学习Java 8 Stream Api (5) - Stream 周边及其他
经过前面 4 篇内容的学习，我们已经掌握了 Stream 大部分的知识，本节我们针对之前 Stream 未涉及的内容及周边知识点做个补充。
玩转 Java8 Stream，让你代码更高效紧凑简洁
文章目录前言一、Stream 特性二、Stream 创建2.1 用集合创建流2.2 用数组创建流2.3 Stream静态方法三、Stream 使用案例3.1 遍历 forEach3.2 过滤 filter3.3 查找 findFirst，findAny3.4 匹配 match3.
Stream这3个坑，让接口越优化越慢
你的 Java 代码里，是不是也有这种场景：原来 for 循环写得土，但接口还挺稳；后来统一改成 Stream，代码优雅了，CPU 却开始不讲武德？很多人第一次踩 Stream 性能坑，第一反应都不是怀疑 Stream。
Flink SQL 知其所以然（五）| 流 join 很难嘛？（下）
废话不多说，咱们先直接上本文的目录和结论，小伙伴可以先看结论快速了解博主期望本文能给小伙伴们带来什么帮助:背景及应用场景介绍:博主期望你能了解到，flink sql 提供的丰富的 join 方式对我们满足需求提供了强大的后盾， 这 6 种 join 中涉及到流与流的 join 最常用的是 regular join 以及 interval join，本节主要介绍 interval join。
Java8的Stream API确实很牛，但性能究竟如何？
所以，如果出于性能考虑，1.对于简单操作推荐使用外部迭代手动实现，2. 对于复杂操作，推荐使用 Stream API， 3. 在多核情况下，推荐使用并行 Stream API 来发挥多核优势，4. 单核情况下不建议使用并行 Stream API。
每天认识一个组件：Apache Kafka
Apache Kafka 是一个以 分区、复制、持久化日志 为核心的分布式事件流平台：生产者持续追加事件，消费者使用 offset 记录读取位置，多个消费组可以按照各自节奏独立读取、回溯和重新处理历史数据。
Flink：双流实时联结（Join）
本文重点对于两条流的合并，很多情况我们并不是简单地将所有数据放在一起，而是希望根据某个字段的值在某些时间段内将它们联结起来，“配对”去做处理。