和前面两篇文章一起服用,效果会更佳。通过对流API的基础体验Demo和关键知识点的讲解,相信大家对流API都有一定的认识了,但是流API强大的功能,可不仅仅像前面两篇文章中说的那样简单,大家应该注意到,在第二篇中,我对Stream接口进行介绍的时候,并没有把他的全部方法都进行了解析说明。没错,从这一篇开始,那些还没有讲解的方法,很可能就开始变成我们的主角了,大家从题目上面应该知道了,本期我们要讲的是流API的缩减操作。

何为缩减操作?

我们先考虑一下min()和max(),这两个方法我们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,前提是他们存在。他们之间的特点是什么?①都返回了一个值②由一可知,他们是终端操作。如果我们用流API的术语来形容前面这两种特性的结合体的话,它们代表了缩减操作。因为每个缩减操作都把一个流缩减为一个值,好比最大值,最小值。当然流API,把min()和max(),count()这些操作称为特例缩减。即然说到了特例,肯定就有泛化这种概念了,他就是reduce()方法了,其实第二篇当中,他已经出现过了,只是当时我没有去强调他。

public interface Stream<T> extends BaseStream<T, Stream<T>> {

//忽略其他无关紧要的元素
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接口定义了三个版本的reduce(),我们先使用前面两个,

T reduce(T identity, BinaryOperator<T> accumulator);//1
Optional<T> reduce(BinaryOperator<T> accumulator);//2

第一个版本返回的是一个T类型的对象,T代表的是流中的元素类型!第二个版本是返回一个Optional类型对象。对于这两种形式,accumulator是一个操作两个值并得到结果的函数。在第一个版本当中,identity是这样一个值,对于涉及identity和流中任意的累积操作,得到的结果就是元素自身,没有任何改变。比如,如果是加法,他就是0,如果是乘法他就是1。

其中的accumulator是一个BinaryOperator的类型,他是java.util.function包中声明的函数式接口,它扩展了BiFunction函数式接口.

@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指定了结果的类型,T,U分别是第一参数的类型和第二个参数的类型,因此apply()对他的两个操作数(t,u)应用到同一个函数上,并返回结果,而对BinaryOperator来说,他在扩展 BiFunction时,指定了所有的类型参数都是相同的T,因此对于BinaryOperator函数式接口的apply来说,他也就变成了 T apply(T t, T u),此外,还有一个需要注意的地方是,在应用reduce()时,apply()的第一个参数t,包含的是一个结果,u包含的是下一个元素。在第一次调用时,将取决于使用reduce()的版本,t可能是单位值,或者是前一个元素。

缩减操作的三个约束

  • 无状态
  • 不干预
  • 关联性

无状态,这里可不是LOL的那个无状态,毕竟他退役了。相信读过第二篇文章的同学已经很容易理解了,简单来说无状态就是每个元素都被单独地处理,他和流中的其它元素是没有任何依赖关系的。不干预是指操作数不会改变数据源。最后,操作必须具有关联性,这里的关联性是指标准的数学含义,即,给定一个关联运算符,在一系列操作中使用该运算符,先处理哪一对操作数是无关紧要的。比如,(1 * 2) * 3 <===> 1 * (2 * 3)。其中关联性,在并行流中,是至关重要的。下面我用一个简单的例子带着大家实战一下泛化缩减操作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的总和为:" + 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的总和为:" + sum2);

        Optional<Integer> product = lists.stream().reduce((a, b) -> a * b);
        if (product.isPresent()) System.out.println("list的积为:" + product.get());//720

        Integer product2 = lists.stream().reduce(1, (a, b) -> a * b);
        System.out.println("list的积为:" + product2);//720
    }
}

这个Demo主要是计算了一个list里面的总和,积的操作,大家可以和传统的算总和,积的方法进行对照,比一比衡量一下就有自己的答案了。但是如果你以为流API仅此而已,那你就错了。越是后面的东西,就越装B,我在刚知道他们的时候,反正是被吓了一跳的,但这些都是后话了,现在我们来详解一下Demo,并给出扩展的方向:我们这个例子主要是用了lambda表达式对list进行了求和,求积,对于第一个版本为说,求和的时候,identity的值为0,求积的时候它的值为1,强烈建议你们自己感受一下identity的变化对整个结果的变化产生什么 的影响,改变一下identity的值,再运行一下,你就有结果了,另一个扩展点是:

 Integer product3 = lists.stream().reduce(1, (a, b) -> {
            if (b % 2 == 0) return a * b; else return a;//这里你可以为所欲为!
 });
 System.out.println("list的偶数的积为:" + product3);//48

小结一下

对于流的缩减操作来说,主要要知道,他只返回一个值,并且它是一个终端操作,然后还有的就是要知道缩减操作的三个约束了,其实最重要的就是无状态性和关联性了.这一小节要说的,也就这么多了,应该很容易就把他收到自己的技能树上面了。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注