为什么程序员工作后就喜欢用stream流？

关于问题为什么程序员工作后就喜欢用 stream 流？一共有 5 位热心网友为你解答:

【1】、来自网友【葡萄城 GrapeCity】的最佳回答：

我就非常喜欢写 stream。

for 循环里复杂的超过 5 行的逻辑，需要单独写函数，所以也不会允许在 map 里写超级复杂的 for 的逻辑。超过这些行数的代码段，即便写在 for 循环里，使得一个函数里一大堆 for 循环，同样不好读。所以我更推荐函数多，而每个函数行数少。

至于为什么推荐 stream，我觉得 stream 非常适合抽象思维去解决业务，而且我们就算做 CRM，ERP 等业务系统，我，至少我自己，对运行中的算法复杂度和空间复杂度都是很看重的（并且我们不允许 MySQL 的 join）。所以经常在业务逻辑中用数组，哈希表，树，对我来说，后端的数据都是各种 map filter distinct 等抽象而来的，而且写起来很有数学+抽象+逻辑思维。这一点上，我非常喜欢 stream。并且 stream 的一些特性也非常好用，比如保持原有的顺序。

况且我非常喜欢函数式的思维，无论是在业务开发，还是 AI，还是策略开发，还是运维各个领域，甚至到架构，函数式的思维也非常有用，甚至是非常有意义的。比如 serverless，有没有想过，在底层逻辑上，这两着之间有共同之处呢？Linux 的 terminal 的 pipeline，其实也和 stream 很像。

这是我喜欢用 stream 的逻辑。

【2】、来自网友【重阳可可】的最佳回答：

阁下说的应该是集合类的流式处理，而不是文件流吧！

1.流式处理从思维的角度来说那就是通畅，可以不需要思维阻塞地一直写才去，有一种看爽文的感觉，如果没有流式处理，那么就需要不停地打断思路遍历集合进行处理，代码是又丑又很难看懂！

2.最喜欢流式处理的应该是数据开发类的程序员，很多数据的处理工作很复杂，分步骤，需要不同的处理逻辑，适用流式处理就可以把每一个步骤当成流的一个操作节点处理，方便！

举例：

1.如果写过 mapreduce 的都知道，常规写法可能需要写一个循环，超级复杂，如果使用流就可以写成：（sparkstreaming 举例：）

# 统计词频

counts = lines.map(lambda x:x.strip()) #1.去除首位空格 .flatMap(lambda x: x.split(‘ ‘)) #2.根据空格分出每一个词 .filter(lambda x:x not in stop_words) #3.过滤掉停用词 .map(lambda x: (x, 1)) #4.给每一个词标记 1 .reduceByKey(add) #5.统计求和

.sortBy(lambda x:-x[1]) # #排序

通过一个流式的处理就简单完成了

1.java 的一个数据处理流程举例

List<Entity> entityList = xxxx;

MapFrame<Object,Double> groups = ListFrame.fromList(entityList )

.handle(“value=format(value,2)”) //1.列表实体的 value 保留两位小数

.handle(entity->entity.getName()==null,”name=‘‘”) //2.name 为空变为””

.handle(entity->entity.getValue()==null,”value=0″,”value=value+2″) //3.value 不为空+2

.handle(“name=replace(name,‘#‘,‘‘)”) //4.替换#

.handle(“percent=double(value)/”+sum) //5.计算百分比

.groupBy(“name”).sum(“percent”); //6.分组统计

上面的过程在不写 for 循环的条件下就流式处理完了，仅仅从写那一刻的感觉来说就很通畅