基本使用
先举一个简单的例子：
算法题：Words
题目描述
每个句子由多个单词组成，句子中的每个单词的长度都可能不一样，我们假设每个单词的长度Ni为该单词的重量，你需要做的就是给出整个句子的平均重量V。
解答要求
时间限制：1000ms, 内存限制：100MB
输入
输入只有一行，包含一个字符串S(长度不会超过100)，代表整个句子，句子中只包含大小写的英文字母，每个单词之间有一个空格。
输出
输出句子S的平均重量V(四舍五入保留两位小数)。
Who Love Solo
输出样例
3.67
这道题的意思是求一句话中每个单词的平均长度，我们求得总长度然后除以单词数量即可，刚好能用到reduce()这个方法。
public class Demo {
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
String[] s = sc.nextLine().split(" ");
double res = Arrays.stream(s).mapToDouble(a ->a.length()).reduce(0,(a,b)->a+b);
System.out.println(String.format("%.2f",res/s.length));
}
}
在代码中，.reduce(0,(a,b)->a+b);这一块就是我们经典的使用案例，我们要先明白其中a,b的含义，然后再学习如何使用
关键概念：初始值的定义（Identity)，累加器（Accumulator)，组合器（Combiner）
Identity : 定义一个元素代表是归并操作的初始值，如果Stream 是空的，也是Stream 的默认结果
Accumulator: 定义一个带两个参数的函数，第一个参数是上个归并函数的返回值，第二个是Strem 中下一个元素。
Combiner: 调用一个函数来组合归并操作的结果，当归并是并行执行或者当累加器的函数和累加器的实现类型不匹配时才会调用此函数。
也就是说0就是我们的初始值，(a,b)->a+b就是我们的累加器，其中a就是上一次的计算结果，b就是Stream流中当前元素，而后面的a+b则是计算规则，比如如果我们改成a*b，那就是计算乘积了，当然我们也可以用方法引用来代替 lambda 表达式。
double res = Arrays.stream(s).mapToDouble(a ->a.length()).reduce(0,Double::sum);
这就是最基本的使用了，不知道小伙伴们有没有学会呢？
额外举例
当然，我们可以用reduce 方法处理其他类型的 stream，例如，可以操作一个 String 类型的数组，把数组的字符串进行拼接。
List<String> letters = Arrays.asList("a", "b", "c", "d", "e");
String result = letters
.stream()
.reduce("", (partialString, element) -> partialString + element);
assertThat(result).isEqualTo("abcde");
同样也可以用方法引用来简化代码
String result = letters.stream().reduce("", String::concat);
assertThat(result).isEqualTo("abcde");
我们再把上面的拼接字符串的例子改下需求，先把字符串转变成大写然后再拼接
String result = letters
.stream()
.reduce(
"", (partialString, element) -> partialString.toUpperCase() + element.toUpperCase());
assertThat(result).isEqualTo("ABCDE");
另外，我们可以并行地归并元素（并行归并，下面会详细讲解），如下并行归并一个数字数组来求和
List<Integer> ages = Arrays.asList(25, 30, 45, 28, 32);
int computedAges = ages.parallelStream().reduce(0, a, b -> a + b, Integer::sum);
当对一个流进行并行操作时，在运行时会把流分割多个子流来并行操作。在上面例子中，我们需要一个函数来组合各个子流返回的结果，这个函数就是前面提到的Combiner(组合器)。
有一个注意点，下面的代码无法通过编译
List<User> users = Arrays.asList(new User("John", 30), new User("Julie", 35));
int computedAges =
users.stream().reduce(0, (partialAgeResult, user) -> partialAgeResult + user.getAge());
上代码无法编译的原因是，流中包含的是User 对象，但是累加函数的参数分别是数字和user 对象，而累加器的实现是求和，所以编译器无法推断参数 user 的类型。可以把代码改为如下可以通过编译
int result = users.stream()
.reduce(0, (partialAgeResult, user) -> partialAgeResult + user.getAge(), Integer::sum);
assertThat(result).isEqualTo(65);
当顺序读流或者累加器的参数和它的实现的类型匹配时，我们不需要使用组合器。
并行读流
如上文提到的，我们可以并行的使用 reduce() 方法。并行使用时，要注意一下几点：
结果和处理的顺序无关
操作不影响原有数据
操作没有状态和同样的输入有一样的输出结果
我们注意上面3点，以防出现不预期的结果，一般并行处理包含大量数据的流或者耗时的操作。
处理异常
在以上的例子中，reduce 方法都没抛出异常，如果出现异常我们该如何优雅的处理异常呢？看下面例子:
List<Integer> numbers = Arrays.asList(1, 2, 3, 4, 5, 6);
int divider = 2;
int result = numbers.stream().reduce(0, a / divider + b / divider);
如果 divider =0 , 会抛出 ArithmeticException，遇到这种情况，一般的处理方法使用 try/catch 捕获异常
public static int divideListElements(List<Integer> values, int divider) {
return values.stream()
.reduce(0, (a, b) -> {
try {
return a / divider + b / divider;
} catch (ArithmeticException e) {
LOGGER.log(Level.INFO, "Arithmetic Exception: Division by Zero");
}
return 0;
});
}
如果直接使用 try/catch 会影响代码的可读性，我们可以把 divide 的操作封装一个单独的方法，并在里面捕获异常，如下：
rivate static int divide(int value, int factor) {
int result = 0;
try {
result = value / factor;
} catch (ArithmeticException e) {
LOGGER.log(Level.INFO, "Arithmetic Exception: Division by Zero");
}
return result
}
divideListElements 调用 divide 方法
public static int divideListElements(List<Integer> values, int divider) {
return values.stream().reduce(0, (a, b) -> divide(a, divider) + divide(b, divider));
}
复杂对象的处理
我们可以使用 reduce 方法处理复杂的对象，reduce 需要接受和复杂对象相对应的 identity、accumulator、combiner。
假设一个场景：计算一个网站用户的评分，该评分是所有用户所有评论的平均值。
有个类 Review 定义如下：
public class Review {
private int points;
private String review;
// constructor, getters and setters
}
类 Rating 引用 Review 计算用户的评分
public class Rating {
double points;
List<Review> reviews = new ArrayList<>();
public void add(Review review) {
reviews.add(review);
computeRating();
}
private double computeRating() {
double totalPoints =
reviews.stream().map(Review::getPoints).reduce(0, Integer::sum);
this.points = totalPoints / reviews.size();
return this.points;
}
public static Rating average(Rating r1, Rating r2) {
Rating combined = new Rating();
combined.reviews = new ArrayList<>(r1.reviews);
combined.reviews.addAll(r2.reviews);
combined.computeRating();
return combined;
}
}
先组装一些用户和用户的评论
User john = new User("John", 30);
john.getRating().add(new Review(5, ""));
john.getRating().add(new Review(3, "not bad"));
User julie = new User("Julie", 35);
john.getRating().add(new Review(4, "great!"));
john.getRating().add(new Review(2, "terrible experience"));
john.getRating().add(new Review(4, ""));
List<User> users = Arrays.asList(john, julie);
调用 reduce 方法处理评分
Rating averageRating = users.stream()
.reduce(new Rating(),
(rating, user) -> Rating.average(rating, user.getRating()),
Rating::average);
标签：Rating,Stream,stream,int,reduce,result,new,解析 From： https://blog.51cto.com/u_15932616/5994502