Java8之Stream流（一）基礎體驗
Java8之Stream流（二）關鍵知識點
Java8之Stream流（四）并行流
Java8之Stream流（五）映射流
Java8之Stream流（六）收集
Java8之Stream流（七）流與迭代器
和前面兩篇文章一起服用，效果會更佳。通過對流API的基礎體驗Demo和關鍵知識點的講解 ，相信大家對流API都有一定的認識了，但是流API強大的功能，可不僅僅像前面兩篇文章中說的那樣簡單，大家應該注意到，在第二篇中，我對Stream接口進行介紹的時候，并沒有把他的全部方法都進行了解析說明。沒錯，從這一篇開始，那些還沒有講解的方法，很可能就開始變成我們的主角了，大家從題目上面應該知道了，本期我們要講的是流API的縮減操作。
何為縮減操作？
我們先考慮一下min()和max()，這兩個方法我們在第一篇和第二篇中均有提到，其中min()是返回流中的最小值，而max()返回流中最大值，前提是他們存在。他們之間的特點是什么？①都返回了一個值②由一可知，他們是終端操作。如果我們用流API的術語來形容前面這兩種特性的結合體的話，它們代表了縮減操作。因為每個縮減操作都把一個流縮減為一個值，好比最大值，最小值。當然流API，把min()和max()，count()這些操作稱為特例縮減。即然說到了特例，肯定就有泛化這種概念了，他就是reduce()方法了，其實第二篇當中，他已經出現過了，只是當時我沒有去強調他。
public interface Stream<T> extends BaseStream<T, Stream<T>> {
//、、、忽略其他無關緊要的元素
T reduce(T identity, BinaryOperator<T> accumulator);
Optional<T> reduce(BinaryOperator<T> accumulator);
<U> U reduce(U identity,
BiFunction<U, ? super T, U> accumulator,
BinaryOperator<U> combiner);
｝
Stream接口定義了三個版本的reduce()，我們先使用前面兩個,
T reduce(T identity, BinaryOperator<T> accumulator);//1
Optional<T> reduce(BinaryOperator<T> accumulator);//2
第一個版本返回的是一個T類型的對象，T代表的是流中的元素類型！第二個版本是返回一個Optional類型對象。對于這兩種形式，accumulator是一個操作兩個值并得到結果的函數。在第一個版本當中，identity是這樣一個值，對于涉及identity和流中任意的累積操作，得到的結果就是元素自身，沒有任何改變。比如，如果是加法，他就是0，如果是乘法他就是1。
其中的accumulator是一個BinaryOperator<T>的類型，他是java.util.function包中聲明的函數式接口，它擴展了BiFunction函數式接口.
@FunctionalInterface
public interface BinaryOperator<T> extends BiFunction<T,T,T> {
}
@FunctionalInterface
public interface BiFunction<T, U, R> {
R apply(T t, U u);//notice
}
BiFunction接口中的apply()方法的原型在//notice。其中R指定了結果的類型，T，U分別是第一參數的類型和第二個參數的類型，因此apply()對他的兩個操作數(t,u)應用到同一個函數上，并返回結果，而對BinaryOperator<T>來說，他在擴展 BiFunction時，指定了所有的類型參數都是相同的T，因此對于BinaryOperator<T>函數式接口的apply來說，他也就變成了 T apply(T t, T u),此外，還有一個需要注意的地方是，在應用reduce()時，apply()的第一個參數t,包含的是一個結果，u包含的是下一個元素。在第一次調用時，將取決于使用reduce()的版本，t可能是單位值，或者是前一個元素。
縮減操作的三個約束
- 無狀態
- 不干預
- 關聯性
無狀態，這里可不是LOL的那個無狀態，畢竟他退役了。相信讀過第二篇文章的同學已經很容易理解了，簡單來說無狀態就是每個元素都被單獨地處理，他和流中的其它元素是沒有任何依賴關系的。不干預是指操作數不會改變數據源。最后，操作必須具有關聯性，這里的關聯性是指標準的數學含義，即，給定一個關聯運算符，在一系列操作中使用該運算符，先處理哪一對操作數是無關緊要的。比如，(1 * 2) * 3 <===> 1 * (2 * 3)。其中關聯性，在并行流中，是至關重要的。下面我用一個簡單的例子帶著大家實戰一下泛化縮減操作reduce()的使用。
public class Main {
public static void main(String[] args) {
learnStream();
}
private static void learnStream() {
List<Integer> lists = new ArrayList<>();
lists.add(1);
lists.add(2);
lists.add(3);
lists.add(4);
lists.add(5);
lists.add(6);
Optional<Integer> sum = lists.stream().reduce((a, b) -> a + b);
if (sum.isPresent()) System.out.println("list的總和為:" + sum.get());//21
//<====> lists.stream().reduce((a, b) -> a + b).ifPresent(System.out::println);
Integer sum2 = lists.stream().reduce(0, (a, b) -> a + b);//21
System.out.println("list的總和為:" + sum2);
Optional<Integer> product = lists.stream().reduce((a, b) -> a * b);
if (product.isPresent()) System.out.println("list的積為:" + product.get());//720
Integer product2 = lists.stream().reduce(1, (a, b) -> a * b);
System.out.println("list的積為:" + product2);//720
}
}
這個Demo主要是計算了一個list里面的總和，積的操作，大家可以和傳統的算總和，積的方法進行對照，比一比衡量一下就有自己的答案了。但是如果你以為流API僅此而已，那你就錯了。越是后面的東西，就越裝B，我在剛知道他們的時候，反正是被嚇了一跳的，但這些都是后話了，現在我們來詳解一下Demo,并給出擴展的方向：我們這個例子主要是用了lambda表達式對list進行了求和，求積，對于第一個版本為說，求和的時候，identity的值為0，求積的時候它的值為1，強烈建議你們自己感受一下identity的變化對整個結果的變化產生什么 的影響，改變一下identity的值，再運行一下，你就有結果了，另一個擴展點是：
Integer product3 = lists.stream().reduce(1, (a, b) -> {
if (b % 2 == 0) return a * b; else return a;//這里你可以為所欲為!
});
System.out.println("list的偶數的積為:" + product3);//48
小結一下
對于流的縮減操作來說,主要要知道,他只返回一個值,并且它是一個終端操作,然后還有的就是要知道縮減操作的三個約束了,其實最重要的就是無狀態性和關聯性了.這一小節要說的,也就這么多了,應該很容易就把他收到自己的技能樹上面了。
