性能瓶颈
" />）以避免性能瓶颈
" />
本文介绍在 java 中将 `list
在高并发或大数据量场景下，flatMap + collect(Collectors.toList()) 虽然代码简洁，但存在显著性能缺陷：
- Stream.flatMap() 会为每个子列表创建独立流对象，引入额外对象分配与函数式调用开销；
- Collectors.toList() 内部使用无初始容量的 ArrayList，导致多次 Arrays.copyOf() 扩容复制（时间复杂度趋近 O(n²)）；
- forEach + addAll() 虽绕过流开销，但若目标 ArrayList 未预设容量，仍会因反复扩容造成大量数组拷贝。
✅ 最优解：预分配容量 + 手动遍历添加
核心思想是一次预计算总大小，初始化具备精确容量的 ArrayList，再逐个 addAll() —— 避免任何扩容，且无流式抽象层开销：
// 第一步：高效计算总元素数（假设 getChildList() 返回的是 size() O(1) 的 List，如 ArrayList）
int expectedSize = parentList.stream()
.mapToInt(obj -> obj.getChildList().size())
.sum();
// 第二步：初始化带精确容量的 ArrayList（无扩容风险）
List result = new ArrayList<>(expectedSize);
// 第三步：批量添加，每一步 addAll() 均在预留空间内完成，零复制
for (Object obj : parentList) {
result.addAll(obj.getChildList());
} ? 关键优化点说明：
- mapToInt(...).sum() 比 reduce(0, (a, b) -> a + b) 更高效（避免装箱/拆箱）；
- 若 parentList 本身是 ArrayList 或 RandomAccess 实现，可进一步替换为传统 for 循环（微优化，通常收益有限）；
- 确保 obj.getChildList() 返回的子列表是 ArrayList / LinkedList 等 size() 时间复杂度为 O(1) 的实现——若为自定义惰性列表（如某些 ORM 的代理集合），需先触发加载或缓存 size。
⚠️ 注意事项：
- 不要使用 Stream.iterate 或 Collectors.flatMapping（Java 16+）替代，它们在底层仍依赖 Spliterator 分割与合并，无法规避扩容；
- 避免 Stream.concat() 多层嵌套，其链式结构会放大 GC 压力；
- 若内存极度敏感且子列表支持迭代器复用（如不可变列表），可考虑返回 Iterator
进行懒扁平化（如 Guava 的 Iterators.concat()），但本题明确要求 List ，故不适用。
? 总结：在追求极致计算效率时，放弃函数式语法糖，拥抱确定性内存布局。预分配容量的手动扁平化方案在实测中通常比流式方案快 2–5 倍（取决于嵌套深度与子列表数量），且 CPU 使用率稳定可控，是生产环境处理高频扁平化操作的首选实践。
