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
publicMap<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());returnMap.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
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
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
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！
