Java Stream 分组统计实战：groupingBy、counting 和 summarizingInt 怎么用

业务代码里经常会遇到这种需求：一批订单按状态统计数量、按用户汇总金额、按分类算平均值。很多人第一反应是写循环和多个 Map，当然能做，但代码会越来越散。

Java Stream 的 Collectors.groupingBy() 更适合这类“先分组，再聚合”的场景。本文用订单列表做例子，讲清分组计数、分组求和，以及用 summarizingInt 一次拿到多项统计指标。

适合人群

适合已经会使用 Java 集合和 Lambda 的开发者。如果你经常写列表统计、报表小接口、管理后台汇总数据，这篇文章可以直接套用。

目录

• 准备一份订单数据
• 按订单状态分组计数
• 按用户汇总订单金额
• 用 summarizingInt 一次拿到多项统计
• 常见坑位和使用建议

准备一份订单数据

先定义一个简单的订单记录。这里为了让示例聚焦统计逻辑，只保留用户、状态和金额三个字段。

import java.util.List;

record Order(String userId, String status, int amount) {}

List orders = List.of(
    new Order("u01", "PAID", 120),
    new Order("u02", "PAID", 80),
    new Order("u01", "REFUND", 30),
    new Order("u03", "NEW", 200),
    new Order("u02", "PAID", 60)
);

接下来所有统计都基于这份列表完成。真实项目里，orders 可能来自数据库查询结果、消息消费结果，或者某个接口的内存聚合。

按订单状态分组计数

最常见的统计是“每种状态有多少单”。用 groupingBy 搭配 counting 就能完成：

import java.util.Map;
import java.util.stream.Collectors;

Map countByStatus = orders.stream()
    .collect(Collectors.groupingBy(
        Order::status,
        Collectors.counting()
    ));

System.out.println(countByStatus);

输出可能是：

{NEW=1, REFUND=1, PAID=3}

这段代码的含义是：先按 Order::status 取分组 key，再对每组元素做 counting 聚合。下面这张图把数据从列表到分组结果的流向拆开看。

按用户汇总订单金额

如果要统计每个用户的订单金额总和，可以把下游收集器换成 summingInt：

Map amountByUser = orders.stream()
    .collect(Collectors.groupingBy(
        Order::userId,
        Collectors.summingInt(Order::amount)
    ));

System.out.println(amountByUser);

输出可能是：

{u01=150, u02=140, u03=200}

这里的关键是：groupingBy 负责把订单按用户切成几组，summingInt 只关心每组里的金额字段怎么相加。

用 summarizingInt 一次拿到多项统计

如果一个接口既要返回订单数，又要返回总金额、最大金额、平均金额，可以使用 summarizingInt。它会返回 IntSummaryStatistics，里面包含多项统计结果。

import java.util.IntSummaryStatistics;

IntSummaryStatistics stats = orders.stream()
    .collect(Collectors.summarizingInt(Order::amount));

System.out.println("count = " + stats.getCount());
System.out.println("sum = " + stats.getSum());
System.out.println("max = " + stats.getMax());
System.out.println("avg = " + stats.getAverage());

如果想先按状态分组，再对每个状态分别做金额统计，也可以把它作为 groupingBy 的下游统计器：

Map amountStatsByStatus = orders.stream()
    .collect(Collectors.groupingBy(
        Order::status,
        Collectors.summarizingInt(Order::amount)
    ));

这类写法很适合报表接口：先选好分组维度，再选好每组需要的指标。

常见坑位和使用建议

1. 注意返回类型

counting() 返回的是 Long，不是 Integer。如果你把结果塞进 DTO，字段类型要提前对齐。

2. key 可能为空时要先处理

分组 key 如果可能为 null，建议在进入分组之前先做过滤或默认值转换，否则后续展示层很容易出现奇怪分组。

3. 复杂统计不要硬塞进一行

Stream 适合表达清晰的数据流。如果统计逻辑已经包含多种判断、补偿规则和外部查询，拆成几个具名方法反而更容易维护。

4. 大数据量统计优先交给数据库

Stream 分组适合内存中的中小批量数据。如果数据量很大，并且统计维度能用 SQL 表达，优先让数据库完成过滤和聚合，Java 侧只做结果整理。

小结

groupingBy 解决“按什么分组”，counting、summingInt、summarizingInt 解决“每组怎么算”。把这两个层次分开理解，Java Stream 的分组统计就会变得很自然。日常写报表接口时，先确定分组 key，再选择合适的下游统计器，代码会比手写多个循环更集中、更容易检查。