stream流中reduce()求和()

reduce() 有三个参数类型

  • 一个参数:Optional reduce(BinaryOperator accumulator),传入求和函数式,
  • 两个参数:T reduce(T identity, BinaryOperator accumulator),(默认值,求和函数式)
  • 三个参数: 待补充

stream().reduce()单字段求和

1、普通数字求和

 public static void test2(){
        List<Integer> list= Arrays.asList(new Integer[]{1,2,3,4,5,6,7,8,9});
        Integer sum=list.stream().reduce((x,y)->x+y).get();
        System.out.println(sum);
    }

2、BigDecimal求和

 public static void main(String[] args) {

        List<User> list=new ArrayList<>();

        User user1=new User();
        user1.setNum1(new BigDecimal(123));
        user1.setNum2(new BigDecimal(100));
        list.add(user1);

        User user2=new User();
        user2.setNum1(new BigDecimal(100));
        user2.setNum2(new BigDecimal(100));
        list.add(user2);
        BigDecimal sum=list.stream().map(User::getNum1).reduce(BigDecimal::add).get();
        System.out.println(sum);
    }

但是如果列表是中没有数据list.size()==0的时候会报错,所以需要将代码修改成如下:

BigDecimal sum=list.stream().map(User::getNum1)  //返回num1的列表
    .reduce(BigDecimal.ZERO,BigDecimal::add);  //列表字段求和

当list中没有元素的时候就默认返回0;

stream().reduce()多字段求和

public static void main(String[] args) {

        List<User> list=new ArrayList<>();

        User user1=new User();
        user1.setNum1(new BigDecimal(123));
        user1.setNum2(new BigDecimal(100));
        list.add(user1);

        User user2=new User();
        user2.setNum1(new BigDecimal(100));
        user2.setNum2(new BigDecimal(100));
        list.add(user2);

        User u=list.stream().reduce(new User(), (x,y)->{
            User user=new User();
            user.setNum1(x.getNum1().add(y.getNum1()));
            user.setNum2(x.getNum2().add(y.getNum2()));
            return user;
        }).get();
        System.out.println(u.getNum1()+"------------"+u.getNum2());
    }

关于两个参数的说明

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

这个方法接收两个参数:identity和accumulator。多出了一个参数identity。

也许在有些文章里面有人告诉你identity是reduce的初始化值,可以随便指定,如下所示:

List<Integer> intList = Arrays.asList(1,2,3);
Integer result2=intList.stream().reduce(100, Integer::sum);
log.info("{}",result2);

上面的例子,我们计算的值是106。

如果我们将stream改成parallelStream:

Integer result3=intList.parallelStream().reduce(100, Integer::sum);
log.info("{}",result3);

得出的结果就是306。

为什么是306呢?因为在并行计算的时候,每个线程的初始累加值都是100,最后3个线程加出来的结果就是306。

并行计算和非并行计算的结果居然不一样,这肯定不是JDK的问题,我们再看一下JDK中对identity的说明:

identity必须是accumulator函数的一个identity,也就是说必须满足:对于所有的t,都必须满足 accumulator.apply(identity, t) == t

identity必须是accumulator函数的一个identity,也就是说必须满足:对于所有的t,都必须满足 accumulator.apply(identity, t) == t

所以这里我们传入100是不对的,因为sum(100+1)!= 1。

这里sum方法的identity只能是0。

如果我们用0作为identity,则stream和parallelStream计算出的结果是一样的。这就是identity的真正意图。

————————

reduce() 有三个参数类型

  • 一个参数:Optional reduce(BinaryOperator accumulator),传入求和函数式,
  • 两个参数:T reduce(T identity, BinaryOperator accumulator),(默认值,求和函数式)
  • 三个参数: 待补充

stream().reduce()单字段求和

1、普通数字求和

 public static void test2(){
        List<Integer> list= Arrays.asList(new Integer[]{1,2,3,4,5,6,7,8,9});
        Integer sum=list.stream().reduce((x,y)->x+y).get();
        System.out.println(sum);
    }

2、BigDecimal求和

 public static void main(String[] args) {

        List<User> list=new ArrayList<>();

        User user1=new User();
        user1.setNum1(new BigDecimal(123));
        user1.setNum2(new BigDecimal(100));
        list.add(user1);

        User user2=new User();
        user2.setNum1(new BigDecimal(100));
        user2.setNum2(new BigDecimal(100));
        list.add(user2);
        BigDecimal sum=list.stream().map(User::getNum1).reduce(BigDecimal::add).get();
        System.out.println(sum);
    }

但是如果列表是中没有数据list.size()==0的时候会报错,所以需要将代码修改成如下:

BigDecimal sum=list.stream().map(User::getNum1)  //返回num1的列表
    .reduce(BigDecimal.ZERO,BigDecimal::add);  //列表字段求和

当list中没有元素的时候就默认返回0;

stream().reduce()多字段求和

public static void main(String[] args) {

        List<User> list=new ArrayList<>();

        User user1=new User();
        user1.setNum1(new BigDecimal(123));
        user1.setNum2(new BigDecimal(100));
        list.add(user1);

        User user2=new User();
        user2.setNum1(new BigDecimal(100));
        user2.setNum2(new BigDecimal(100));
        list.add(user2);

        User u=list.stream().reduce(new User(), (x,y)->{
            User user=new User();
            user.setNum1(x.getNum1().add(y.getNum1()));
            user.setNum2(x.getNum2().add(y.getNum2()));
            return user;
        }).get();
        System.out.println(u.getNum1()+"------------"+u.getNum2());
    }

关于两个参数的说明

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

这个方法接收两个参数:identity和accumulator。多出了一个参数identity。

也许在有些文章里面有人告诉你identity是reduce的初始化值,可以随便指定,如下所示:

List<Integer> intList = Arrays.asList(1,2,3);
Integer result2=intList.stream().reduce(100, Integer::sum);
log.info("{}",result2);

上面的例子,我们计算的值是106。

如果我们将stream改成parallelStream:

Integer result3=intList.parallelStream().reduce(100, Integer::sum);
log.info("{}",result3);

得出的结果就是306。

为什么是306呢?因为在并行计算的时候,每个线程的初始累加值都是100,最后3个线程加出来的结果就是306。

并行计算和非并行计算的结果居然不一样,这肯定不是JDK的问题,我们再看一下JDK中对identity的说明:

identity必须是accumulator函数的一个identity,也就是说必须满足:对于所有的t,都必须满足 accumulator.apply(identity, t) == t

identity必须是accumulator函数的一个identity,也就是说必须满足:对于所有的t,都必须满足 accumulator.apply(identity, t) == t

所以这里我们传入100是不对的,因为sum(100+1)!= 1。

这里sum方法的identity只能是0。

如果我们用0作为identity,则stream和parallelStream计算出的结果是一样的。这就是identity的真正意图。