java流stream中的Collectors中groupingBy源码笔记

    /**
     * Returns a {@code Collector} implementing a cascaded "group by" operation
     * on input elements of type {@code T}, grouping elements according to a
     * classification function, and then performing a reduction operation on
     * the values associated with a given key using the specified downstream
     * {@code Collector}.  The {@code Map} produced by the Collector is created
     * with the supplied factory function.
     返回一个可级联的实现了分组功能的收集器，这个收集器根据T类型的输入参数，通过分类函数进行分类，然后使用指定的下游收集器执行一个汇聚操作。这个收集器的结果容器Map，由给定的工厂方法提供。
     *
     * 
The classification function maps elements to some key type {@code K}.
     * The downstream collector operates on elements of type {@code T} and
     * produces a result of type {@code D}. The resulting collector produces a
     * {@code Map}.
     分类方法将T类型的输入元素映射为K类型的key，作为结果map的key,下游收集器将T类型的输入元素转化为D类型的结果元素，最终结果收集器生产出Map的结果。
     *
     * 
For example, to compute the set of last names of people in each city,
     * where the city names are sorted:
     例子，收集人民群众的姓氏，结果根据城市分组。
     * 
{@code
     * Map> namesByCity
     *   = people.stream().collect(
     *     groupingBy(Person::getCity,对应分类函数classifier
     *                TreeMap::new,对应结果容器工厂mapFactory
     *                mapping(Person::getLastName, 对应下游收集器downstream
     *                        toSet())));
     * }
     *groupingBy对应结果收集器，是最终的收集器。
     * @implNote
     * The returned {@code Collector} is not concurrent.  For parallel stream
     * pipelines, the {@code combiner} function operates by merging the keys
     * from one map into another, which can be an expensive operation.  If
     * preservation of the order in which elements are presented to the downstream
     * collector is not required, using {@link #groupingByConcurrent(Function, Supplier, Collector)}
     * may offer better parallel performance.
     返回的收集器不是并发的，对于并发流来说，组合器合并map的操作可能会很耗性能。
     如果不需要保持元素在流中的顺序，推荐使用groupingByConcurrent，这可能要比使用parallel stream的性能更好。
     
     * @param  the type of the input elements T：输入元素的类型
     * @param  the type of the keys K：结果map中的key类型。
     * @param  the intermediate accumulation type of the downstream collector
     * @param  the result type of the downstream reduction
     * @param  the type of the resulting {@code Map}
     * @param classifier a classifier function mapping input elements to keys
     * @param downstream a {@code Collector} implementing the downstream reduction
     * @param mapFactory a supplier providing a new empty {@code Map}
     *                   into which the results will be inserted
     * @return a {@code Collector} implementing the cascaded group-by operation
     *
     * @see #groupingBy(Function, Collector)
     * @see #groupingBy(Function)
     * @see #groupingByConcurrent(Function, Supplier, Collector)
     T：输入元素的类型。
     K：结果map中的key类型。
     A: 下游收集器的累加器的容器类型（累加器的第一个参数）。
     D: 下游收集器的结果类型。当下游收集器没有finisher的时候，A和D是直接相等的。A强转为D。
     M: 最终结果类型，即Map
     最后返回一个实现了可级联分组的收集器。
     
     这个方法总体来讲，就是给一个分组器，一个最终类型的生产者，一个收集器，根据这三个参数，来改造出一个能分组的收集器。
     */
    public static > //注意这里有5个参数类型
    Collector groupingBy(Function classifier,
                                  Supplier mapFactory,
                                  Collector downstream) {
        Supplier downstreamSupplier = downstream.supplier();
        BiConsumer downstreamAccumulator = downstream.accumulator();
        BiConsumer, T> accumulator = (m, t) -> {
            // 根据分类器得到的值，最为最终map中的键
            K key = Objects.requireNonNull(classifier.apply(t), "element cannot be mapped to a null key");
            // 得到一下游收集器的生产者生产的容器，最为最终map中的值。
            A container = m.computeIfAbsent(key, k -> downstreamSupplier.get());
            // 消费这两个参数，进行累加操作，相当于修改了下游收集器的收集过程，让其成为最终收集器的累加器，累积出最终收集器需要的中间结果。
            downstreamAccumulator.accept(container, t);
        };
        // 传入下游收集器的合并器，得到一个新的合并器，合并器合出来的值是经过改造的累加器的结果，所以是合出的最终类型Map
        BinaryOperator> merger = Collectors.>mapMerger(downstream.combiner());
        // 将Map类型的mapFactory强转为Map类型，这其中包含了A到D的强转。
        @SuppressWarnings("unchecked")
        Supplier> mangledFactory = (Supplier>) mapFactory;
        // 如果集合特性包含IDENTITY_FINISH，说明下游收集器的中间结果就是最终结果，不用再处理finisher
        if (downstream.characteristics().contains(Collector.Characteristics.IDENTITY_FINISH)) {
            return new CollectorImpl<>(mangledFactory, accumulator, merger, CH_ID);
        } else {
            //将下游收集器的finisher强转为输入A，输出A的finisher（限定类型）
            @SuppressWarnings("unchecked")
            Function downstreamFinisher = (Function) downstream.finisher();
            // 用强转好的finisher，处理所有元素，这时的元素是一个一个的map（前面合并的）
            // intermediate代表一个map，将每个map都用改过的finisher处理一下，得到Map类型，再强转一下，将Map强转为Map
            Function, M> finisher = intermediate -> {
                // 这里replace的只是value，将value处理成A类型
                intermediate.replaceAll((k, v) -> downstreamFinisher.apply(v));
                @SuppressWarnings("unchecked")
                M castResult = (M) intermediate;
                return castResult;
            };
            return new CollectorImpl<>(mangledFactory, accumulator, merger, finisher, CH_NOID);
        }
    }


    /**
     * {@code BinaryOperator