Java8 Stream reduce的三个参数方法的用法

目录

reduce()简介

reduce三个override方法

reduce(U identity, BiFunction accumulator,  BinaryOperator combiner),>

---

在学习Stream的reduce过程中，对于reduce的第三个方法第一时间有点看不太懂，便记录一下学习过程吧。

reduce()简介

根据指定的计算模型将Stream中的值计算得到一个最终结果：reduce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。

reduce三个override方法

Optional reduce(BinaryOperator accumulator);

T reduce(T identity, BinaryOperator<T> accumulator);

<U> U reduce(U identity, BiFunction<U, ? super T, U> accumulator,
                 BinaryOperator<U> combiner);

reduce(U identity, BiFunction<U, ? super T, U> accumulator,  BinaryOperator<U> combiner)

本文要讲的是第三个方法，其中的参数列表为：

1. 第一个参数：返回实例u，传递你要返回的U类型对象的初始化实例u
2.  第二个参数：累加器accumulator，声明你在u上累加你的数据来源t的逻辑，例如(u,t)->u.sum(t)，此时lambda表达式的行参列表是返回实例u和遍历的集合元素t，函数体是在u上累加t
3.  第三个参数：参数组合器combiner，接受lambda表达式。在串行流(stream)中，第三个参数combiner不会起作用。 在并行流(parallelStream)中，流被fork join出多个线程进行执行，此时每个线程的执行流程就跟第二个方法reduce(identity, accumulator)一样，而第三个参数combiner函数，则是将每个线程的执行结果当成一个新的流，然后使用第一个方法reduce(accumulator)流程进行规约。(这里看不太明白的，待会下面会有例子可以助于理解)

这一大段的文字，我们转换成伪代码看看：

容器x = list.stream().reduce(最终返回的容器x, (容器x, 元素y) -> {
            容器x与元素y之间的逻辑操作;
            return 容器x;
        }, (x, y) -> {
            并行的时候才会执行;
            x和y是每个线程的返回的容器x;
            这里进行各个容器的累计操作;
            return x;
        });

到了这里，想必你已经对reduce的第三个方法有初步认识了，接下来我们通过例子操作看看。

@Data
public class Employee{
    private String name;
	private String programingLanguage;
	private Double salary;
	private Integer age;
}


@Test
public void reduceTest() {

    List<Employee> list= new ArrayList<Employee>() {
        {
            add(new Employee("Free", "male", 5000, 18));
		    add(new Employee("Tamsen", "female", 8371, 55));
		    add(new Employee("Hadley", "male", 7322, 25));
		    add(new Employee("Truman", "female", 15020, 15));
		    add(new Employee("Matilda", "male", 5272, 25));
		    add(new Employee("Pansy ", "female", 9057, 87));
		    add(new Employee("Keene", "male", 8120, 99));
		    add(new Employee("Jayden", "female", 8500, 25));
		    add(new Employee("Homer", "male", 6000, 14));
		    add(new Employee("Ridley", "female", 5426, 20));
        } 
    };

	ArrayList<Employee> newList = list.stream().reduce(new ArrayList<Employee>()
        , (elist, employee) -> {
			if (employee.getSalary() > 6000) {
				elist.add(employee);
			}
			System.out.println("BiFunction: elist size = " + elist.size());
			return elist;
		}, (elist1, elist2) -> {
			elist1.addAll(elist2);
			System.out.println("BinaryOperator: elist1 size = " + elist1.size());
			return elist1;
	});

}

代码执行的结果为：

BiFunction: elist size = 0
BiFunction: elist size = 1
BiFunction: elist size = 2
BiFunction: elist size = 3
BiFunction: elist size = 3
BiFunction: elist size = 4
BiFunction: elist size = 5
BiFunction: elist size = 6
BiFunction: elist size = 6
BiFunction: elist size = 6

[Employee(name=Tamsen, gender=female, salary=8371, age=55), Employee(name=Hadley, gender=male, salary=7322, age=25), Employee(name=Truman, gender=female, salary=15020, age=15), Employee(name=Pansy , gender=female, salary=9057, age=87), Employee(name=Keene, gender=male, salary=8120, age=99), Employee(name=Jayden, gender=female, salary=8500, age=25)]

参考文章https://www.cnblogs.com/MrYuChen-Blog/p/14061320.html