Stream API為我們提供了Stream.reduce用來實作集合元素的歸約，reduce函式有三個引數：
- Identity標識：一個元素，它是歸約操作的初始值，如果流為空，則為默認結果，
- Accumulator累加器：具有兩個引數的函式：歸約運算的部分結果和流的下一個元素，
- Combiner合并器（可選）：當歸約并行化時，或當累加器引數的型別與累加器實作的型別不匹配時，用于合并歸約操作的部分結果的函式，
注意觀察上面的圖，我們先來理解累加器： - 階段累加結果作為累加器的第一個引數
- 集合遍歷元素作為累加器的第二個引數
Integer型別歸約
reduce初始值為0，累加器可以是lambda運算式，也可以是方法參考，
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);
int result = numbers
.stream()
.reduce(0, (subtotal, element) -> subtotal + element);
System.out.println(result); //21
int result = numbers
.stream()
.reduce(0, Integer::sum);
System.out.println(result); //21
String型別歸約
不僅可以歸約Integer型別，只要累加器引數型別能夠匹配，可以對任何型別的集合進行歸約計算，
List<String> letters = Arrays.asList("a", "b", "c", "d", "e");
String result = letters
.stream()
.reduce("", (partialString, element) -> partialString + element);
System.out.println(result); //abcde
String result = letters
.stream()
.reduce("", String::concat);
System.out.println(result); //ancde
復雜物件歸約
計算所有的員工的年齡總和，
Employee e1 = new Employee(1,23,"M","Rick","Beethovan");
Employee e2 = new Employee(2,13,"F","Martina","Hengis");
Employee e3 = new Employee(3,43,"M","Ricky","Martin");
Employee e4 = new Employee(4,26,"M","Jon","Lowman");
Employee e5 = new Employee(5,19,"F","Cristine","Maria");
Employee e6 = new Employee(6,15,"M","David","Feezor");
Employee e7 = new Employee(7,68,"F","Melissa","Roy");
Employee e8 = new Employee(8,79,"M","Alex","Gussin");
Employee e9 = new Employee(9,15,"F","Neetu","Singh");
Employee e10 = new Employee(10,45,"M","Naveen","Jain");
List<Employee> employees = Arrays.asList(e1, e2, e3, e4, e5, e6, e7, e8, e9, e10);
Integer total = employees.stream().map(Employee::getAge).reduce(0,Integer::sum);
System.out.println(total); //346
- 先用map將Stream流中的元素由Employee型別處理為Integer型別（age），
- 然后對Stream流中的Integer型別進行歸約
Combiner合并器的使用
除了使用map函式實作型別轉換后的集合歸約，我們還可以用Combiner合并器來實作，這里第一次使用到了Combiner合并器，
因為Stream流中的元素是Employee，累加器的回傳值是Integer，所以二者的型別不匹配，這種情況下可以使用Combiner合并器對累加器的結果進行二次歸約，相當于做了型別轉換，
Integer total3 = employees.stream()
.reduce(0,(totalAge,emp) -> totalAge + emp.getAge(),Integer::sum); //注意這里reduce方法有三個引數
System.out.println(total); //346
計算結果和使用map進行資料型別轉換的方式是一樣的，
并行流資料歸約（使用合并器）
對于大資料量的集合元素歸約計算，更能體現出Stream并行流計算的威力，
在進行并行流計算的時候，可能會將集合元素分成多個組計算，為了更快的將分組計算結果累加，可以使用合并器，
Integer total2 = employees
.parallelStream()
.map(Employee::getAge)
.reduce(0,Integer::sum,Integer::sum); //注意這里reduce方法有三個引數
System.out.println(total); //346
歡迎關注我的博客，里面有很多精品合集
- 本文轉載注明出處（必須帶連接，不能只轉文字）：字母哥博客，
覺得對您有幫助的話，幫我點贊、分享！您的支持是我不竭的創作動力！ ，另外，筆者最近一段時間輸出了如下的精品內容，期待您的關注，
- 《手摸手教你學Spring Boot2.0》
- 《Spring Security-JWT-OAuth2一本通》
- 《實戰前后端分離RBAC權限管理系統》
- 《實戰SpringCloud微服務從青銅到王者》
- 《VUE深入淺出系列》
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/153775.html
標籤：Java