集合防御

   java

   复制

   下载

   // 如果 rkDetailList 可能为 null（根据业务场景决定是否添加）
   List<RkDetail> safeList = Optional.ofNullable(rkDetailList).orElse(Collections.emptyList());
   double total = safeList.stream()... // 后续操作同上

3. 方法引用（若允许空值）

   java

   复制

   下载

   // 如果 RkDetail::getTotal 不可能返回 null（注意与当前场景冲突）
   double total = rkDetailList.stream()
       .mapToDouble(RkDetail::getTotal)
       .sum();

最终选择建议：
若运行环境是Java 8+且列表规模可控，推荐使用基础优化版本，兼顾简洁性与可维护性。