Краткий ответ

Downstream-коллектор определяет, как обрабатывать элементы внутри каждой группы после того, как groupingBy вычислит ключ. Для подсчёта элементов используется downstream-коллектор counting(), поэтому результатом становится карта ключей в количества, без накопления списков исходных элементов.

Исторический контекст

Обычные операции Stream хорошо описывают линейную обработку данных, но группировка требует одновременно разделять элементы по ключам и агрегировать каждую группу. Составные коллекторы появились как механизм композиции: внешний коллектор распределяет элементы по группам, а вложенный коллектор независимо обрабатывает содержимое каждой группы.

Это позволяет выразить не только накопление списков, но и подсчёт, суммирование, усреднение, поиск максимума или дополнительное преобразование результата без ручного управления промежуточными структурами.

Постановка проблемы

Наивная группировка обычно формирует Map<K, List<T>>, после чего списки отдельно обходят для подсчёта. Такой подход расходует память на все элементы групп и добавляет второй этап обработки.

Если нужны только количества, хранение самих элементов бессмысленно. Неверный выбор коллектора может увеличить потребление памяти, усложнить код и создать лишнюю работу, особенно при больших потоках данных.

Подробное решение

groupingBy выполняет две логические операции. Сначала классификатор вычисляет ключ группы, затем для соответствующей группы вызывается downstream-коллектор, который поддерживает собственное состояние накопления.

Для counting() этим состоянием является счётчик. При завершении сбора значение каждой группы преобразуется в число типа Long.

import java.util.List;
import java.util.Map;
import java.util.function.Function;
import java.util.stream.Collectors;

record Event(String type) {}

List<Event> events = List.of(
    new Event("login"), new Event("login"), new Event("purchase")
);

Map<String, Long> counts = events.stream()
    .collect(Collectors.groupingBy(Event::type, Collectors.counting()));

В результате counts содержит login → 2 и purchase → 1. В отличие от groupingBy(Event::type), промежуточные списки событий не создаются.

В параллельном стриме отдельные части могут сначала собираться в частичные карты, после чего groupingBy объединяет карты, а состояния downstream-коллекторов — соответствующим способом. Однако обычный groupingBy не означает автоматически конкурентную запись в одну общую карту; для другой модели работы существует groupingByConcurrent, но его применимость зависит от требований к порядку и характеристик downstream-коллектора.

Компромисс состоит в том, что downstream-коллектор должен соответствовать требуемому результату. counting() экономит память по сравнению с накоплением списков, но уже не позволяет восстановить сами элементы группы. Если позже понадобятся данные для дополнительного анализа, придётся выбрать другой коллектор или выполнить отдельный проход.

Ситуация из практики

Сервис анализирует миллионы событий и должен вернуть количество событий каждого типа. Вариант с группировкой в списки прост для понимания, но хранит все события и затем требует второго прохода для подсчёта.

Вариант с ручным изменением общей карты внутри forEach хуже подходит для Stream API: нужно самостоятельно обеспечивать корректность обновлений, а в параллельном режиме появляются проблемы синхронизации и масштабируемости.

Выбран groupingBy с downstream-коллектором counting(). Он непосредственно выражает требуемую агрегацию, не хранит ненужные элементы и позволяет Stream API корректно организовать частичное накопление и объединение результатов. Итогом становится одна карта с количеством событий по каждому типу.

Что кандидаты часто упускают

1. Чем downstream-коллектор отличается от обычной последующей обработки полученной карты?

Downstream-коллектор агрегирует каждую группу во время общей операции сбора. При последующей обработке Map<K, List<T>> сначала должны быть сохранены все элементы групп, а затем выполнен дополнительный проход. Поэтому downstream-подход может уменьшить память и число этапов обработки.

2. Можно ли считать counting() заменой toList() для любой задачи группировки?

Нет. counting() сохраняет только количество элементов и необратимо теряет сами значения. Если нужны элементы, их свойства или последующая фильтрация внутри группы, следует выбрать подходящий downstream-коллектор, например mapping, filtering, toList или собственный коллектор.

3. Что происходит с downstream-коллектором при параллельном сборе?

Параллельный сбор может создать несколько частичных состояний для одной логической группы. Затем эти состояния объединяются через combiner downstream-коллектора, а после завершения применяется его finisher, если он предусмотрен. Поэтому корректность результата зависит от контракта downstream-коллектора, прежде всего от корректности накопления и объединения частичных результатов.