Collectors.groupingBy 适用于按字段分组后进一步统计的多维分析场景，需先明确分组键（如 categoryId、shopId、userId），再结合嵌套 groupingBy 或下游收集器实现销量、均价、金额分布等聚合。
用 Collectors.groupingBy 统计电商订单子项（OrderItem）的多维属性，关键不是套用方法，而是理清分组维度、聚合逻辑和嵌套结构。它天然适合“按某字段分组 → 对每组做进一步统计”的场景，比如按商品类目统计销量、按店铺统计平均单价、按用户ID聚合订单金额分布等。
明确分组键：选对主维度是前提
订单子项通常含 skuId、categoryId、shopId、userId、quantity、price 等字段。groupingBy 的第一个参数必须是函数式接口 Function super T, ? extends K>，即从 OrderItem 映射出分组依据。
- 按商品类目汇总：`groupingBy(item -> item.getCategoryId())`
- 按店铺+用户联合分组：`groupingBy(item -> new ShopUserKey(item.getShopId(), item.getUserId()))`（需重写 equals/hashCode）
- 按价格区间分桶：`groupingBy(item -> item.getPrice().compareTo(BigDecimal.valueOf(100))
叠加下游收集器：不止于分组列表
默认 groupingBy 返回 Map<k list>></k>，但实际中更常需要每组的统计值，这时要用下游收集器（downstream collector）：
- 统计每类商品总销量：
groupingBy(item -> item.getCategoryId(), summingInt(OrderItem::getQuantity)) - 计算每店铺平均成交单价：
groupingBy(item -> item.getShopId(), averagingDouble(item -> item.getPrice().doubleValue())) - 获取每用户购买的最高单价商品：
groupingBy(item -> item.getUserId(), collectingAndThen(maxBy(Comparator.comparing(OrderItem::getPrice)), Optional::get)) - 按类目分组并同时统计数量、总价、均价：
groupingBy(item -> item.getCategoryId(), summarizingDouble(item -> item.getPrice().multiply(BigDecimal.valueOf(item.getQuantity())).doubleValue()))
多级嵌套分组：处理复合分析需求
当需“先按类目，再按价格带”或“先按店铺，再按下单小时”时，可嵌套 groupingBy：
- 二级分组示例（类目 → 价格区间 → 子项列表）：
groupingBy(item -> item.getCategoryId(),<br> groupingBy(item -> item.getPrice().compareTo(BigDecimal.valueOf(50)) < 0 ? "0-50" : "50+")) - 三级统计（店铺 → 类目 → 总销售额）：
groupingBy(OrderItem::getShopId,<br> groupingBy(OrderItem::getCategoryId,<br> summingDouble(item -> item.getPrice().multiply(BigDecimal.valueOf(item.getQuantity())).doubleValue())))
注意：嵌套越深，Map 结构越复杂（如 Map<string map double>></string>），建议封装为静态方法或使用 record 类解包。
处理空值与异常：生产环境不可忽略
电商数据常含 null 字段（如未填类目、价格为 null），直接 map 可能抛 NPE：
- 安全取值：`item -> Optional.ofNullable(item.getCategoryId()).orElse("UNKNOWN")`
- 过滤脏数据：先用
filter预处理流，如 `.filter(item -> item.getPrice() != null && item.getQuantity() > 0)` - 自定义分组键对象时，确保 null 字段参与 equals/hashCode 计算（推荐用 Lombok 的 @Data + @NonNull 或手动处理）
不复杂但容易忽略。
