本文介绍如何对一组 `map
在实际物联网或传感器数据处理中（如多个网关上报同一设备的信号强度 RSSI），原始数据常以嵌套结构存在：每个记录包含 Device、Gateway 和 position.rssi。为统计“某设备在各网关的平均信号强度”，需先按 Device → Gateway 二级维度聚合 RSSI 值，再求均值——这本质上是将多层数据规约为 Map
但若已通过 Multimap
以下为完整实现（Java 16+，使用 Map.of() 简化示例）：
import java.util.*;
import java.util.stream.Collectors;
import java.util.Map.Entry;
public class AvgCalculator {
public static void main(String[] args) {
// 模拟原始数据：每个 Map 表示一条记录，key 为 "Device-Gateway"，value 为 RSSI
List<Map<String, Double>> records = List.of(
Map.of("D1-G1", 1.0),
Map.of("D1-G2", 3.0),
Map.of("D1-G1", 2.0),
Map.of("D1-G2", 5.0),
Map.of("D1-G1", 4.0),
Map.of("D1-G2", 6.0),
Map.of("D2-G1", 3.0),
Map.of("D2-G2", 2.0)
);
// 步骤分解：
// 1. 扁平化：将每个 Map 的 entry 转为流，合并为单一 Entry 流
// 2. 分组求均值：Collectors.groupingBy(key, averagingDouble(value))
// 3. 查找最小：min(Entry.comparingByValue())，返回 Optional，注意空处理
Optional<Entry<String, Double>> minAvgEntry = records.stream()
.flatMap(map -> map.entrySet().stream())
.collect(Collectors.groupingBy(
Entry::getKey,
Collectors.averagingDouble(Entry::getValue)
))
.entrySet()
.stream()
.min(Entry.comparingByValue());
// 安全获取结果（生产环境务必判空）
if (minAvgEntry.isPresent()) {
Entry<String, Double> result = minAvgEntry.get();
System.out.printf("最小平均值: %s = %.2f%n", result.getKey(), result.getValue());
// 输出示例：最小平均值: D2-G2 = 2.00
} else {
System.out.println("输入集合为空，无法计算平均值");
}
}
}关键注意事项：
- ✅ 空值安全：Stream.min() 返回 Optional，必须显式检查 isPresent()，避免 NoSuchElementException；
- ✅ 精度问题：Collectors.averagingDouble 返回 double，对高精度场景建议改用 Collectors.collectingAndThen(..., BigDecimal::valueOf) 自定义；
- ✅ 扩展性优化：若需同时获取最大值、分位数等，可改用 Collectors.groupingBy(key, Collectors.toList()) 先聚合列表，再流式计算，避免多次遍历；
- ⚠️ 原始数据建模建议：更推荐在预处理阶段构建 Map
>> devicesToGateways，而非依赖 Collection
该方案时间复杂度为 O(n)，空间复杂度 O(k)（k 为唯一 key 数量），兼顾简洁性与性能，可直接集成至 Spring Boot 接口服务中实时响应设备定位分析需求。
