optional 不应用于集合元素，应在数据入集前过滤 null；推荐用 stream().filter(objects::nonnull) 或 removeif(objects::isnull)，注意源头过滤、避免 npe、区分业务空值。
Java 8 Optional 不能直接存入集合
很多人想用 List<optional>></optional> 来“包装”可能为 null 的元素，结果发现代码越写越绕，遍历时还得层层 .get() 或 .isPresent()。这不是 Optional 的设计本意——它专为**方法返回值**而生，不是集合元素的防空容器。
真正该做的是：在数据进入集合前就完成判空与过滤，让集合本身只装有效值。
-
Optional是不可序列化、不可比较、不重写equals/hashCode的轻量对象，放进集合会增大内存开销且破坏语义 - 集合操作（如
stream().filter()）天然支持null检查，没必要额外套一层Optional - 如果上游 API 返回
Optional，用.orElse(null)或.orElseGet(() -> null)解包后再收集，比塞进集合更直白
用 Stream.filter() 清洗 null 最省事
面对一个含大量 null 的 List<string></string>，直接走流式过滤，一行解决：
list.stream().filter(Objects::nonNull).collect(Collectors.toList())
这是最常用也最安全的方式，尤其适合中等规模数据（几万以内）。注意别误用 filter(x -> x != null) —— 虽然等价，但 Objects::nonNull 更明确、可读性更好，且能避免某些 IDE 的空值警告误报。
- 若集合本身是
ArrayList，过滤后建议用new ArrayList(...)显式构造，避免Collectors.toList()返回不可变或内部优化类型（如 JDK 16+ 的紧凑列表）导致后续add()报错 - 不要在循环里反复调用
stream().filter()——性能差；一次性过滤完再复用结果 - 如果原始集合来自数据库或外部接口，优先在源头加
WHERE xxx IS NOT NULL或非空校验，比 Java 层过滤更高效
大量 null 时，用 removeIf(Objects::isNull) 更省内存
当集合很大（比如百万级）、且允许原地修改时，removeIf() 比流式过滤少建中间对象，GC 压力小，实测快 20%~40%。
系统功能强大、操作便捷并具有高度延续开发的内容与知识管理系统，并可集合系统强大的新闻、产品、下载、投票、人才、留言、在线订购、搜索引擎优化、等功能模块，为企业部门提供一个简单、易用、开放、可扩展的企业信息门户平台或电子商务运行平台。开发人员为脆弱页面专门设计了防刷新系统，自动阻止恶意访问和攻击；安全检查应用于每一处代码中，每个提交到系统查询语句中的变量都经过过滤，可自动屏蔽恶意攻击代码，从而全面防
list.removeIf(Objects::isNull); // 直接修改原 list
但要注意副作用：这会改变原始引用内容，如果其他地方还依赖这个集合的原始状态，就得先 new ArrayList(originalList) 拷贝一份。
-
removeIf()要求集合实现Collection.removeIf()（ArrayList、LinkedList都支持，但Arrays.asList()返回的集合不支持，会抛UnsupportedOperationException） - 并发场景下禁止用
removeIf()，应改用线程安全集合 + 显式同步，或转为不可变副本处理 - 如果
null出现在中间位置较多，removeIf()内部的数组移动成本会上升，此时可考虑分块处理或换用Iterator.remove()手动遍历
自定义过滤器要小心 NullPointerException 的触发点
写过滤逻辑时，容易在链式调用里漏掉某一级判空，比如：
list.stream().filter(s -> s.trim().length() > 0).collect(...)
一旦 s 是 null，s.trim() 就直接炸了。正确写法是把判空放在最外层：
list.stream().filter(Objects::nonNull).filter(s -> s.trim().length() > 0).collect(...)
- 所有涉及方法调用的过滤条件（如
.length()、.contains()、.equals()），必须确保前序已排除null - 如果过滤逻辑复杂，建议抽成独立方法并加
@Nullable注解（如用 JetBrains 或 Checker Framework），让 IDE 提前标出风险点 - 测试时务必覆盖
null元素占比高的 case，比如用Collections.nCopies(1000, null)快速构造脏数据验证健壮性
真正麻烦的从来不是怎么写过滤，而是忘记有些 null 是“合法的业务空值”，比如用户没填的地址字段——这种得靠业务规则判断，不是统一删掉就完事。
