Collectors.partitioningBy用于二值划分任务，依据布尔条件分高/低优先级；返回含true/false键的Map，支持下游收集器聚合，适合“是/否”决策而非多级排序。
用 Collectors.partitioningBy 对任务变量按优先级划分，核心是把它当作“二分过滤器”来用——它只支持布尔条件，所以适合将任务明确分为高/低（或紧急/非紧急）两类，而不是多级排序。
明确优先级划分的二值逻辑
该收集器本质是基于 Predicate 返回 true 或 false，把流中元素分成两个组（Map）。因此，你要先定义一个清晰的、可落地的二分标准，例如：
-
是否超时：
task.getDeadline().isBefore(Instant.now()) -
是否标记为关键：
task.isCritical() -
优先级数值阈值：
task.getPriority() > 7（假设 1–10，8+ 算高优）
基础用法：分出高优与普通任务
假设有 List，每个 Task 含 priority 字段（int 类型），按 ≥8 划为高优：
Map<boolean list>> partitioned = tasks.stream()
.collect(Collectors.partitioningBy(task -> task.getPriority() >= 8));
List<task> highPriority = partitioned.get(true); // 高优任务
List<task> normalPriority = partitioned.get(false); // 其余任务</task></task></boolean>
注意：partitioningBy 总是返回包含 true 和 false 键的 Map，即使某侧为空（对应空列表）。
结合下游收集器做聚合处理
若你还想在分组后进一步统计或转换，可传入下游收集器。例如，只保留高优任务的 ID 列表，同时统计普通任务总数：
Map<boolean> result = tasks.stream().collect(
Collectors.partitioningBy(
task -> task.getPriority() >= 8,
Collectors.collectingAndThen(
Collectors.mapping(Task::getId, Collectors.toList()),
ids -> ids.isEmpty() ? Collections.emptyList() : ids
)
)
);</boolean>
更实用的是对 false 组用 counting()：
Map<boolean long> countByPriority = tasks.stream()
.collect(Collectors.partitioningBy(
task -> task.getPriority() >= 8,
Collectors.counting()
));</boolean>
处理海量数据时的关键提醒
partitioningBy 本身不优化性能，它只是分组逻辑。面对海量任务（如百万级），需配合以下实践：
-
避免重复计算：把复杂判断逻辑提前缓存（如预计算
isHighPriority字段），别在 lambda 里反复调用耗时方法 -
慎用并行流：除非任务对象无状态且处理逻辑线程安全，并行
stream().parallel()可提升吞吐，但要注意partitioningBy的并发实现依赖于ConcurrentHashMap，结果一致但顺序不保证 -
内存友好替代：如果只是要分别处理两组，不用一次性全加载进内存，可考虑用
Iterator+ 手动遍历分类，或用Stream.iterate分批处理
它不是万能分级工具，但对“是/否”型优先级决策高效直观。真要三分（高/中/低）或按数值排序，应换用 groupingBy 或 sorted + toList。
