[五]java函数式编程归约reduce概念原理 stream reduce方法详解 reduce三个参数的reduce方法如何使用

reduce-归约

看下词典翻译:

好的命名是自解释的

reduce的方法取得就是其中概括的含义

java8 流相关的操做中,咱们把它理解 "累加器",之因此加引号是由于他并不只仅是加法

他的运算能够是一个Lambda 表达式

因此更准确的说 reduce 是一个迭代运算器

Stream包的文档中其实已经说的很明白了

可是就是由于不是很理解因此看的云里雾里

其中说到:

一个reduce操做（也称为折叠）接受一系列的输入元素，并经过重复应用操做将它们组合成一个简单的结果

 

参照reduce方法文档给出的示例

T result = identity;

for (T element : this stream)

result = accumulator.apply(result, element)

return result;

 

累计运算的概念

如下面的这个方法为例解析

BinaryOperator 是BiFunction 的三参数特殊化形式,两个入参和返回结果都是类型T

 

计算1,2,3,4,5 的和,而且初始值为3   也就是计算3+1+2+3+4+5

1.使用Stream 两个参数的reduce方法进行归约运算

2.使用for循环迭代调用BinaryOperator 的apply进行运算

其实两种方式背后的思惟方式是同样的

那就是   

结果从新做为一个参数,不断地参与到运算之中,直到最后结束

 

理解reduce的含义重点就在于理解"累   加   器" 的概念

 

只要可以理解了累计运算的概念

就能够彻底理解Stream 中reduce方法

他就是一个不断累计运算的过程

 

 

Stream的一个参数和两个参数的方法的基本逻辑都是如此 差异仅仅在于一个参数的是result  R = T1 ,而后再继续与剩下的元素参与运算

 

 

三个参数的reduce

    <U> U reduce(U identity,

                 BiFunction<U, ? super T, U> accumulator,

                 BinaryOperator<U> combiner);

 

 

它的形式相似于

与两个参数的reduce不一样的地方在于类型 双参数的返回类型为T  Stream类型为T 三参数的返回类型为U  Stream类型为T   有了更大的发挥空间  T可能为U 也可能不是U

 

很显然,三参数的reduce 方法的思惟方式同双参数的并没有二致

因此问题来了,那还要第三个参数作什么?

其实第三个参数用于在并行计算下 合并各个线程的计算结果

 

并行流运行时:内部使用了fork-join框架

多线程时,多个线程同时参与运算

多个线程执行任务,必然会产生多个结果

那么如何将他们进行正确的合并

这就是第三个参数的做用

 

 

大体处理流程

从流程上看的 结果R是一直参与运算的!!

咱们以前也有一个例子

两种状况下的结果是不同的!!!!

 

结果不一样  是由于  ((((5+1)+2)+3)+4)+5   和   (5+1)+ (5+2)+ (5+3)+ (5+4)+ (5+5)  运算结果不相同 

那么这个方法不是有问题么?

 

其实否则,有问题的是咱们的写法

文档中进行了明确的说明要求

 

翻译下:

第一点:identity 的值对于合并运算combiner来讲必须是一个恒等式,也就是说对于任意的u,  combiner(identity,u)  和u是相同的

这句话看起来怪怪的,对于任意的u 通过合并运算 居然仍是u,那还要这个干吗??

从咱们上面的并行处理流程能够看得出来,这个result 的初始identity 对于每个分支都是参与运算的!

 

这也是为何要求:

任意的u,  combiner(identity,u)  和u是相同的

的缘由

咱们之因此会错,就是由于没有达到要求  

咱们的combiner为   (a,b)->a+b;

那么若是分为两个分支进行运算,咱们的初始值identity就参与了两次运算  也就是说多加了两个identity的值!!

怎么样才能保证u = combiner(identity,u)  

除非identity=0  这才是对于  (a,b)->a+b  来讲可以保障u = combiner(identity,u)    

不然,你就不要用(a,b)->a+b  这个combiner

咱们把Identity换成0以后

 

结果就再也不有问题了

 

第二点

combiner 必须和accumulator要兼容

对于任意的u 和 t

这究竟是什么意思呢?

 

场景 假设说4个元素 1,2,3,4  须要运算 此时假设已经 1,2,3 三组数据已经运算结束,立刻要同第四组运算  若是是并行,咱们假定1,2,3 在一个分支   4单独在另外一分支

 

并行时 U为已经计算好的1,2,3后的结果     接下来要与另外一组的4 合并 T4则是identity与T参与运算 上面的图就是 combiner.apply(u, accumulator.apply(identity, t))

 

非并行运算 u 直接与下一个元素进行结合运算

 

显然这只是并行和非并行两种不一样的处理运算方式,他们应该是相同的

也就是