用Collectors.groupingBy做复杂报表需分层设计+下游收集器组合：按业务维度分三级（如城市→区县→类目），避免嵌套；多字段分组用record定义语义化键；一维多指标用summarizingDouble或reducing；空值通过filter或orElse处理；并发时指定ConcurrentHashMap。
用 Collectors.groupingBy 做复杂报表，核心不是堆嵌套，而是分层设计+下游收集器组合。关键在于把“维度”拆成逻辑层级，再为每层匹配合适的聚合方式。
按业务维度分层建模，避免硬编码嵌套
比如要出一份“城市→区县→商品类目”的三级销售报表，不要写三层 groupingBy(groupingBy(groupingBy(...)))。先明确：城市是第一级主维度，区县是第二级子维度，商品类目是第三级统计单元。代码应体现这个逻辑：
- 第一层用
groupingBy(Info::getCityCode)拆出各市数据 - 第二层用下游
groupingBy(Info::getCountyCode)在每个市内再分县 - 第三层不继续嵌套，改用
summarizingDouble(Info::getSalesAmount)或自定义collectingAndThen计算指标
多字段联合分组，用 record 定义语义化键
当需要同时按“用户等级 + 月份”或“地区 + 会员类型”分组时，直接拼字符串（如 e.getLevel() + "-" + e.getMonth()）易出错、难维护。推荐用 Java 14+ 的 record 构建复合键：
public record ReportKey(String level, String month) {}- 分组时写
groupingBy(e -> new ReportKey(e.getLevel(), e.getMonth())) - 后续可直接在 key 上做 equals/hashCode 判断，也方便日志打印和调试
一维分组但需多指标聚合，优先用 summarizingDouble 或 reducing
报表常要求一个分组下同时输出总金额、订单数、平均折扣率、最早下单时间等异构指标。此时别用多个 groupingBy 分别算，而应：
- 对单一维度（如按商品类别），用
summarizingDouble(Order::getAmount)快速拿到 count/sum/avg/min/max - 若含 null 值、时间、BigDecimal 或需自定义逻辑（如折扣率 = 折扣总额 ÷ 原价总额），就用
reducing配合自定义容器（如OrderStats类） - 示例：按用户等级分组后，既要总消费，又要最早下单时间，还要过滤掉 discount 为 null 的记录——
reducing是唯一能一次遍历全量计算的方案
处理空值与默认归类，提前在流中干预
实际数据总有缺失：部门为空、城市码为空、会员等级未设置。这些值默认会被分到 null 键下，但接口返回或前端展示时往往不认 null 键，导致数据丢失。
- 跳过无效项：在 collect 前加
.filter(e -> e.getCityCode() != null) - 归入默认分类：用
Optional.ofNullable(e.getCityCode()).orElse("UNKNOWN")替换键值 - 并发场景注意：大数据量并行流下，必须显式指定
groupingBy(classifier, ConcurrentHashMap::new, downstream)，否则 HashMap 线程不安全
