1. Stream 的实现机制 (3.2)
这是理解流式编程（Stream API）的基础，核心在于区分操作的类型。
惰性求值 (Lazy Evaluation)
判断标准： 如果返回值仍然是 Stream。
特点： 操作不会立即执行，而是像构建流水线一样被记录下来，直到遇到终止操作。
示例：filter, map
及早求值 (Eager Evaluation)
判断标准： 如果返回值是另一个值（如 List, Integer）或为空 (void)。
特点： 会立即触发整个流水线的执行，产生最终结果。
示例：collect, count, forEach
2. 核心 Stream 操作详解 (3.3)
这是日常开发中使用频率最高的部分，涵盖了转换、聚合和排序。
2.1 转换与映射
map (一对一转换)
功能： 如果有一个函数可以将一种类型的值转换成另外一种类型，map 就可以使用该函数，将流中的值转换成一个新的流。
flatMap (一对多/扁平化)
功能： 可用 Stream 替换值，然后将多个 Stream 连接成一个 Stream。
场景： 处理嵌套列表或需要将多个结果合并时使用。
2.2 归约与聚合 (Reduction)
collect(toList())
由 Stream 里的值生成一个列表。这是一个典型的及早求值操作。
max / min
Stream API 提供的求最大值和最小值的操作，足以解决大多数极值问题。
reduce
功能： 实现从一组值中生成一个值（例如求和、拼接字符串）。
Lambda 参数： reduce 接受的 Lambda 表达式就是一个 reducer，它包含两个关键参数：
acc (Accumulator)： 累加器（当前的累计结果）。
element： 传入 Stream 中的当前元素。
2.3 排序 (Sorting)
Comparator
为了让 Stream 对象按照特定规则（如曲目长度）排序，需要传递一个 Comparator 对象。
comparing 方法
Java 8 提供的新静态方法。
优势： 可以非常方便地提取键值来实现比较器（例如 Comparator.comparing(Track::getLength)）。
3. 高级收集器与数据分组 (5.3)
这一部分主要涉及 Collectors 类，用于处理复杂的聚合逻辑。
partitioningBy (分区)
接受一个流，并将其分成两部分。
通常基于一个断言（Predicate，即返回 boolean 的函数），结果是 Map<Boolean, List<T>>。
groupingBy (分组)
概念类比： 类似于 SQL 中的 GROUP BY 操作。
功能： 在 Stream 类库中实现了数据分组，不再需要手动编写循环将元素放入 Map 中。
4. 集合 API 细节 (5.4)
Java 8 不仅引入了 Stream，还改进了原有的集合接口。
Map 的 forEach
变化： Map 接口新增了 forEach 方法。
参数： 接受一个 BiConsumer 对象（该对象接受两个参数：Key 和 Value，返回空）。
优势： 相比传统的 entrySet 遍历，代码更加简洁。
5. 并行化流操作 (6.3)
如何利用多核 CPU 提升性能。
实现方式
只需调用 parallelStream() 方法即可开启并行处理。
简便性： 除了方法名不同，剩余的代码逻辑与串行流（Sequential Stream）完全一致。
核心思考
笔记中提出了一个关键问题：“并行化运行基于流的代码是否比串行化运行更快？”
（注：这通常暗示并行流并非银弹，涉及数据量大小、装箱拆箱开销以及任务是否计算密集型等因素。）
总结与建议
这组笔记非常精准地覆盖了 Java 8 函数式编程的三个阶段：
怎么写（Stream API, Lambda, 常用操作）
怎么收（Collectors, reduce, Map更新）
怎么跑（Lazy机制, 并行流）