Java Stream API — reduce(identity, accumulator) 使用总结

📌 方法定义

T reduce(T identity, BinaryOperator<T> accumulator)

该方法对流中的元素执行归约操作，使用指定的 恒等值 identity 和一个 结合型累加函数 accumulator，返回归约后的结果。

其逻辑等价于：

T result = identity;
for (T element : stream)
    result = accumulator.apply(result, element);
return result;

---

⚙️ 并行执行说明

✅ 用户无需关心的并行实现细节：

• 数据的分片策略
• 并行任务的线程调度
• 中间结果的合并过程
• 所使用的线程池或底层机制（如 ForkJoinPool）

这些由 Java 流的实现自动处理，特别是在调用 .parallel() 时。

⚠️ 但必须满足的前提条件：

要求	说明
结合性 (Associativity)	a ⊕ (b ⊕ c) == (a ⊕ b) ⊕ c，如加法、乘法、字符串拼接
无副作用 (Stateless & Non-interfering)	累加函数不能访问或修改外部状态或共享变量
恒等值 identity	对所有 t 满足：accumulator.apply(identity, t) == t

---

💡 使用示例

示例 1：整数求和

List<Integer> integers = List.of(1, 2, 3, 4);
Integer sum = integers.reduce(0, Integer::sum);
System.out.println(sum); // 输出 10

示例 2：字符串拼接

List<String> words = List.of("Hello", "World");
String sentence = words.reduce("", (a, b) -> a + " " + b);
System.out.println(sentence); // 输出 " Hello World"

---

✅ 优点总结

• 提供函数式风格的聚合操作
• 可自动并行执行，适合大数据量处理
• 避免线程安全问题，简化同步逻辑

---

⚠️ 错误示例：含副作用的累加器

List<Integer> list = Arrays.asList(1, 2, 3);

// 不推荐：累加器包含副作用操作（打印），并行执行可能导致混乱
Integer sum = list.parallelStream().reduce(0, (a, b) -> {
    System.out.println(Thread.currentThread().getName());
    return a + b;
});

输出结果可能无序，性能不稳定，并可能出现竞态条件。

---

🔚 总结

reduce(identity, accumulator) 是一种强大而安全的终端归约操作。
只要满足函数式约束（结合性、无副作用、恒等值），你就可以放心地使用它进行顺序或并行的聚合处理，而无需操心底层并发细节。