一文搞懂 java8 reduce操作

什么是 reduce

Java8 中有两大最为重要的改变，其一是 Lambda 表达式，另一个就是 Stream API 了。

Stream 是 Java8 中处理集合的关键抽象概念，它将数据源流化后，可以执行非常复杂的查找、过滤和映射数据、排序、切片、聚合统计等操作。操作之后会产生一个新的流，而数据源则不会发生改变。

在使用 Stream 操作的过程中，往往有三个步骤，

1. 创建 Stream

从一个数据源（集合，数组）中，新建一个 Stream 流。

2. 中间操作

一个中间操作链，对 Stream 流的数据进行处理。比如查找、过滤、映射转换等。

3. 终止操作

一个终止操作，执行中间操作链，并产生结果。常用的终止操作有 forearch、collect、match、count、min、max、reduce 等。

其中本文主要讲解的 reduct 操作就属于是 Stream 流操作中的终止操作。

reduce 操作是一种通用的归约操作，它可以实现从 Stream 中生成一个值，其生成的值不是随意的，而是根据指定的计算模型。

比如终止操作中提到 count、min 和 max 方法，因为常用而被纳入标准库中。事实上这些方法都是一种 reduce 操作。

本文大纲如下，

reduce 操作三要素

为了方便大家理解 reduce （规约）操作，先给大家演示一下 reduce 操作的相关代码示例，

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);
int result = numbers
  .stream()
  .reduce(0, (subtotal, element) -> subtotal + element);
assertThat(result).isEqualTo(21);

可以看到，我们的 reduce 操作接受了三个参数，返回了一个 int 基本类型。

在 Stream API 中，提供了三个 reduct 操作方法，根据参数不同进行区分。

对应上方代码示例，也就是使用了接受两个参数的 reduce 方法，但其实接受两个参数的 reduce 方法的代码逻辑是和接受三个参数的 reduce 方法是一致的。通过上方截图可以看出。

所以这里，我就直接给大家介绍下 reduce 操作的三个参数分别有什么作用即可。

identiy 参数

identiy（初始值）是 reduce 操作的初始值，也就是当元素集合为空时的默认结果。对应上方代码示例，也就是说 reduce 操作的初始值是 0。

accumulator 参数

accumulator（累加器）是一个函数，它接受两个参数，reduce 操作的部分元素和元素集合中的下一个元素。它返回一个新的部分元素。在这个例子中，累加器是一个 lambda 表达式，它将集合中两个整数相加并返回一个整数：(a, b) -> a + b。

combiner 参数

combiner（组合器）是一个函数，它用于在 reduce 操作被并行化或者当累加器的参数类型和实现类型不匹配时，将 reduce 操作的部分结果进行组合。在上面代码示例中，我们不需要使用组合器，因为上面我们的 reduce 操作不需要并行，而且累加器的参数类型和实现类型都是 Integer。

为了方便大家理解 reduce 操作的内部逻辑，我给大家绘制了上面代码示例的执行示意图，如下，

如何使用 reduce 操作

为了更好地理解初始值，累加器和组合器的功能，让我们看一些基本的例子。

使用 reduce 查询整数集合的最小值

// 创建一个整数集合
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);

// 找出集合中的最小值
Integer min = numbers.stream().reduce((integer, integer2) -> {
    if (integer < integer2) {
        return integer;
    } else {
        return integer2;
    }
}).get();

// 输出结果
System.out.println(min); // 1

在这个例子中，我们使用了一个参数的 reduce 操作，它接受一个累加器函数。累加器函数会返回集合两个元素中，较小的元素。

最终我们就可以找出集合中最小值 1。

使用 reduce 操作拼接字符串列表

我们可以对一个字符串列表使用 reduce 操作，将它们拼接成一个单一的字符串：

// 创建一个字符串列表
List<String> letters = Arrays.asList ("a", "b", "c", "d", "e");

// 使用 reduce 操作拼接字符串列表
String result = letters
  .stream ()
  .reduce ("", (partialString, element) -> partialString + element);

// 输出结果
System.out.println (result); // abcde

在这个例子中，我们将初始值设为 ""，累加器函数设为 (a, b) -> a + b，它表示将两个字符串拼接起来。

我们可以看到，reduce 操作将累加器函数反复应用到列表中的每个元素上，得到最终的结果 abcde。

使用并行流计算整数列表的总和

List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5，6);

// 使用并行流和 reduce() 方法计算整数列表的总和
int result = numbers.parallelStream()
        .reduce(0, (a, b) -> a + b, Integer::sum);

// 输出结果
System.out.println(result); // 21

在这个例子中，我们使用 parallelStream() 方法将列表转换为并行流，再使用 reduce() 方法对整数列表进行 reduce 操作，并使用 Integer::sum 作为合并函数 combiner，将并行计算的结果合并。

使用并行流的好处能够充分利用多核 CPU 的优势，使用多线程加快对集合数据的处理速度。

不过并行流也不是任何时候都可以使用的，并行流执行过程中实际按照多线程执行，多线程编程有的问题，并行流都有。

比如多线程的线程安全，执行顺序等问题，并行流都是有的。这一点需要大家注意。