跟我学 Java 8 新特性之 Stream 流（三）缩减操作

投稿作者：揭光智 | 简书

和前面两篇文章一起服用，效果会更佳。通过对流API的基础体验Demo和关键知识点的讲解，相信大家对流API都有一定的认识了，但是流API强大的功能，可不仅仅像前面两篇文章中说的那样简单，大家应该注意到，在第二篇中，我对Stream接口进行介绍的时候，并没有把他的全部方法都进行了解析说明。

没错，从这一篇开始，那些还没有讲解的方法，很可能就开始变成我们的主角了，大家从题目上面应该知道了，本期我们要讲的是流API的缩减操作。

何为缩减操作？

我们先考虑一下min()和max()，这两个方法我们在第一篇和第二篇中均有提到，其中min()是返回流中的最小值，而max()返回流中最大值，前提是他们存在。

他们之间的特点是什么？

①都返回了一个值

②由一可知，他们是终端操作。

如果我们用流API的术语来形容前面这两种特性的结合体的话，它们代表了缩减操作。因为每个缩减操作都把一个流缩减为一个值，好比最大值，最小值。当然流API，把min()和max()，count()这些操作称为特例缩减。

即然说到了特例，肯定就有泛化这种概念了，他就是reduce()方法了，其实第二篇当中，他已经出现过了，只是当时我没有去强调他。

public interface Stream<T> extends BaseStream<T, Stream<T>> {//、、、忽略其他无关紧要的元素T reduce(T identity, BinaryOperator<T> accumulator);Optional<T> reduce(BinaryOperator<T> accumulator);<U> U reduce(U identity,          BiFunction<U, ? super T, U> accumulator,          BinaryOperator<U> combiner);｝

Stream接口定义了三个版本的reduce()，我们先使用前面两个,

T reduce(T identity, BinaryOperator<T> accumulator);//1Optional<T> reduce(BinaryOperator<T> accumulator);//2

第一个版本返回的是一个T类型的对象，T代表的是流中的元素类型！第二个版本是返回一个Optional类型对象。对于这两种形式，accumulator是一个操作两个值并得到结果的函数。在第一个版本当中，identity是这样一个值，对于涉及identity和流中任意的累积操作，得到的结果就是元素自身，没有任何改变。比如，如果是加法，他就是0，如果是乘法他就是1。

其中的accumulator是一个BinaryOperator的类型，他是java.util.function包中声明的函数式接口，它扩展了BiFunction函数式接口.

@FunctionalInterfacepublic interface BinaryOperator<T> extends BiFunction<T,T,T> {}@FunctionalInterfacepublic interface BiFunction<T, U, R> {   R apply(T t, U u);//notice}

BiFunction接口中的apply()方法的原型在 //notice。其中R指定了结果的类型，T，U分别是第一参数的类型和第二个参数的类型，因此apply()对他的两个操作数(t,u)应用到同一个函数上，并返回结果，而对BinaryOperator来说，他在扩展 BiFunction时，指定了所有的类型参数都是相同的T，因此对于BinaryOperator函数式接口的apply来说，他也就变成了 T apply(T t, T u),此外，还有一个需要注意的地方是，在应用reduce()时，apply()的第一个参数t,包含的是一个结果，u包含的是下一个元素。在第一次调用时，将取决于使用reduce()的版本，t可能是单位值，或者是前一个元素。

缩减操作的三个约束

• 无状态
• 不干预
• 关联性

无状态，这里可不是LOL的那个无状态，毕竟他退役了。相信读过第二篇文章的同学已经很容易理解了，简单来说无状态就是每个元素都被单独地处理，他和流中的其它元素是没有任何依赖关系的。不干预是指操作数不会改变数据源。最后，操作必须具有关联性，这里的关联性是指标准的数学含义，即，给定一个关联运算符，在一系列操作中使用该运算符，先处理哪一对操作数是无关紧要的。比如，(1 * 2) * 3 <===> 1 * (2 * 3)。

其中关联性，在并行流中，是至关重要的。下面我用一个简单的例子带着大家实战一下泛化缩减操作reduce()的使用。

public class Main {    public static void main(String[] args) {        learnStream();    }    private static void learnStream() {        List<Integer> lists = new ArrayList<>();        lists.add(1);        lists.add(2);        lists.add(3);        lists.add(4);        lists.add(5);        lists.add(6);        Optional<Integer> sum = lists.stream().reduce((a, b) -> a + b);        if (sum.isPresent()) System.out.println("list的总和为:" + sum.get());//21        //<====> lists.stream().reduce((a, b) -> a + b).ifPresent(System.out::println);        Integer sum2 = lists.stream().reduce(0, (a, b) -> a + b);//21        System.out.println("list的总和为:" + sum2);        Optional<Integer> product = lists.stream().reduce((a, b) -> a * b);        if (product.isPresent()) System.out.println("list的积为:" + product.get());//720        Integer product2 = lists.stream().reduce(1, (a, b) -> a * b);        System.out.println("list的积为:" + product2);//720    }}

这个Demo主要是计算了一个list里面的总和，积的操作，大家可以和传统的算总和，积的方法进行对照，比一比衡量一下就有自己的答案了。但是如果你以为流API仅此而已，那你就错了。

越是后面的东西，就越装B，我在刚知道他们的时候，反正是被吓了一跳的，但这些都是后话了，现在我们来详解一下Demo,并给出扩展的方向：我们这个例子主要是用了lambda表达式对list进行了求和，求积，对于第一个版本为说，求和的时候，identity的值为0，求积的时候它的值为1，强烈建议你们自己感受一下identity的变化对整个结果的变化产生什么 的影响，改变一下identity的值，再运行一下，你就有结果了，另一个扩展点是：

 Integer product3 = lists.stream().reduce(1, (a, b) -> {    if (b % 2 == 0) return a * b; else return a;//这里你可以为所欲为! }); System.out.println("list的偶数的积为:" + product3);//48