Collector、分组与归约
collect 把 Stream 中的元素累积到列表、Map 或自定义结果容器。Collector 定义容器怎样创建、元素怎样加入、并行结果怎样合并，以及最终需要返回什么类型。
1. collect 处理可变归约
把活跃用户收集到可变列表，可以写成：
List<User> activeUsers = users.stream()
.filter(User::active)
.collect(Collectors.toCollection(ArrayList::new));
这个过程可以理解为三步：
- 创建一个空
ArrayList。 - 遍历元素并调用
add。 - 返回累积完成的列表。
collect 的结果容器会在流水线内部修改，调用方不需要维护外部共享列表。并行执行时，每个分区可以先建立自己的容器，再按 Collector 的规则合并。
1.1 collect 与 reduce 的区别
reduce 更适合把元素合成一个不可变值：
int total = orders.stream()
.map(Order::amount)
.reduce(0, Integer::sum);
不要用 reduce 修改同一个 ArrayList：
// 错误示例：并行时多个任务可能共享并修改 identity
List<User> result = users.parallelStream().reduce(
new ArrayList<>(),
(list, user) -> {
list.add(user);
return list;
},
(left, right) -> {
left.addAll(right);
return left;
}
);
reduce 的 identity 和累积函数需要满足归约契约；把可变容器当成共享 identity 会破坏它。收集可变结果时使用 collect。
2. Collector 的五个组成部分
一个 Collector<T, A, R> 有三个类型参数：
T：Stream 中的元素类型。A：内部累积容器类型。R：最终结果类型。
它由五部分组成：
| 组成部分 | 作用 |
|---|---|
supplier | 创建新的累积容器 |
accumulator | 把一个元素加入容器 |
combiner | 合并两个分区的容器 |
finisher | 把累积容器转换成最终结果 |
characteristics | 声明并发、顺序和是否无需转换等特征 |
下面是一个简化的字符串拼接 Collector：
Collector<String, StringJoiner, String> commaSeparated = Collector.of(
() -> new StringJoiner(", "),
StringJoiner::add,
StringJoiner::merge,
StringJoiner::toString
);
String names = users.stream()
.map(User::displayName)
.collect(commaSeparated);
串行流中 combiner 可能不会执行，但它仍然是 Collector 契约的一部分。缺少正确的合并规则，自定义 Collector 一旦并行就会丢数据或产生错误顺序。
3. 收集到 List、Set 与不可修改结果
常用写法包括：
List<String> names = users.stream()
.map(User::displayName)
.collect(Collectors.toList());
Set<String> roles = users.stream()
.flatMap(user -> user.roles().stream())
.collect(Collectors.toSet());
List<String> immutableNames = users.stream()
.map(User::displayName)
.collect(Collectors.toUnmodifiableList());
Collectors.toList() 不承诺具体实现类型，也不承诺可变性、线程安全性或可序列化性。需要明确的容器能力时，直接指定工厂：
LinkedHashSet<String> orderedRoles = users.stream()
.flatMap(user -> user.roles().stream())
.collect(Collectors.toCollection(LinkedHashSet::new));
Stream.toList() 明确返回不可修改列表；它与 Collectors.toList() 的契约不同。
4. toMap 必须处理键冲突
如果键确定唯一，可以使用两个参数的 toMap：
Map<Long, User> usersById = users.stream()
.collect(Collectors.toMap(User::id, Function.identity()));
遇到重复键时，这个 Collector 会抛出 IllegalStateException。键可能重复时，需要提供合并函数：
Map<String, User> latestByEmail = users.stream()
.collect(Collectors.toMap(
User::email,
Function.identity(),
(left, right) -> left.updatedAt().isAfter(right.updatedAt())
? left
: right
));
如果还需要保持遇到顺序，可以指定 Map 工厂：
Map<String, User> ordered = users.stream()
.collect(Collectors.toMap(
User::email,
Function.identity(),
(left, right) -> right,
LinkedHashMap::new
));
合并函数不是为了消除异常而随便补上的参数。它定义了数据冲突的处理规则，应该能解释为什么保留左值、右值或合并后的新值。
5. groupingBy 与下游 Collector
按部门分组会得到 Map<Department, List<User>>：
Map<Department, List<User>> usersByDepartment = users.stream()
.collect(Collectors.groupingBy(User::department));
groupingBy 的第二个参数是下游 Collector。它决定每组怎样继续归约：
Map<Department, Long> counts = users.stream()
.collect(Collectors.groupingBy(
User::department,
Collectors.counting()
));
Map<Department, Set<String>> roleNames = users.stream()
.collect(Collectors.groupingBy(
User::department,
Collectors.flatMapping(
user -> user.roles().stream(),
Collectors.toSet()
)
));
常用下游 Collector 还包括：
mapping：先转换组内元素。filtering：只收集组内满足条件的元素，同时保留空组。summingInt、averagingLong：聚合数值。maxBy、minBy：查找组内极值。collectingAndThen：在下游结果完成后再转换。
5.1 partitioningBy 只产生两个布尔分区
Map<Boolean, List<User>> partition = users.stream()
.collect(Collectors.partitioningBy(User::active));
partitioningBy 的键固定为 true 和 false，适合二元条件。需要按多个业务键分类时使用 groupingBy。
6. 归约必须满足结合律
并行归约会改变分组和合并顺序。合并操作必须满足结合律：
(a op b) op c == a op (b op c)
整数加法满足这个条件，整数减法不满足：
int value = Stream.of(10, 3, 2)
.reduce(0, (left, right) -> left - right);
串行执行得到的某个结果，不能保证与不同分区方式下的并行结果相同。浮点加法在数学上可结合，但受舍入影响也可能因为合并顺序不同产生细小差异。
Collector 还要求：
- 同一个输入在等价分区方式下得到等价结果。
combiner能合并两个独立累积容器。- 声明
CONCURRENT前，累积容器和累积操作确实支持并发。 - 声明
IDENTITY_FINISH时，A能直接作为R返回。
7. 常见问题
7.1 groupingBy 会保留输入顺序吗
默认外层 Map 的类型没有顺序承诺。组内列表在有序串行流中通常保留遇到顺序，但如果业务依赖外层键顺序，应该显式提供 LinkedHashMap 工厂；需要排序键时使用 TreeMap。
Map<Department, List<User>> ordered = users.stream()
.collect(Collectors.groupingBy(
User::department,
LinkedHashMap::new,
Collectors.toList()
));
7.2 groupingByConcurrent 一定更快吗
不一定。它允许并发累积，并通常返回 ConcurrentMap，但需要无序语义或接受相应顺序约束。数据量、键分布、下游 Collector 和合并成本都会影响结果，热点键还可能形成竞争。
7.3 如何同时计算多个统计值
可以使用 summarizingInt 得到数量、总和、最小值、最大值和平均值，也可以用 teeing 把两个 Collector 的结果合并。统计口径复杂时，定义有名字的结果类型通常比嵌套 Map 更容易维护。
7.4 收集结果里可以包含 null 吗
取决于 Collector 的具体契约。toUnmodifiableList、toUnmodifiableSet 和 toUnmodifiableMap 不允许 null。toMap 对键和值的限制还会受目标 Map 实现影响。不要把“某个当前实现能保存 null”当作所有 Collector 的统一保证。
8. 面试题
8.1 使用 Stream 把人员列表转换成 Map，重复姓名怎样处理
出现公司：飞猪
考察重点
Collectors.toMap的键函数、值函数与合并函数。- 重复键为什么不是单纯的语法问题。
- 结果 Map 的顺序和实现是否需要显式指定。
相关内容：第 4 节“toMap 必须处理键冲突”。
参考回答
可以使用 Collectors.toMap(Person::name, Function.identity(), mergeFunction)。不提供合并函数时，重复键会抛出 IllegalStateException。如果姓名不是唯一标识，更合理的结果可能是 groupingBy(Person::name)；如果业务确认只保留一条，则合并函数应按版本、更新时间或明确优先级选择，不能无依据地丢弃。
如果调用方还依赖遍历顺序，需要通过第四个参数指定 LinkedHashMap::new，而不是依赖默认 Map 的当前实现。
8.2 collect 和 reduce 应该怎样选择
出现公司：经纬恒润
考察重点
- 不可变值归约与可变容器累积的区别。
- identity、累积函数和组合函数需要满足的契约。
- 串行代码为什么可能在并行后暴露错误。
相关内容：第 1 节“collect 处理可变归约”、第 6 节“归约必须满足结合律”。
参考回答
把元素合成一个值，例如求和、最值或不可变对象时使用 reduce；把元素放进列表、Map 或其他可变容器时使用 collect。collect 会为分区创建独立累积容器，并通过 combiner 合并。
无论使用哪一种，并行执行都要求组合规则满足结合律，identity 与累积函数保持一致。不能因为串行测试通过，就假定修改共享容器的归约写法是正确的。