Stream API 进阶
第 8 章介绍了 Stream 的过滤、映射与基础收集器。本章深入三个高频进阶点：分组、分区，以及并行流。
1. groupingBy 与下游收集器
Collectors.groupingBy 把元素按某键分组，结果默认是 Map<K, List<T>>。真正强大的是它的第二个参数——下游收集器，决定每组内部怎么聚合：
record Order(String customer, double amount) {}
List<Order> orders = List.of(
new Order("A", 100), new Order("A", 200),
new Order("B", 50), new Order("B", 80), new Order("B", 70)
);
// 每个客户的订单数
Map<String, Long> count = orders.stream()
.collect(Collectors.groupingBy(Order::customer, Collectors.counting()));
// 每个客户的总金额
Map<String, Double> total = orders.stream()
.collect(Collectors.groupingBy(Order::customer,
Collectors.summingDouble(Order::amount)));
// 每个客户的金额列表（已排序）
Map<String, List<Double>> byCust = orders.stream()
.collect(Collectors.groupingBy(Order::customer,
Collectors.mapping(Order::amount, Collectors.toList())));2. partitioningBy 二分区
当分组键是布尔值时，用 partitioningBy 更直接，结果固定是 Map<Boolean, List<T>>：
Map<Boolean, List<Integer>> byParity = List.of(1, 2, 3, 4, 5).stream()
.collect(Collectors.partitioningBy(n -> n % 2 == 0));
// {false=[1, 3, 5], true=[2, 4]}ℹ️groupingBy 多级分组
groupingBy 的下游收集器还能再嵌 groupingBy，实现「先按部门、再按职级」的多级分组，结果类型是嵌套 Map。
3. 并行流 parallelStream
在流上调用 .parallel() 或 parallelStream()，框架会用公共 ForkJoinPool 把任务拆到多个线程：
long sum = LongStream.rangeClosed(1, 100_000_000)
.parallel()
.sum();⚠️并行流不是银弹
并行有开销：拆分、合并、线程调度。数据量小或操作很轻时，并行反而更慢。且流内部若用到共享可变状态（如外部 ArrayList 做 forEach 收集），会产生线程安全问题——并行流的结果必须靠真正的收集器产出。
4. 何时用并行
- ✅ 数据量大（十万级以上）、操作是纯计算（无 I/O、无共享状态）
- ❌ 涉及网络/磁盘 I/O（会阻塞线程池）
- ❌ 操作依赖顺序（如
findFirst在并行下仍要保序，得不偿失）
小结
- ✅
groupingBy+ 下游收集器（counting / summingDouble / mapping）做复杂聚合 - ✅
partitioningBy处理布尔二分区 - ✅ 多级
groupingBy产生嵌套 Map - ✅ 并行流适合「大数据量 + 纯计算」，避免共享可变状态
- ✅ 不要为并行而并行，先用顺序流验证正确性