java 8 stream reduce詳解和誤區
簡介
Stream API提供了一些預定義的reduce操作，比如count(), max(), min(), sum()等。如果我們需要自己寫reduce的邏輯，則可以使用reduce方法。
本文將會詳細分析一下reduce方法的使用，並給出具體的例子。
reduce詳解
Stream類中有三種reduce，分別接受1個參數，2個參數，和3個參數，首先來看一個參數的情況：
Optional<T> reduce(BinaryOperator<T> accumulator);
該方法接受一個BinaryOperator參數，BinaryOperator是一個@FunctionalInterface,需要實現方法：
R apply(T t, U u);
accumulator告訴reduce方法怎么去累計stream中的數據。
舉個例子：
List<Integer> intList = Arrays.asList(1,2,3);
Optional<Integer> result1=intList.stream().reduce(Integer::sum);
log.info("{}",result1);
上面的例子輸出結果：
com.flydean.ReduceUsage - Optional[6]
一個參數的例子很簡單。這里不再多說。
接下來我們再看一下兩個參數的例子：
T reduce(T identity, BinaryOperator<T> accumulator);
這個方法接收兩個參數：identity和accumulator。多出了一個參數identity。
也許在有些文章里面有人告訴你identity是reduce的初始化值，可以隨便指定，如下所示：
Integer result2=intList.stream().reduce(100, Integer::sum);
log.info("{}",result2);
上面的例子，我們計算的值是106。
如果我們將stream改成parallelStream：
Integer result3=intList.parallelStream().reduce(100, Integer::sum);
log.info("{}",result3);
得出的結果就是306。
為什么是306呢？因為在並行計算的時候，每個線程的初始累加值都是100，最后3個線程加出來的結果就是306。
並行計算和非並行計算的結果居然不一樣，這肯定不是JDK的問題，我們再看一下JDK中對identity的說明：
identity必須是accumulator函數的一個identity，也就是說必須滿足：對於所有的t,都必須滿足 accumulator.apply(identity, t) == t
所以這里我們傳入100是不對的，因為sum（100+1）！= 1。
這里sum方法的identity只能是0。
如果我們用0作為identity,則stream和parallelStream計算出的結果是一樣的。這就是identity的真正意圖。
下面再看一下三個參數的方法：
<U> U reduce(U identity,
BiFunction<U, ? super T, U> accumulator,
BinaryOperator<U> combiner);
和前面的方法不同的是，多了一個combiner，這個combiner用來合並多線程計算的結果。
同樣的，identity需要滿足combiner.apply(u, accumulator.apply(identity, t)) == accumulator.apply(u, t)
大家可能注意到了為什么accumulator的類型是BiFunction而combiner的類型是BinaryOperator？
public interface BinaryOperator<T> extends BiFunction<T,T,T>
BinaryOperator是BiFunction的子接口。BiFunction中定義了要實現的apply方法。
其實reduce底層方法的實現只用到了apply方法，並沒有用到接口中其他的方法，所以我猜測這里的不同只是為了簡單的區分。
總結
雖然reduce是一個很常用的方法，但是大家一定要遵循identity的規范，並不是所有的identity都是合適的。
本文的例子https://github.com/ddean2009/learn-java-streams/tree/master/stream-reduce
歡迎關注我的公眾號:程序那些事，更多精彩等着您！
更多內容請訪問 www.flydean.com