Lambda表达式的作用就相当于一个回调方法，Stream API中大量使用Lambda表达式作为回调方法。
再谈流水线
其实在平时的编码中，在没有出现Stream之前，我们写的普通的for循环就可以看做是流水线，只是这个流水线是知道了用户行为的情况下写出来的。但是在编写通用类库时，是不知道用户行为的。那么在此情况下怎么了实现流水线？
解决：应该记录用户每一步的中间操作，当调用结束操作时将之前的操作叠加到一起，在一次迭代中全部执行。
中间操作如何记录？
中间操作如何叠加？
叠加后的中间操作如何执行？
执行后的结果如何展示？
中间操作：中间操作只是一种标记，只有结束操作才会触发实际计算。中间操作被分为无状态和有状态的。无状态中间操作：元素的处理不受前面元素的影响。有状态中间操作：必须等到所有元素处理之后操知道最终结果（排序是有状态的，在读取所有元素之前并不能确定排序结果）。
结束操作：结束操作分为短路操作和非短路操作。短路操作：不用处理完全部元素就可以返回结果。
中间操作如何记录
Stream相关的类图
要形成流水线，在Java里面是采用链表的形式来处理。而Head就是此链表的头。
Head
Collection.stream()--->StreamSupport.stream()--->new ReferencePipeline.Head<>()：当集合类调用stream方法时会产生一个Head，Head是AbstractPipeline的实例对象，最终构造方法如下：previousStage为空，sourceStage保持对Head的实例引用。
StatelessOp
无状态中间操作对象。调用流水线map,peek,filter等方法会产生StatelessOp对象，此StatelessOp实例对象中。
调用stream方法后返回Head，再Head上调用filter方法是设置以上参数。
this：是head实例。
previousStage.nextStage：新创建的StatelessOp实例对象。
previousStage：head实例。
sourceStage：head实例。
返回一个无状态中间操作对象StatelessOp实例。
下一步再调用StatelessOp实例的filter。方法一样，只是里面的参数不一样。
this：调用filter方法的AbstractPipeline实例对象。
previousStage.nextStage：新创建的StatelessOp实例对象。
previousStage：调用filter方法的AbstractPipeline实例对象。
sourceStage：head实例。
如果下一步还是调用StatelessOp类型的方法（filter，map等），方法一样，里面的参数实例不同而已（StatefulOp类型和StatelessOp类似）。
流水线的操作最后都会以结束操作来结束。
通过上面的流程可以看出，中间操作（有状态操作和无状态操作）都会持有前一个中间操作的实例，并且也会让前一个中间操作的实例持有它后面的中间操作的实例。这样就形成了一个双向链表的流水线了。
第一次调用中间操作都会返回一个新的Stream，而这些Stream组成了双向链表，这个双向链表就是对数据源的所有操作。
中间操作如何叠加和如何执行
中间操作记录好了后，下一步就是如何让这些中间操作叠加在一起。或许会有疑问：上面的链式结构已经将中间操作链接在一起了，那么从链接的头开始一步步往下执行就好了。但是这里有个问题，虽然已经链接到一起了，中间操作也持有前后的引用。但是中间操作只知道本身应该执行什么操作，并不知道它后面的中间操作执行的操作时什么。所以并不能按照这种流程来执行流水线。
这时需要把所有中间操作的执行都封装成同一个接口，实现同一个方法。这样前一个中间操作并不需要知道后面操作执行什么。直接调用接口方法，把本次的操作结果传到下一个中间操作即可。
这个思路是由Sink接口来完成。
default void begin(long size)：开始遍历元素之前调用的方法。
default void end()：所有元素遍历完成之后调用。
default boolean cancellationRequested()：是否可以结束操作。让短路操作尽快结束。
default void accept(long value)：遍历元素时调用，接受一个待处理元素，并对元素进行处理。
所有的中间操作都通过了Sink接口关联在一起。就像机器中的齿轮一样，所有的齿轮已经全部咬合在一起了，就差最后通电启动了。在流水线上的通电操作就是最后的结束操作。一旦调用结束操作，就启动了流水线上所有的操作执行。
通过以下流水操作来具体看看操作的叠加和执行：Stream.of()-->map()-->filter()-->sorted()-->limit()--reduce()。
opWrapSink()：
每个中间操作都覆盖此方法，得到一个Sink对象，Sink对象中：downstream变量保存了此中间操作的下一个操作的Sink对象（调用此中间操作的accept方法后，就会把此中间操作处理的结果传递给下一个中间操作：downstream.accept()）。
AbstractPipeline.wrapSink():
调用所有操作的opWrapSink方法，把流水线上的操作封装成Sink对象，并且让Sink实例中的downstream变量持有下一个操作的Sink对象的应用。
wrapSink返回流水线上最开始的操作的Sink（此操作是Head的下一个操作，不是Head，因为Head代表数据源，不代表操作）。
流水线现在已经被封装成了Sink流水线，执行Sink就等于执行整个流水线。
AbstractPipeline.copyInto()：
手动画了一下流水线上执行过程：
一个双向链表+统一的调用接口就可以实现Stream的流水线。
参考：
