人生要有意义只有发扬生命，快乐就是发扬生命的最好方法。——张闻天
关于reduce我已经写过博客了
今天最后再来聊一聊它的第三个重载
之前一直用得少，所以没有去探究它的妙用
最近稍微抽空看了下
发现还挺有意思的
例如它的第三个参数
在并行流的场景下同样的代码竟有不同的效果
如下：
public static void main(String[] args) { sum(); parallelSum(); } private static void sum() { List<Integer> list = Stream.generate(() -> 1).limit(100).collect(Collectors.toList()); System.out.println(list); int sum = list.stream().reduce(1, Integer::sum, (a, b) -> { System.out.println("stream执行sum时上次结果：[" + a + "]本次值：[" + b + "]"); return Integer.sum(a, b); }); System.out.println(sum); } private static void parallelSum() { List<Integer> list = Stream.generate(() -> 1).limit(100).collect(Collectors.toList()); System.out.println(list); int sum = list.parallelStream().reduce(1, Integer::sum, (a, b) -> { System.out.println("parallelStream执行sum时上次结果：[" + a + "]本次值：[" + b + "]"); return Integer.sum(a, b); }); System.out.println(sum); }
仅仅是把stream换成了parallelStream，得到的结果就不一样了
并且可以通过日志看出，上方第一个stream是没有执行我们第三个参数BinaryOperator combiner的
而我们下面的parallelStream却执行了
并且两者返回的值不一样
第一个返回101
是因为我们调用reduce时
给了个默认值为1
再加上我们聚合计算得到的结果为100相加得到101
注意这里我们第三个参数BinaryOperator combiner并没有执行，于是忽略
就像(((默认值1+第一个元素1)+第二个元素1)+第三个元素1)+...这样一直累加，得到结果101
graph LR 普通stream 100个1组成的list -->|第一次累加| 默认值1+第一个元素1 --> 2 -->|第二次累加| 上次得到的结果2+第二个元素1 --> 省略...
第二个返回了164
是因为我们调用reduce时
给了个默认值为1
而我们在并行流计算时，每次计算都会去重复计算一遍这个默认值
就像(默认值1+第一个元素1)+(默认值1+第二个元素1)+(默认值1+第三个元素1)...这样
但要注意，并行流的内部使用了默认的 ForkJoinPool分支/合并框架，它的默认线程数量就是你的处理器数量
我这里最大线程数为64，因此最多我们的默认值会被多加63次，得到结果164，要注意，可能我的最大线程数并没有这么多，一些线程可能会被重复使用，因此累加次数可能是大于最大线程数
它像一个BUG，一个坑，所以要多多注意，这里我们可以避免这个坑的话，初始值我们给0即可，因为0无论是加一次还是63次都不会影响我们最终的结果~
graph LR 并行流parallelStream list[100个1组成的list] -->|第一次累加| A[默认值1+第一个元素1] --> C[2] --> final[前面的计算执行完毕后] list --> 注意是同时执行 list -->|第二次累加| B[默认值1+第一个元素1] --> D[2] --> final list -->|第...次累加| 默认值1+上次得到的结果+第...个元素1 --> E[x] --> final final --> 将计算结果再次累加得到最后的结果
