java8集合Stream之reduce聚合函数 |
您所在的位置：网站首页 › stream的map函数 › java8集合Stream之reduce聚合函数 |
|
说明
java8集合中Stream()相关函数都支持lambda表达式，reduce()就是其中之一， reduce是一种聚合操作，聚合的含义就是将多个值经过特定计算之后得到单个值， 常见的 count 、sum 、avg 、max 、min 等函数就是一种聚合操作。 本文使用reduce函数做求和计算来说明它的用法： reduce有三个重载方法 1.一个参数的reduce Optional reduce(BinaryOperator accumulator);参数： BinaryOperator accumulator , BinaryOperator 继承于 BiFunction, 这里实现 BiFunction.apply(param1,param2) 接口即可。支持lambda表达式，形如：(result,item)->{...} 。 返回值：返回Optional对象，由于结果存在空指针的情况（当集合为空时）因此需要使用Optional。 如下代码通过reduce 求整数集合中的元素之和： import com.google.common.collect.Lists; import java.util.List; public class LambdaTest { public static void main(String[] args) { List list=Lists.newArrayList(1,2,3,4,5); //将数组进行累加求和 //由于返回的是 Optional ，因此需要get()取出值。 Integer total=list.stream().reduce((result,item)->result+item).get(); System.out.println(total); } } //结果为： 15将累加的每一步打印，可以发现Lambda表达式中的两个参数(result,item)的含义： 第一个参数 result ：初始值为集合中的第一个元素，后面为每次的累加计算结果 ； 第二个参数 item ：遍历的集合中的每一个元素（从第二个元素开始，第一个被result使用了）。 List list=Lists.newArrayList(1,2,3,4,5); list.stream().reduce((result,item)->{ System.out.println("result="+result+", item="+item); return result+item; }); /* 结果如下： result=1, item=2 result=3, item=3 result=6, item=4 result=10, item=5 */ 2.两个参数的reduce T reduce(T identity, BinaryOperator accumulator);参数1：T identity 为一个初始值（默认值） ，当集合为空时，就返回这个默认值，当集合不为空时，该值也会参与计算； 参数2：BinaryOperator accumulator 这个与一个参数的reduce相同。 返回值：并非 Optional，由于有默认值 identity ，因此计算结果不存在空指针的情况。 List list=Lists.newArrayList(1,2,3,4,5); Integer total=list.stream().reduce(0,(result,item)->result+item); System.out.println(total);//结果为：15 list=new ArrayList(); total=list.stream().reduce(0,(result,item)->result+item); System.out.println(total);//数组为空时，结果返回默认值0 3.三个参数的reduce U reduce(U identity, BiFunction accumulator,BinaryOperator combiner);第一个参数和第二个参数的定义同上，第三个参数比较特殊，后面慢慢讲。 可以看到该方法有两个泛型 T 和 U ： （1）泛型T是集合中元素的类型， （2）泛型U是计算之后返回结果的类型，U的类型由第一个参数 identity 决定。 也就是说，三个参数的reduce()可以返回与集合中的元素不同类型的值，方便我们对复杂对象做计算式和转换。 而一个参数和两个参数的reduce()只能返回与集合中的元素同类型的值。 现在我们在集合中存放 ScoreBean 对象，模拟学生分数统计： static class ScoreBean { private String name; //学生姓名 private int score; //分数，需要汇总该字段 public ScoreBean(String name, int score) { this.name = name; this.score = score; } //get 和 set 方法省略 }我们对 ScoreBean 中 score 字段汇总：（后面示例代码中的list定义省略，都用这个） List list= Lists.newArrayList( new ScoreBean("张三",1) ,new ScoreBean("李四",2) ,new ScoreBean("王五",3) ,new ScoreBean("小明",4) ,new ScoreBean("小红",5)); Integer total=list.stream() .reduce( Integer.valueOf(0) /*初始值 identity*/ ,(integer,scoreBean)->integer+scoreBean.getScore() /*累加计算 accumulator*/ ,(integer1,integer2)->integer1+integer2 /*第三个参数 combiner*/ ); System.out.println(total);//结果：15其实这个相当于： Integer total=list.stream().mapToInt(ScoreBean::getScore).sum(); System.out.println(total);//结果也是：15第三个参数 BinaryOperator combiner 是个什么鬼？ 这个参数的lambda表达式我是这么写的：(integer1,integer2)->integer1+integer2) 现在我将其打印出来： Integer total=list.stream() .reduce( Integer.valueOf(0) ,(integer,scoreBean)->integer+scoreBean.getScore() ,(integer1,integer2)->{ //这个println居然没有执行！！！ System.out.println("integer1="+integer1+", integer2="+integer2); return integer1+integer2; } );发现这个参数的lambda表达式根本就没有执行？！ 我换了一种方式，换成 parallelStream ，然后把线程id打印出来： //Integer total=list.stream() Integer total=list.parallelStream() .reduce( Integer.valueOf(0) ,(integer,scoreBean)->integer+scoreBean.getScore() ,(integer1,integer2)->{ //由于用的 parallelStream ，可发生并行计算，所以我增加线程id的打印： System.out.println("threadId="+Thread.currentThread().getId()+", integer1="+integer1+", integer2="+integer2); return integer1+integer2; } ); /*结果如下： threadId=13, integer1=1, integer2=2 threadId=1, integer1=4, integer2=5 threadId=1, integer1=3, integer2=9 threadId=1, integer1=3, integer2=12 */把 stream 换成并行的 parallelStream， 可以看出，有两个线程在执行任务：线程13和线程1 ， 每个线程会分配几个元素做计算， 如上面的线程13分配了元素1和2，线程1分配了3、4、5。 至于线程1为什么会有两个3，是由于线程13执行完后得到的结果为3（1+2），而这个3又会作为后续线程1的入参进行汇总计算。 可以多跑几次，每次执行的结果不一定相同，如果看不出来规律，可以尝试增加集合中的元素个数，数据量大更有利于并行计算发挥作用。 因此，第三个参数 BinaryOperator combiner 的作用为：汇总所有线程的计算结果得到最终结果。 并行计算会启动多个线程执行同一个计算任务，每个线程计算完后会有一个结果，最后要将这些结果汇总得到最终结果。 我们再来看一个有意思的结果，把第一个参数 identity 从0换成1： //Integer total=list.stream() Integer total=list.parallelStream() .reduce( Integer.valueOf(1) ,(integer,scoreBean)->{ System.out.println("$ threadId="+Thread.currentThread().getId()+", integer="+integer+", scoreBean.getScore()="+scoreBean.getScore()); return integer+scoreBean.getScore(); } ,(integer1,integer2)->{ System.out.println("threadId="+Thread.currentThread().getId()+", integer1="+integer1+", integer2="+integer2); return integer1+integer2; } ); System.out.println("result="+total); /* 运行结果如下： $ threadId=12, integer=1, scoreBean.getScore()=2 $ threadId=1, integer=1, scoreBean.getScore()=3 $ threadId=14, integer=1, scoreBean.getScore()=5 $ threadId=13, integer=1, scoreBean.getScore()=1 $ threadId=15, integer=1, scoreBean.getScore()=4 threadId=13, integer1=2, integer2=3 threadId=15, integer1=5, integer2=6 threadId=15, integer1=4, integer2=11 threadId=15, integer1=5, integer2=15 result=20 */预期结果应该是16（初始值1+原来的结果15），但实际结果为20，多加了4次1，猜测是多加了四次初始值， 从打印的结果可以发现： （1）并行计算时用了5个线程（线程id依次为：12, 1, 14, 13, 15），汇总合并时用了两个线程（线程id为13和15） （2）并行计算的每一个线程都用了初始值参与计算，因此多加了4次初始值。 总结： 使用 parallelStream 时，初始值 identity 应该设置一个不影响计算结果的值，比如本示例中设置为 0 就不会影响结果。 我觉得这个初始值 identity 有两个作用：确定泛型U的类型 和 避免空指针。 但是如果初始值本身就是一个复杂对象那该怎么办呢？ 比如是初始值是一个数组，那么应该设定为一个空数组。如果是其他复杂对象那就得根据你reduce的具体含义来设定初始值了。 用表达式来解释就是初始值identity应该满足以下等式： combiner.apply(u, accumulator.apply(identity, t)) == accumulator.apply(u, t) //combiner.apply(u1,u2) 接收两个相同类型U的参数 //accumulator.apply(u, t) 接收两个不同类型的参数U和T，U是返回值的类型，T是集合中元素的类型 //这个等式恒等，parallelStream计算时就不会产生错误结果 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
| CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |