如何利用map函数基于共同id生成匹配的AccountInfo列表？

首先你的写法存在两个核心问题：

1. 误用map方法：map的作用是转换流中元素的类型，而你需要的是保留原AccountInfo对象，仅筛选出符合条件的元素，应该使用filter而非map。
2. 方法引用错误：meetings是List<MeetingsInfo>集合，它并没有getAccountId方法；单个MeetingsInfo对象只有getId()方法，用来获取会议关联的账户ID。

正确实现（基于Stream API） #

要实现需求，先把所有会议关联的账户ID提取到一个高效查询的集合中，再过滤账户列表：

// 提取所有会议对应的账户ID到HashSet，O(1)查询效率
Set<String> meetingAccountIds = meetings.stream()
                                        .map(MeetingsInfo::getId)
                                        .collect(Collectors.toSet());

// 筛选出ID在会议ID集合中的账户
List<AccountInfo> newAccounts = accounts.stream()
                                        .filter(account -> meetingAccountIds.contains(account.getId()))
                                        .collect(Collectors.toList());

更优化的实现方式 #

1. 传统循环写法 #

如果追求极致的底层性能（JIT优化后与Stream差距极小），可以用传统循环，代码可读性稍弱但避免了Stream的底层包装开销：

Set<String> meetingAccountIds = new HashSet<>();
for (MeetingsInfo meeting : meetings) {
    meetingAccountIds.add(meeting.getId());
}

List<AccountInfo> newAccounts = new ArrayList<>();
for (AccountInfo account : accounts) {
    if (meetingAccountIds.contains(account.getId())) {
        newAccounts.add(account);
    }
}

2. 提前构建ID集合的必要性 #

无论用哪种方式，必须先把会议ID存入HashSet，而不是直接在filter中遍历meetings判断ID是否存在——后者的时间复杂度是O(m*n)（m为会议数，n为账户数），而用HashSet的时间复杂度是O(m+n)，数据量越大性能差距越明显。

内容的提问来源于stack exchange，提问作者Markus