在mapToInt之后调用map会有什么好处，如果需要的话

在mapToInt之后调用map会有什么好处，如果需要的话

如有疑问，请测试！使用jmh，我在100k元素的列表上得到以下结果（以微秒为单位，更好）：

Benchmark  Mode  Samples     Score    Error  Unitsc.a.p.SO32462798.for_loop        avgt       10   119.110    0.921  us/opc.a.p.SO32462798.mapToInt        avgt       10   129.702    1.040  us/opc.a.p.SO32462798.mapToInt_map    avgt       10   129.753    1.516  us/opc.a.p.SO32462798.map_reduce      avgt       10  1262.802   12.197  us/opc.a.p.SO32462798.summingInt      avgt       10   134.821    1.203  us/op

因此，从快到慢，您已经拥有：

• for(int i : list) sum += i*i;

• mapToInt(x -> x * x).sum()

  和

  mapToInt(x -> x).map(x -> x * x).sum()

• collect(Collectors.summingInt(x -> x * x))

• map(x -> x * x).reduce((x, y) -> x + y).get()

请注意，结果在很大程度上取决于JIT优化。如果映射中的逻辑更加复杂，则某些优化可能不可用（较长的代码=较少的内联），在这种情况下，流版本可能比for循环花费4-5倍的时间-
但是，如果该逻辑占用大量CPU资源，差异将再次减小。对您的实际应用程序进行性能分析将为您提供更多信息。

---

基准代码供参考：

@State(Scope.Benchmark)@BenchmarkMode(Mode.AverageTime)public class SO32462798 {  List<Integer> list;  @Setup public void setup() {    list = new Random().ints(100_000).boxed().collect(toList());  }  @Benchmark public int for_loop() {    int sum = 0;    for (int i : list) sum += i * i;    return sum;  }  @Benchmark public int summingInt() {    return list.stream().collect(Collectors.summingInt(x -> x * x));  }  @Benchmark public int mapToInt() {    return list.stream().mapToInt(x -> x * x).sum();  }  @Benchmark public int mapToInt_map() {    return list.stream().mapToInt(x -> x).map(x -> x * x).sum();  }  @Benchmark public int map_reduce() {    return list.stream().map(x -> x * x).reduce((x, y) -> x + y).get();  }}