Java8流-收集与减少

什么时候使用

collect（）

vs

reduce（）

？有没有人有好的、具体的例子来说明什么时候走这条路或那条路肯定更好

考虑到这是一个可变的缩减，我假设它需要（内部）同步，这反过来会对性能有害。大概

reduce（）

更容易并行化，代价是在reduce中的每一步之后都必须为return创建一个新的数据结构

但是，上面的语句都是猜测，我希望专家在这里插话。

reduce

是一个“”操作，它对流中的每个元素应用一个二进制运算符，其中运算符的第一个参数是前一个应用程序的返回值，第二个参数是当前流元素

collect

是一种聚合操作，其中创建一个“集合”，并将每个元素“添加”到该集合中。然后将流的不同部分中的集合添加到一起

以下给出了采用两种不同方法的原因：

如果我们想要获取字符串流并将它们连接到 单个长字符串，我们可以通过普通缩减实现这一点：

 String concatenated = strings.reduce("", String::concat)  

我们将得到预期的结果，甚至可以并行工作。 然而，我们可能对这次演出不满意！这样的 实现将执行大量字符串复制，并且运行 时间的字符数为O（n^2）。更有表现力的人 方法是将结果累积到StringBuilder中， 它是用于累积字符串的可变容器。我们可以使用 和我们使用普通方法一样，使用同样的技术来并行可变约简 减少

---

因此，问题是并行化在两种情况下是相同的，但在

reduce

情况下，我们将函数应用于流元素本身。在

collect

情况下，我们将函数应用于可变容器。

正常缩减意味着将两个不可变的值（如int、double等）组合起来，并生成一个新值；这是一个不可变的缩减。相反，collect方法被设计为变异容器，以累积它应该产生的结果

为了说明这个问题，让我们假设您想要使用一个简单的简化实现

Collectors.toList（）

，如

List<Integer> numbers = stream.reduce(
        new ArrayList<Integer>(),
        (List<Integer> l, Integer e) -> {
            l.add(e);
            return l;
        },
        (List<Integer> l1, List<Integer> l2) -> {
            l1.addAll(l2);
            return l1;
        });

List number=stream.reduce(
新建ArrayList（），
（列表l，整数e）->{
l、 加（e）；
返回l；
},
（列表l1，列表l2）->{
l1.addAll（l2）；
返回l1；
});

这相当于收集器.toList（）。但是，在这种情况下，您可以对

列表进行变异。正如我们所知，
ArrayList
不是线程安全的，在迭代时从中添加/删除值也不安全，因此您将获得并发异常或
ArrayIndexOutOfBoundsException
或任何类型的异常（尤其是并行运行时）当您更新列表或组合器尝试合并列表时，因为您正在通过向列表中累积（添加）整数对列表进行变异。如果要使此线程安全，每次都需要传递一个新列表，这会影响性能

相反，
Collectors.toList（）
的工作方式类似。但是，当您将值累积到列表中时，它可以保证线程安全。从：

使用收集器对此流的元素执行可变缩减操作。如果流是并行的，而收集器是并发的，则
流无序或收集器无序，则
同时进行还原并行执行时，可以实例化、填充和合并多个中间结果，以保持可变数据结构的隔离。因此，即使与非线程安全数据结构（如ArrayList）并行执行，并行缩减不需要额外的同步。

所以要回答你的问题：

什么时候使用
collect（）
vs
reduce（）

如果您有不可变的值，例如
ints
，
double
，
Strings
，那么正常的缩减效果很好。但是，如果必须
将值减少到
列表中（可变数据结构），则需要使用
收集
方法进行可变减少。
它们在运行时的潜在内存占用方面非常不同。当
collect（）
收集所有数据并将其放入集合时，
reduce（）
明确要求您指定如何减少通过流的数据

例如，如果您想从文件中读取一些数据，对其进行处理，并将其放入某个数据库中，您可能会得到类似以下内容的java流代码：

streamDataFromFile(file)
            .map(data -> processData(data))
            .map(result -> database.save(result))
            .collect(Collectors.toList());

在本例中，我们使用
collect（）
强制java通过流式传输数据，并使其将结果保存到数据库中。如果没有
collect（）
，数据将永远不会被读取和存储

如果文件大小足够大或堆大小足够小，此代码会生成
java.lang.OutOfMemoryError:java堆空间
运行时错误。显而易见的原因是，它试图将通过流的所有数据（事实上，已经存储在数据库中）堆叠到结果集合中，这会破坏堆

但是，如果将
collect（）
替换为
reduce（）
，这将不再是一个问题，因为后者将减少并丢弃所有通过的数据

在本例中，只需将
collect（）
替换为
reduce
：

.reduce(0L, (aLong, result) -> aLong, (aLong1, aLong2) -> aLong1);

你没有
public class Employee {
  private Integer salary;
  public Employee(String aSalary){
    this.salary = new Integer(aSalary);
  }
  public Integer getSalary(){
    return this.salary;
  }
}

@Test
public void testReduceWithImmutable(){
  List<Employee> list = new LinkedList<>();
  list.add(new Employee("1"));
  list.add(new Employee("2"));
  list.add(new Employee("3"));

  Integer sum = list
  .stream()
  .map(Employee::getSalary)
  .reduce(0, (Integer a, Integer b) -> Integer.sum(a, b));

  assertEquals(Integer.valueOf(6), sum);
}

public class Employee {
  private MutableInt salary;
  public Employee(String aSalary){
    this.salary = new MutableInt(aSalary);
  }
  public MutableInt getSalary(){
    return this.salary;
  }
}

@Test
public void testCollectWithMutable(){
  List<Employee> list = new LinkedList<>();
  list.add(new Employee("1"));
  list.add(new Employee("2"));

  MutableInt sum = list.stream().collect(
    MutableInt::new, 
    (MutableInt container, Employee employee) -> 
      container.add(employee.getSalary().intValue())
    , 
    MutableInt::add);
  assertEquals(new MutableInt(3), sum);
}

 For example, given a stream of Person, to calculate the longest last name 
 of residents in each city:

    Comparator<String> byLength = Comparator.comparing(String::length);
    Map<String, String> longestLastNameByCity
        = personList.stream().collect(groupingBy(Person::getCity,
            reducing("", Person::getLastName, BinaryOperator.maxBy(byLength))));

List<Integer> list = Arrays.asList(1,2,3,4,5,6,7);
int sum = list.stream().reduce((x,y) -> {
        System.out.println(String.format("x=%d,y=%d",x,y));
        return (x + y);
    }).get();

x=1,y=2
x=3,y=3
x=6,y=4
x=10,y=5
x=15,y=6
x=21,y=7
28