我們期待了很久lambda為java帶來閉包的概念，但如果我們不在集合中使用它的話，就損失了很大價值。現有介面遷移成為lambda風格的問題已經透過default methods解決了，在這篇文章將深入解析Java集合裡面的批量資料操作（bulk operation），解開lambda最強作用的神秘面紗。
1.關於JSR335
JSR是Java Specification Requests的縮寫，意思是Java 規格請求,Java 8 版本的主要改進是Lambda 專案（JSR 335），其目的是讓Java 更容易為多核心處理器編寫程式碼。 JSR 335=lambda表達式+介面改進（預設方法）+批次資料運算。加上前面兩篇，我們已經是完整的學習了JSR335的相關內容了。
2.外部VS內部迭代
以前Java集合是不能夠表達內部迭代的，而只提供了一種外部迭代的方式，也就是for或while循環。
複製代碼代碼如下:
List persons = asList(new Person("Joe"), new Person("Jim"), new Person("John"));
for (Person p : persons) {
p.setLastName("Doe");
}
上面的例子是我們先前的做法，也就是所謂的外在迭代，循環是固定的順序循環。在現在多核心的時代，如果我們想並行循環，不得不修改以上程式碼。效率能有多大提升也說定，且會帶來一定的風險（線程安全問題等等）。
要描述內部迭代，我們需要用到Lambda這樣的類別庫,下面利用lambda和Collection.forEach重寫上面的循環
複製碼程式碼如下:persons.forEach(p->p.setLastName("Doe"));
現在是由jdk 庫來控制循環了，我們不需要關心last name是怎麼被設定到每一個person物件裡面去的，庫可以根據運行環境來決定怎麼做，並行，亂序或懶載入方式。這就是內部迭代，客戶端將行為p.setLastName當做資料傳入api裡面。
內部迭代其實和集合的批次操作並沒有密切的聯繫，借助它我們感受到語法表達上的變化。真正有意思的和批量操作相關的是新的流（stream）API。新的java.util.stream套件已經加入JDK 8了。
3.Stream API
流（Stream）只代表資料流，並沒有資料結構，所以他遍歷完一次之後便再也無法遍歷（這點在編程時候需要注意，不像Collection，遍歷多少次裡面都還有數據），它的來源可以是Collection、array、io等等。
3.1中間與終點方法
流作用是提供了一種操作大數據接口，讓資料操作更容易和更快。它具有過濾、映射以及減少遍歷數等方法，這些方法分為兩種：中間方法和終端方法，「流」抽像天生就該是持續的，中間方法永遠返回的是Stream，因此如果我們要獲取最終結果的話，必須使用終點操作才能收集流產生的最終結果。區分這兩個方法是看他的回傳值，如果是Stream則是中間方法，否則是終點方法。具體請參考Stream的api。
簡單介紹下幾個中間方法（filter、map）以及終點方法（collect、sum）
3.1.1Filter
在資料流中實現過濾功能是首先我們可以想到的最自然的操作了。 Stream介面揭露了一個filter方法，它可以接受表示操作的Predicate實作來使用定義了過濾條件的lambda表達式。
複製代碼代碼如下:
List persons = …
Stream personsOver18 = persons.stream().filter(p -> p.getAge() > 18);//過濾18歲以上的人
3.1.2Map
假使我們現在過濾了一些數據，例如轉換物件的時候。 Map操作允許我們執行一個Function的實作（Function<T,R>的泛型T,R分別表示執行輸入和執行結果），它接受入參並傳回。首先，讓我們來看看怎麼以匿名內部類別的方式來描述它：
複製代碼代碼如下:
Stream adult= persons
.stream()
.filter(p -> p.getAge() > 18)
.map(new Function() {
@Override
public Adult apply(Person person) {
return new Adult(person);//將大於18歲的人轉為成年人
}
});
現在，把上述例子轉換成使用lambda表達式的寫法：
複製代碼代碼如下:
Stream map = persons.stream()
.filter(p -> p.getAge() > 18)
.map(person -> new Adult(person));
3.1.3Count
count方法是一個流的終點方法，可使流的結果最終統計，返回int，例如我們計算一下滿足18歲的總人數：
複製代碼代碼如下:
int countOfAdult=persons.stream()
.filter(p -> p.getAge() > 18)
.map(person -> new Adult(person))
.count();
3.1.4Collect
collect方法也是一個流的終點方法，可收集最終的結果
複製代碼代碼如下:
List adultList= persons.stream()
.filter(p -> p.getAge() > 18)
.map(person -> new Adult(person))
.collect(Collectors.toList());
或者，如果我們想使用特定的實作類別來收集結果：
複製代碼代碼如下:
List adultList = persons
.stream()
.filter(p -> p.getAge() > 18)
.map(person -> new Adult(person))
.collect(Collectors.toCollection(ArrayList::new));
篇幅有限，其他的中間方法和終點方法就不一一介紹了，看了上面幾個例子，大家明白這兩種方法的區別即可，後面可根據需求來決定使用。
3.2順序流與並行流
每個Stream都有兩種模式：順序執行和並行執行。
順序流：
複製代碼代碼如下:
List <Person> people = list.getStream.collect(Collectors.toList());
並行流：
複製代碼代碼如下:
List <Person> people = list.getStream.parallel().collect(Collectors.toList());
顧名思義，當使用順序方式去遍歷時，每個item讀完後再讀下一個item。而使用並行去遍歷時，陣列會被分成多個段，其中每一個都在不同的執行緒中處理，然後將結果一起輸出。
3.2.1並行流原理：
複製代碼代碼如下:
List originalList = someData;
split1 = originalList(0, mid);//將資料分小部分
split2 = originalList(mid,end);
new Runnable(split1.process());//小部分執行操作
new Runnable(split2.process());
List revisedList = split1 + split2;//將結果合併
3.2.2順序與平行性能測試對比
如果是多核心機器，理論上並行流則會比順序流快上一倍，以下是測試程式碼
複製代碼代碼如下:
long t0 = System.nanoTime();
//初始化一個範圍100萬整數流,求能被2整除的數字，toArray（）是終點方法
int a[]=IntStream.range(0, 1_000_000).filter(p -> p % 2==0).toArray();
long t1 = System.nanoTime();
//跟上面功能一樣，這裡是用平行流來計算
int b[]=IntStream.range(0, 1_000_000).parallel().filter(p -> p % 2==0).toArray();
long t2 = System.nanoTime();
//我本機的結果是serial: 0.06s, parallel 0.02s，證明並行流確實比順序流快
System.out.printf("serial: %.2fs, parallel %.2fs%n", (t1 - t0) * 1e-9, (t2 - t1) * 1e-9);
3.3關於Folk/Join框架
應用硬體的並行性在java 7就有了，那就是java.util.concurrent 包的新增功能之一是一個fork-join 風格的並行分解框架，同樣也很強大高效，有興趣的同學去研究，這裡不詳談了，相較於Stream.parallel()這種方式，我比較傾向後者。
4.總結
如果沒有lambda，Stream用起來相當彆扭，他會產生大量的匿名內部類，例如上面的3.1.2map例子，如果沒有default method，集合框架更改勢必會引起大量的改動，所以lambda+default method使得jdk庫更強大，以及靈活，Stream以及集合框架的改進便是最好的證明。