Java Stream 实战：订单商品ID过滤技巧（由浅入深）

Java Stream 实战：订单商品ID过滤技巧（由浅入深）

在电商系统开发中，我们经常需要根据订单项中的商品ID状态进行过滤处理。本文将详细介绍两种高频使用场景的实现方法，从基础到进阶，帮助你掌握Stream API的精髓。

一、基础场景：订单项中存在空商品ID的订单

原始写法（存在问题）

List<Order> collect = siteOrderList.stream().filter(order -> {
    // 订单项中存在商品ID为空的
    order.getOrderItems().stream().filter(item -> item.getSkuId() == null)
}).collect(Collectors.toList());

问题分析：filter()内部使用了无终止操作的stream，无法返回布尔值

正确实现

// 找出订单项中存在商品ID为空的订单
List<Order> ordersWithNullSku = siteOrderList.stream()
    .filter(order -> order.getOrderItems().stream()
        .anyMatch(item -> item.getSkuId() == null))
    .collect(Collectors.toList());

关键点：

• 使用anyMatch()替代filter()作为终端操作
• anyMatch()返回boolean值，符合filter条件
• 时间复杂度：O(n*m)，n为订单数，m为订单项数

二、进阶场景：订单项中所有商品ID均非空

原始写法（不完整）

siteOrderList.stream().filter(order -> {
    // 订单项中商品ID都不是空的
    List<OrderItem> collect1 = order.getOrderItems().stream()
        .filter(item -> item.getSkuId() != null)
        .collect(Collectors.toList());
});

问题分析：缺少终端操作，collect未使用

正确实现

// 找出订单项中商品ID都不是空的订单
List<Order> ordersWithoutNullSku = siteOrderList.stream()
    .filter(order -> order.getOrderItems().stream()
        .allMatch(item -> item.getSkuId() != null))
    .collect(Collectors.toList());

核心技巧：

• 使用allMatch()确保所有元素满足条件
• 短路操作：遇到第一个不满足条件即终止
• 性能优于noneMatch(item -> item.getSkuId() == null)

三、性能优化技巧

并行处理（大数据量场景）

List<Order> largeOrders = siteOrderList.parallelStream()
    .filter(order -> order.getOrderItems().parallelStream()
        .allMatch(item -> item.getSkuId() != null))
    .collect(Collectors.toList());

适用场景：

• 订单量 > 10,000
• 多核CPU环境
• 注意：小数据量可能降低性能

缓存优化（重复过滤场景）

Map<Boolean, List<Order>> partitionedOrders = siteOrderList.stream()
    .collect(Collectors.partitioningBy(order ->
        order.getOrderItems().stream()
            .allMatch(item -> item.getSkuId() != null)
    ));

List<Order> validOrders = partitionedOrders.get(true);
List<Order> invalidOrders = partitionedOrders.get(false);

优势：

• 单次遍历完成两种过滤
• 后续可直接使用分类结果
• 减少重复计算

四、实战应用示例

场景：订单校验系统

public Map<String, List<Order>> validateOrders(List<Order> orders) {
    List<Order> validOrders = orders.stream()
        .filter(order -> order.getOrderItems().stream()
            .allMatch(item -> item.getSkuId() != null))
        .collect(Collectors.toList());
    
    List<Order> invalidOrders = orders.stream()
        .filter(order -> order.getOrderItems().stream()
            .anyMatch(item -> item.getSkuId() == null))
        .collect(Collectors.toList());
    
    return Map.of(
        "valid", validOrders,
        "invalid", invalidOrders
    );
}

执行结果示例：

订单类型	数量	占比
有效订单	1,245	82.3%
无效订单	270	17.7%

五、最佳实践总结

1. 匹配操作选择：

   • anyMatch()：存在至少一个满足条件的元素
   • allMatch()：所有元素都满足条件
   • noneMatch()：没有元素满足条件

2. 性能优化原则：

   • 优先使用短路操作（anyMatch/allMatch）
   • 大数据量考虑并行流
   • 避免嵌套多层filter

3. 可读性提升技巧：

   // 提取Predicate提升可读性
   Predicate<OrderItem> hasValidSku = item -> item.getSkuId() != null;
   
   List<Order> validOrders = orders.stream()
       .filter(order -> order.getOrderItems().stream()
           .allMatch(hasValidSku))
       .collect(Collectors.toList());

经验分享 ：在实际项目中，这类过滤操作可封装为独立方法，结合Spring的@Service注解实现复用。例如订单校验服务、库存预检服务等场景均可使用此模式。

通过掌握这些Stream API技巧，你可以显著提升订单处理逻辑的简洁性和执行效率，让代码既优雅又高效！