本文介绍如何使用 Java Stream 的 Collectors.groupingBy 与 Collectors.reducing 组合，仅遍历列表一次，即可按类型（如 "A"、"B"、"C" 等）分组并计算各组金额总和，避免重复流操作带来的性能损耗。
本文介绍如何使用 java stream 的 `collectors.groupingby` 与 `collectors.reducing` 组合，仅遍历列表一次，即可按类型（如 "a"、"b"、"c" 等）分组并计算各组金额总和，避免重复流操作带来的性能损耗。
在实际开发中，当需要对同一列表按多个条件分别统计（如按 type 字段归类求和），若采用多次 .stream().filter().reduce() 操作（如原代码中对 unknownSum、aSum、bSum 等各自调用独立流），会导致 N 次全量遍历——时间复杂度从 O(n) 退化为 O(N×k)，尤其在数据量大或列表不可复用（如 I/O 流式数据）时，性能损耗显著。
更优解是：单次遍历 + 分组聚合。Java 8+ 的 Collectors.groupingBy 配合嵌套下游收集器，可天然实现这一目标：
Map<String, BigDecimal> typeToSum = list.stream()
.collect(Collectors.groupingBy(
x -> Optional.ofNullable(x.getType()).orElse(""), // 处理 null 和空字符串统一为 ""
Collectors.mapping(
Account::getAmount,
Collectors.reducing(BigDecimal.ZERO, BigDecimal::add)
)
));该代码将原始列表一次性分类汇总，生成 Map<String, BigDecimal>，例如：
{""=10, A=114, B=10, C=10, F=3, H=101}随后，可直接映射到 Account 对象的各字段，语义清晰且零冗余遍历：
Account ac = new Account();
ac.setAverage(typeToSum.getOrDefault("A", BigDecimal.ZERO)
.add(typeToSum.getOrDefault("H", BigDecimal.ZERO)));
ac.setAccountSum(typeToSum.getOrDefault("B", BigDecimal.ZERO));
ac.setFixedSum(typeToSum.getOrDefault("C", BigDecimal.ZERO));
ac.setTotalSum(typeToSum.getOrDefault("F", BigDecimal.ZERO));
ac.setUnKnownSum(typeToSum.getOrDefault("", BigDecimal.ZERO)); // 包含 null 和 ""
ac.setOthersSum(list.stream()
.map(Account::getAmount)
.reduce(BigDecimal.ZERO, BigDecimal::add)
.subtract(ac.getAverage().add(ac.getAccountSum())
.add(ac.getFixedSum()).add(ac.getTotalSum())
.add(ac.getUnKnownSum())));⚠️ 注意事项：
- groupingBy 默认使用 HashMap，若需稳定顺序（如按类型字典序），可传入 TreeMap::new 作为第三个参数；
- null 类型需显式处理（如 Optional.ofNullable(...).orElse("")），否则 groupingBy 会抛 NullPointerException；
- 若业务逻辑涉及复杂分组规则（如 "A" 和 "H" 合并为一类），建议先预处理 keyMapper 函数，而非后期手动加和，以保持单一职责；
- 对于超大数据集，可考虑 parallelStream()，但需确保 BigDecimal::add 是无状态且线程安全的（它确实是）。
综上，单次流 + 分组聚合不仅是性能优化的关键手段，更是函数式编程中“一次输入、多维输出”思想的典型实践。
