5.通过generate生成
按照提供给generate的Supplier逻辑生成数据，通过limit限制生成的数据量
6. 通过Stream.iterate创建
iterate提供两种方法来满足我们比较常用的迭代生成逻辑
- iterate(final T seed, final UnaryOperatorf)
- iterate(T seed, Predicate<? super T> hasNext, UnaryOperatornext)
7. 原生类型生成 通过对应的IntStream,LongStream,DoubleStream类中提供的方法来获取，包含常用的方法
- builder()
- empty()
- of()
- iterate()
- generate()
- range()
- concat()
- 其他地方 这里介绍两处：字符分割匹配和文件行数据
String.chars()返回IntStream
Files.lines()返回通过行分割的字符内容
流的使用机制（重要事项）
我们通过上面的方法创建好流后，就可以对流进行相关的业务逻辑处理了，需要注意：如果我们重复对一个流进行操作，就会出错，系统会爆出IllegalStateException异常，这是因为Stream设计为不可重用的模式。流的下一个环节都是对当前环节处理后新生成流的处理。
流的执行顺序
采用Stream方式进行多个逻辑处理时，他们之间的执行顺序是什么样的呢？指北君为了展示效果，写了一段测试代码：
执行结果如下：
filter() was called: data_1
filter() was called: data_2
map() was called: data_2
forEach() was called: data_2
filter() was called: data_3
filter() was called: data_12
map() was called: data_12
forEach() was called: data_12
从示例代码的打印的顺序中我们可以发现：流处理的顺序不是以代码顺序（执行完一步再到下一步），而是按照数据处理完一个单位数据的所有环节再处理下一个数据，见下面的动态示意图：
Stream处理顺序
既然我们了解流的处理顺序，也能理解某些流操作会提前结束流处理的，比如findFirst(),在处理完第一个符合条件的数据后，后续的数据不会参与任何一个环节的处理。
转换处理
转换处理时最常用的逻辑处理方式，介绍转换处理的文章较多，这里不再一一详细描述只是简单列一下，转换处理对应大数据MapReduce中的Map处理
- distinct剔重
- filter过滤
- map转换映射
- peek
- limit
- skip
合并处理（reduce）
对于Map-Reduce模型的reduce操作，国内对这个词翻译不太统一，指北君就先称之为合并处理吧。这里介绍两个方法reduce和collect
- reduce 先来看一个reduce的示例
合并Stream中的所有值，合并的初始值为0，如果初始为0还可以省略初始值。reduce函数包含三部分关键信息：
- 初始值，指定合并操作的初始值
- 合并函数
- 合路器（函数），在并行（多线程）运算时需要用到
下面是一个使用合路器的示例，在并行运算时使用。
这里指北君留一道思考题给大家，如果这里初始值0修改为10，最终的结果是多少？为什么是这种结果呢？
- collect 现在我们再来看collect，collect严格上说是reduce有些牵强，因为是否reduce在于collect中的执行逻辑 比如这段：
然后再看下面的例子：
还有其他对应的方法：
- Collectors.averagingInt
- Collectors.summingInt
- Collectors.groupingBy
- Collectors.partitioningBy
各位小伙伴可以查看Collectors对应的API，这里就不一一列举了，总之，collect通过Collectors对象的API类完成合并处理。
总结
关于Java的Stream的常用知识指北君就给大家分享到这，相关的重点知识都有提及，但未太深入剖析，比如Stream的并发处理是如何执行的等等，这些知识点留待后续指北君为大家分享。
最后感谢各位人才的：点赞、收藏和评论，我们下期更精彩！
