使用Java Stream API结合Map.Entry排序与limit操作，可简洁、高效地从HashMap
在处理大规模地理编码数据（如邮编→公司列表映射）时，频繁遍历并手动维护“Top-K”结构（如原方案中的RecordList）不仅逻辑冗余，还存在明显性能瓶颈：每次插入都触发Collections.sort()，导致最坏时间复杂度达 O(N × K log K)（K=10，但常数因子高），且需额外对象封装与内存开销。
更优雅、高效的解法是利用Java 8+ Stream API的声明式能力，配合Map.Entry的自然排序能力，仅需三步完成目标：
-
预聚合计数（可选优化）：若原始HashMap
>已存在，可直接基于其value的size()生成计数映射； - 流式排序与截断：将entrySet转为Stream，按value（即公司数量）降序排序，并用limit(10)精准截取前10项；
- 格式化输出：对结果逐项格式化为 "Postcode SW1A 0AA has 50 companies"。
以下是生产就绪的完整实现（含泛型适配与空安全）：
立即学习“Java免费学习笔记（深入）”；
// 假设 postcodeToCompaniesList 已初始化并填充数据
Map<String, List<Company>> postcodeToCompaniesList = /* ... */;
postcodeToCompaniesList.entrySet().stream()
.filter(entry -> entry.getValue() != null) // 防空指针
.map(entry -> new AbstractMap.SimpleImmutableEntry<>(
entry.getKey(),
entry.getValue().size()
))
.sorted(Map.Entry.<String, Integer>comparingByValue(Comparator.reverseOrder()))
.limit(10)
.forEach(entry ->
System.out.println(String.format(
"Postcode %s has %d companies",
entry.getKey(),
entry.getValue()
))
);✅ 优势说明：
- 时间复杂度更优：sorted()底层使用Timsort，整体为 O(N log N)，但因limit(10)的短路特性，JVM实际可能优化为部分排序（如PriorityQueue堆顶策略），实践中远快于每轮排序的O(N×10 log 10)；
- 零自定义类依赖：无需Record/RecordList等辅助类，降低维护成本；
- 函数式表达清晰：逻辑链直译业务需求——“取每个邮编的公司数 → 按数量降序 → 取前10 → 打印”；
- 可扩展性强：如需导出JSON，可轻松替换forEach为collect(Collectors.toList())后交由Gson序列化。
⚠️ 注意事项：
- 若数据量极大（如千万级postcodes），可考虑用PriorityQueue手写堆实现 O(N log K) 算法（K=10），但对万级数据，Stream方案已足够高效；
- comparingByValue().reversed() 在Java 8中需显式指定Comparator.reverseOrder()，如上所示；
- 生产环境建议添加null校验（如示例中filter(entry -> entry.getValue() != null)），避免NullPointerException。
综上，Stream方案在可读性、简洁性与性能间取得最佳平衡，是现代Java处理此类Top-K统计问题的标准实践。
