使用Java Stream API统计含目标元素的子列表去重计数

现有两个列表：

• list1：存储若干待匹配的目标城市名称
• list2：嵌套列表，每个子列表对应一名用户的到访城市集合，一个子列表代表一名用户去过的所有城市。例如示例中Person1去过Rome、Amsterdam和Vienna，Person2去过Amsterdam、Barcelona和Milan

需要实现的统计逻辑：
统计去过list1中任意城市的用户总数量，不可重复计数：如果某名用户去过list1中的多个城市，仅计数1次。要求基于Java Stream API实现逻辑。

示例输入与预期结果 #

list1 = ["Barcelona", "Milan", "Athens"];
list2 = [["Rome", "Amsterdam", "Vienna"], ["Amsterdam", "Barcelona", "Milan"], ["Paris", "Athens"], ["Istanbul", "Barcelona", "Milan", "Athens"]];

// 预期返回结果：3
// 两个列表均为前置Stream操作通过Collectors.toList()生成的结果

核心思路是先将目标城市列表转为哈希集合降低匹配时间复杂度，再按用户维度判断是否存在到访城市与目标集合的交集，最终统计符合条件的用户数，代码实现如下：

import java.util.HashSet;
import java.util.List;
import java.util.Set;

// 先将目标城市转为HashSet，把单次contains判断的时间复杂度从O(n)降到O(1)，提升匹配效率
Set<String> targetCitySet = new HashSet<>(list1);

long matchedUserCount = list2.stream()
        // 按用户维度过滤：只要用户到访城市中有任意一个属于目标集合，就判定为符合条件
        .filter(userVisitedCities -> userVisitedCities.stream().anyMatch(targetCitySet::contains))
        .count();

逻辑说明 #

• 预转HashSet是性能优化项：如果直接用list1做contains判断，每次匹配都要线性扫描列表，数据量较大时性能损耗明显
• filter操作以单个用户的到访列表为处理单位，只要匹配到一个目标城市就会保留该用户，天然满足「单用户匹配多城市仅计数1次」的要求，不会出现重复统计问题
• 上述代码跑示例输入时，会过滤掉第一个无匹配城市的用户，最终统计结果为3，和预期完全一致

内容的提问来源于stack exchange，提问作者Bern Kass