使用Collectors.groupingBy按userId分组操作日志，生成Map<Long, List<OperationLog>>；支持空值处理、分组后排序/统计/去重，并需注意null校验、类型统一及大数据量下的并发优化。
用 Collectors.groupingBy 按用户 ID 汇总操作轨迹，核心是把相同 userId 的操作记录聚合成一个集合（如 List），便于后续分析或展示。
明确数据结构和分组目标
假设你有一个操作记录类：
public class OperationLog {
private Long userId;
private String action; // 如 "login", "edit", "delete"
private LocalDateTime time;
private String detail; // 操作详情
// 构造器、getter 省略
}
目标是：按 userId 分组，每个用户对应其全部操作日志列表。
基础分组写法（返回 Map<Long, List<OperationLog>>）
这是最常用、最直接的方式：
List<OperationLog> logs = ... // 原始日志列表
Map<Long, List<OperationLog>> groupedByUserId =
logs.stream()
.collect(Collectors.groupingBy(OperationLog::getUserId));
- 键是
userId（Long类型），值是该用户的所有日志组成的List - 若某
userId为空，会抛NullPointerException；如需容错，改用Collectors.groupingBy(log -> log.getUserId() != null ? log.getUserId() : -1L)
进阶：按用户ID分组并排序/去重/统计
可在分组后进一步加工，比如让每个用户的日志按时间倒序排列：
Map<Long, List<OperationLog>> groupedSorted =
logs.stream()
.collect(Collectors.groupingBy(
OperationLog::getUserId,
Collectors.collectingAndThen(
Collectors.toList(),
list -> list.stream()
.sorted(Comparator.comparing(OperationLog::getTime).reversed())
.collect(Collectors.toList())
)
));
- 用
collectingAndThen对每个分组结果做后处理 - 也可替换为
Collectors.counting()得到各用户操作次数（Map<Long, Long>） - 或用
Collectors.mapping(..., Collectors.toSet())去重汇总动作类型
注意空值与性能细节
实际使用中容易忽略但影响稳定性的点：
- 原始列表为
null时，stream 会报NullPointerException，建议先判空：if (logs == null) return Collections.emptyMap(); - 用户 ID 类型要统一（避免
int和Integer混用导致分组失效） - 如果日志量极大（如百万级），考虑用
ConcurrentHashMap+ 并行流：logs.parallelStream().collect(Collectors.groupingByConcurrent(...))
