Java数据填充（Data Enrichment） 场景， “1 + N 查询优化”。

场景假设

• 你有一个 Picture 列表，每个 Picture 对象都包含一个 userId，但没有完整的用户信息（如用户名、头像等）。
• 你需要将这个 Picture 列表转换为 PictureVO 列表，其中每个 PictureVO 需要包含发布者的完整 User 信息。
• userService 提供了通过用户 ID 列表批量查询用户的方法 listByIds(Collection<ID> ids)。

低效的 “反模式”

在解释这段段代码之前，我们先看一下错误的做法，这样能更好地理解优化的价值。

如果没有优化，开发者可能会这样写：

// 1. 收集所有不重复的 userId
Set<Long> userIdSet = pictureList.stream().map(Picture::getUserId).collect(Collectors.toSet());

// 2. 一次性批量查询所有用户，并按 userId 分组
Map<Long, List<User>> userIdUserListMap = userService.listByIds(userIdSet).stream()
        .collect(Collectors.groupingBy(User::getId));

问题：如果 pictureVOList 有 100 个元素，这段代码会发起 1 次 查询获取图片列表，然后再发起 100 次 查询来获取每个图片对应的用户，总共 101 次 数据库交互。这会给数据库带来巨大压力，导致系统性能急剧下降。

高效的 “正模式”：

第 1 步：准备数据（发起 2 次数据库查询）

// 1. 收集所有不重复的 userId
Set<Long> userIdSet = pictureList.stream().map(Picture::getUserId).collect(Collectors.toSet());

// 2. 一次性批量查询所有用户，并按 userId 分组
Map<Long, List<User>> userIdUserListMap = userService.listByIds(userIdSet).stream()
        .collect(Collectors.groupingBy(User::getId));

详细解释：

1. Set<Long> userIdSet = ...

   • pictureList.stream(): 将 pictureList 转换为一个流（Stream），以便进行后续的链式操作。
   • .map(Picture::getUserId): 这是一个映射操作。它会遍历流中的每一个 Picture 对象，并通过方法引用 Picture::getUserId 提取出 userId。执行完这一步，流中的元素从 Picture 对象变成了 Long 类型的 userId。
   • .collect(Collectors.toSet()): 这是一个收集操作。它将流中的所有 userId 收集到一个 Set 集合中。
   • 为什么用 Set？ Set 集合的特性是元素唯一。这样做可以自动去除 pictureList 中重复的 userId，确保下一步查询的用户列表中没有重复数据，提高效率。

2. Map<Long, List<User>> userIdUserListMap = ...

   • userService.listByIds(userIdSet): 这是关键的优化点。它调用 userService 的批量查询方法，一次性将上一步收集到的所有 userId 对应的 User 对象从数据库中查询出来，返回一个 List<User>。这只发起了 1 次数据库查询。
   • .stream(): 将查询回来的 List<User> 再次转换为流。
   • .collect(Collectors.groupingBy(User::getId)): 这是一个非常强大的分组收集器。
     • 它会根据 User::getId 的返回值（即 userId）对流中的 User 对象进行分组。
     • 最终生成一个 Map，其中：
       • Key: 是 userId ( Long 类型)。
       • Value: 是一个 List<User>，包含了所有具有该 userId 的 User 对象。在正常情况下，这个 List 应该永远只有一个元素，因为 userId 是唯一的。

经过第 1 步，我们得到了一个 Map，它像一个 “用户信息查找表”，可以让我们通过 userId 快速定位到对应的 User 对象。

第 2 步：填充数据（内存操作，无数据库查询）

// 2. 填充信息
pictureVOList.forEach(pictureVo -> {
    Long userId = pictureVo.getUserId();
    User user = null;
    // 使用 Map 进行 O(1) 复杂度的快速查找
    if (userIdUserListMap.containsKey(userId)) {
        user = userIdUserListMap.get(userId).get(0);
    }
    // 将 User 对象转换为 VO 并设置到 PictureVO 中
    pictureVo.setUser(userService.getUserVo(user));
});

详细解释：

1. pictureVOList.forEach(...): 遍历需要返回给前端的 PictureVO 列表。
2. Long userId = pictureVo.getUserId();: 从当前 PictureVO 中获取 userId。
3. if (userIdUserListMap.containsKey(userId)): 检查我们在上一步创建的 “查找表” userIdUserListMap 中是否包含这个 userId。
4. user = userIdUserListMap.get(userId).get(0);:
   • userIdUserListMap.get(userId): 通过 userId 从 Map 中获取对应的 List<User>。这个操作的时间复杂度是 O(1)，非常快。
   • .get(0): 从 List 中取出第一个元素。如前所述，这个 List 应该只有一个 User 对象。
5. pictureVo.setUser(userService.getUserVo(user));:
   • 调用 userService.getUserVo(user) 将 User 实体对象转换为 UserVO 视图对象（这是为了隐藏敏感信息，只返回前端需要的数据）。
   • 将转换后的 UserVO 设置到 PictureVO 的 user 字段中。

经过第 2 步，所有 PictureVO 对象都已经填充好了完整的用户信息。

总结

步骤	操作	数据库查询次数	目的
1.1	stream().map().collect()	0	从图片列表中提取出所有不重复的 userId。
1.2	userService.listByIds().stream().collect()	1 次	批量查询所有用户，并构建一个 userId -> User 的快速查找 Map。
2	forEach(...)	0	遍历结果列表，利用 Map 快速填充用户信息。

最终效果：将数据库查询次数从 O (N) 降低到了 O (1)（固定的 2 次），极大地提升了系统性能和响应速度。这是处理 “一对多” 数据填充问题的标准和最佳实践。