Java Stream API 的 groupingBy 支持多级分组、动态键生成和分组后聚合，需合理组合下游收集器、自定义分类函数及避免空值、并发与性能陷阱，以提升可读性与维护性。
Java Stream API 提供了简洁、函数式的方式来处理集合，但面对复杂分组逻辑（如多级条件、嵌套分组、动态键生成、带聚合计算的分组等），单纯使用 Collectors.groupingBy 容易陷入嵌套过深或可读性差的问题。关键在于合理组合收集器、自定义分类函数，并善用下游收集器的组合能力。
多级分组：按城市再按年龄段分组用户
常见需求是先按一个字段分组，再在子组内按另一条件细分。Stream 支持递归式下游收集器，无需手动嵌套循环。
示例：将 List<user></user> 按 city 分组，每组内再按年龄段（如 "0-18", "19-35", "36+"）分组：
Map<String, Map<String, List<User>>> grouped = users.stream()
.collect(Collectors.groupingBy(
User::getCity,
Collectors.groupingBy(user -> {
int age = user.getAge();
if (age <= 18) return "0-18";
else if (age <= 35) return "19-35";
else return "36+";
})
));
注意：第二层分组函数返回的是字符串键，类型自动推导；若需强类型控制，可定义枚举代替字符串。
立即学习“Java免费学习笔记（深入）”；
动态键分组：按业务规则生成复合分组键
当分组逻辑涉及多个字段组合、状态判断或外部参数时，推荐封装为独立方法或使用 Lambda 表达式构造唯一键。
- 避免拼接字符串作为键（如
city + "_" + status），易出错且不可读 - 推荐使用记录类（record）或简单内部类作为分组键，天然支持 equals/hashCode
- 也可用
AbstractMap.SimpleEntry快速构建二元键（适合临时场景）
示例（使用 record）：
record LocationStatus(String city, String status) {}
Map<LocationStatus, List<User>> byCityAndStatus = users.stream()
.filter(u -> u.isActive())
.collect(Collectors.groupingBy(
u -> new LocationStatus(u.getCity(), u.getAccountType())
));
分组后聚合：每组统计数量、平均值或自定义对象
分组不只为拆分数据，常需进一步聚合。Collectors 提供丰富下游收集器，可链式组合：
-
Collectors.counting()→ 统计每组数量 -
Collectors.averagingDouble(User::getSalary)→ 计算平均薪资 -
Collectors.collectingAndThen(..., Collections::unmodifiableList)→ 包装不可变结果 -
Collectors.toMap(...)配合Collectors.reducing实现复杂聚合（如最大薪资用户）
示例：按部门分组，返回每个部门的员工数、平均年龄和最高薪资者姓名：
Map<String, DepartmentSummary> summary = users.stream()
.collect(Collectors.groupingBy(
User::getDepartment,
Collectors.collectingAndThen(
Collectors.collectingAndThen(
Collectors.toList(),
list -> new DepartmentSummary(
list.size(),
list.stream().mapToInt(User::getAge).average().orElse(0.0),
list.stream()
.max(Comparator.comparing(User::getSalary))
.map(User::getName)
.orElse("N/A")
)
),
Function.identity()
)
));
避免常见陷阱
复杂分组容易踩坑，几个实用提醒：
- 空集合或 null 值：在分组前用
filter(Objects::nonNull)或对字段做非空校验 - 并发安全：如需并行处理，改用
Collectors.groupingByConcurrent，但注意 key 类型必须线程安全 - 性能敏感场景：避免在分组键函数中执行重操作（如数据库查询、文件读取），应提前预加载所需数据
- 可读性优先：逻辑过重时，拆分为多个中间流操作或提取为命名方法，比一行超长 Lambda 更易维护
Stream 分组能力强大，但核心仍是“清晰表达意图”。把分组逻辑视为数据转换的第一步，后续聚合与封装才是价值所在。
