[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
[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归纳的含义
java8 流相关的操作中,我们把它理解 "累加器",之所以加引号是因为他并不仅仅是加法
他的运算可以是一个Lambda 表达式
所以更准确的说 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
但是就是因为不是很理解所以看的云里雾里
其中说到:
一个reduce操作（也称为折叠）接受一系列的输入元素，并通过重复应用操作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
以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,并且初始值为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维方式是一样的
那就是
结果重新作为一个参数,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
只要能够理解了累计运算的概念
就可以完全理解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 差别仅仅在于一个参数的是result R = T1 ,然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);
它的形式类似于
与两个参数的reduce不同的地方在于类型 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 方法的思维方式同双参数的并无二致
所以问题来了,那还要第三个参数做什么?
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作用
大致处理流程
从流程上看的 结果R是一直参与运算的!!
我们之前也有一个例子
两种情况下的结果是不一样的!!!!
结果不同 是因为 ((((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?
其实不然,有问题的是我们的写法
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来说必须是一个恒等式,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 经过合并运算 竟然还是u,那还要这个干嘛??
从我们上面的并行处理流程可以看得出来,这个result 的初始identity 对于每一个分支都是参与运算的! |
|---|
这也是为什么要求:
任意的u, combiner(identity,u) 和u是相同的
的原因
我们之所以会错,就是因为没有达到要求
我们的combiner为 (a,b)->a+b;
那么如果分为两个分支进行运算,我们的初始值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 来说能够保障u = combiner(identity,u)
否则,你就不要用(a,b)->a+b 这个combiner
我们把Identity换成0之后
结果就不再有问题了
第二点
combiner 必须和accumulator要兼容
对于任意的u 和 t
这到底是什么意思呢?
场景 假设说4个元素 1,2,3,4 需要运算 此时假设已经 1,2,3 三组数据已经运算结束,马上要同第四组运算 如果是并行,我们假定1,2,3 在一个分支 4单独在另一分支 |
|---|
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同的处理运算方式,他们应该是相同的
也就是
