江苏龙网

  1. 首页 > 人文 > >

JAVA研发狄仁杰 5万字：Stream和Lambda表达式最佳实践2( 四 )


上面的例子中 ， 我们HashSet::new作为supplier ， Set::add作为accumulator ， 自定义了一个方法作为combiner ， 最后使用Collections::unmodifiableSet将集合转换成不可变集合 。
上面我们固定使用HashSet::new作为初始集合的生成方法 ， 实际上 ， 上面的方法可以更加通用：publicstaticCollectortoImmutableSet(Supplier
{left.addAll(right);returnleft;},Collections::unmodifiableSet);}复制代码
上面的方法 ， 我们将supplier提出来作为一个参数 ， 由外部来定义 。
看下上面两个方法的测试：@TestpublicvoidtoImmutableSetUsage(){Set
stringSet1=Stream.of("a","b","c","d").collect(ImmutableSetCollector.toImmutableSet());log.info("{}",stringSet1);Set
stringSet2=Stream.of("a","b","c","d").collect(ImmutableSetCollector.toImmutableSet(LinkedHashSet::new));log.info("{}",stringSet2);}复制代码
输出：INFOcom.flydean.ImmutableSetCollector-[a,b,c,d]INFOcom.flydean.ImmutableSetCollector-[a,b,c,d]复制代码11.streamreduce详解和误区
StreamAPI提供了一些预定义的reduce操作 ， 比如count(),max(),min(),sum()等 。 如果我们需要自己写reduce的逻辑 ， 则可以使用reduce方法 。
本文将会详细分析一下reduce方法的使用 ， 并给出具体的例子 。 11.1reduce详解
Stream类中有三种reduce ， 分别接受1个参数 ， 2个参数 ， 和3个参数 ， 首先来看一个参数的情况：Optionalreduce(BinaryOperatoraccumulator);复制代码
该方法接受一个BinaryOperator参数 ， BinaryOperator是一个@FunctionalInterface,需要实现方法：Rapply(Tt,Uu);复制代码
accumulator告诉reduce方法怎么去累计stream中的数据 。
举个例子：List
intList=Arrays.asList(1,2,3);Optional
result1=intList.stream().reduce(Integer::sum);log.info("{}",result1);复制代码
上面的例子输出结果：com.flydean.ReduceUsage-Optional[6]复制代码
一个参数的例子很简单 。 这里不再多说 。
接下来我们再看一下两个参数的例子：Treduce(Tidentity,BinaryOperatoraccumulator);复制代码
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：Integerresult2=intList.stream().reduce(100,Integer::sum);log.info("{}",result2);复制代码
上面的例子 ， 我们计算的值是106 。
如果我们将stream改成parallelStream：Integerresult3=intList.parallelStream().reduce(100,Integer::sum);log.info("{}",result3);复制代码
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
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 。
下面再看一下三个参数的方法：Ureduce(Uidentity,BiFunction
accumulator,BinaryOperatorcombiner);复制代码
和前面的方法不同的是 ， 多了一个combiner ， 这个combiner用来合并多线程计算的结果 。 同样的 ， identity需要满足combiner.apply(u,accumulator.apply(identity,t))==accumulator.apply(u,t)


推荐阅读


上一篇：科技小学弟 三星双陨落，苹果至今没进场，华为第一都拦不住，手机行业大变天

下一篇：沂蒙晚报 手慢无！，100万消费券速来瓜分！在临沂×支付宝连发6天