[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