跨店满减金额动态计算采用内存map聚合与规则匹配实现毫秒级处理：先用concurrenthashmap按shopid累加折扣后商品金额，再按阈值降序匹配满减规则，最后依平台规则全局累计并分摊减免。
在轻量级订单系统中，跨店满减金额的动态计算不需要引入复杂规则引擎或分布式事务。核心思路是：用 Map 作为内存中的“临时结算上下文”，按店铺聚合商品金额，再统一应用满减规则——整个过程不依赖数据库、无远程调用，纯内存计算，毫秒级完成。
用 Map 按店铺 ID 聚合商品金额
用户购物车中商品来自不同店铺，需先归类。把 shopId → totalAmount 映射存入 HashMap：
- 遍历购物车每项商品，提取所属
shopId - 对每个
shopId，累加其下所有商品的 折扣后金额（注意：不是原价，要先扣单品优惠） - 使用
map.compute(shopId, (k, v) -> (v == null ? 0.0 : v) + itemDiscountedAmount)一行完成“读-加-写”
对每个店铺单独匹配满减规则
满减规则通常以列表形式加载到内存（如 List<fullminusrule></fullminusrule>），结构含 threshold 和 discount。对每个店铺金额，执行：
- 按
threshold降序排序规则（优先匹配高门槛大额减免） - 用
rules.stream().filter(r -> amount >= r.threshold).findFirst()找到首个可触发规则 - 若命中，该店铺减免额 =
rule.discount；否则为 0
汇总全店减免并绑定到订单明细
最终跨店满减不是简单相加，而是“全局累计达阈值才生效”。此时需一个总金额 Map：
- 构建
Map<string double> shopAmounts</string>（上一步已得） - 计算
totalBeforeMinus = shopAmounts.values().stream().mapToDouble(Double::doubleValue).sum() - 查平台级跨店规则（如“满300减30”），若
totalBeforeMinus >= 300，则总减免 = 30，再按比例或按店铺权重分摊回各店铺（轻量场景常用“首店承担”或“等比例”） - 将分摊结果写入
Map<string double> shopMinusMap</string>，后续生成发票、更新库存、记账均以此为准
关键注意事项
轻量系统易踩的坑，都在 Map 的使用细节里：
- 不要在 compute 的 lambda 里查 DB 或调 API——这会阻塞 map 操作，破坏轻量性；所有原始数据（商品价、店铺规则、用户等级折扣）应在计算前一次性加载进内存
- 金额一律用 BigDecimal 或 long（单位为分），避免 double 累加精度丢失
- Map 实例建议用 ConcurrentHashMap，即使单机轻量系统，也需支持并发下单场景
- 规则变更时，清空缓存的 Map 并重新加载，不建议热更新 Map 内容
