Stream的filter方法如何正确使用？

Question

在使用 Java 8 的 Stream API 时，`filter` 方法是用于筛选符合条件的元素的重要工具。然而，许多开发者在实际应用中常遇到问题，例如： **如何正确使用 Stream 的 filter 方法进行多条件筛选？** 有些开发者错误地认为可以像 SQL 那样通过 `AND` 或 `OR` 直接组合多个条件，但 `filter` 方法只接受一个 `Predicate` 函数式接口。因此，理解如何组合多个条件表达式（如使用 `Predicate.and()`、`Predicate.or()` 或逻辑运算符）成为关键。 此外，还常见误区是在 filter 中执行复杂业务逻辑导致代码可读性下降。应保持 filter 条件简洁，并避免在其中修改外部变量，以防止并发问题。

Answer 1

一、Stream API 中 filter 方法的基本用法

filter 是 Java 8 Stream API 提供的核心方法之一，用于筛选出满足特定条件的元素。其方法签名如下：

Stream<T> filter(Predicate<? super T> predicate)

该方法接收一个 Predicate 类型的参数，返回一个新的流，其中包含所有满足条件的元素。

例如，我们可以通过以下方式筛选出大于10的数字：

List<Integer> numbers = Arrays.asList(5, 10, 15, 20);
List<Integer> filtered = numbers.stream()
    .filter(n -> n > 10)
    .collect(Collectors.toList());

输出结果为：[15, 20]

二、多条件筛选的实现方式

很多开发者习惯使用 SQL 的 AND 和 OR 进行多个条件组合，但在 Java 的 filter 中，必须通过函数式接口 Predicate 来进行逻辑组合。

Java 提供了 Predicate.and() 和 Predicate.or() 方法来支持复合判断逻辑。

示例：筛选出数值在10到20之间的偶数

List<Integer> numbers = Arrays.asList(5, 12, 15, 18, 20, 23);
List<Integer> result = numbers.stream()
    .filter(n -> n > 10 && n < 20) // 使用逻辑运算符
    .filter(n -> n % 2 == 0)
    .collect(Collectors.toList());

或者使用 Predicate.and() 方法：

Predicate<Integer> inRange = n -> n > 10 && n < 20;
Predicate<Integer> isEven = n -> n % 2 == 0;

List<Integer> result = numbers.stream()
    .filter(inRange.and(isEven))
    .collect(Collectors.toList());

上述两种方式均可达到目的，但后者更适合封装可复用的判断逻辑。

三、filter 中的常见误区与最佳实践

虽然 filter 非常强大，但在实际开发中仍存在一些常见的错误和不良实践：

• 在 filter 中执行复杂业务逻辑：这会显著降低代码可读性和维护性。应将复杂逻辑提取至独立方法或服务类中。
• 修改外部变量（Side Effect）：如在 filter 内部修改外部集合或状态变量，可能引发并发问题，尤其是在并行流中。
• 过度链式调用导致调试困难：建议适当拆分流操作，便于调试和单元测试。

不推荐写法：

List<String> names = new ArrayList<>();
List<User> users = userList.stream()
    .filter(user -> {
        if (user.isActive()) {
            names.add(user.getName()); // 修改外部变量
            return true;
        }
        return false;
    })
    .collect(Collectors.toList());

应改为：

List<User> activeUsers = userList.stream()
    .filter(User::isActive)
    .collect(Collectors.toList());

List<String> names = activeUsers.stream()
    .map(User::getName)
    .collect(Collectors.toList());

四、性能优化与并行流中的注意事项

当数据量较大时，可以考虑使用 parallelStream() 提高处理效率，但需注意以下几点：

要点	说明
线程安全	确保 filter 中的操作是无副作用且线程安全
分割成本	小数据集使用并行流反而可能更慢
顺序无关	并行流不保证处理顺序

流程图示意 filter 多条件组合逻辑：

graph TD
    A[开始] --> B{是否大于10}
    B -- 否 --> C[排除]
    B -- 是 --> D{是否小于20}
    D -- 否 --> C
    D -- 是 --> E{是否为偶数}
    E -- 否 --> C
    E -- 是 --> F[保留]