noteless 头像

[五]java函数式编程归约reduce概念原理 stream reduce方法详解 reduce三个参数的reduce方法如何使用

reduce-归约


看下词典翻译:
image_5b7bb842_2b7a
好的命名是自解释的
reduce的方法取得就是其中归纳的含义
java8 流相关的操作中,我们把它理解 "累加器",之所以加引号是因为他并不仅仅是加法
他的运算可以是一个Lambda 表达式
所以更准确的说 reduce 是一个迭代运算器
Stream包的文档中其实已经说的很明白了
但是就是因为不是很理解所以看的云里雾里
其中说到:
一个reduce操作(也称为折叠)接受一系列的输入元素,并通过重复应用操作将它们组合成一个简单的结果
 
参照reduce方法文档给出的示例

T result = identity;

for (T element : this stream)

result = accumulator.apply(result, element)

return result;

 

累计运算的概念


以下面的这个方法为例解析
image_5b7bb842_61a1
BinaryOperator 是BiFunction 的三参数特殊化形式,两个入参和返回结果都是类型T
 
计算1,2,3,4,5 的和,并且初始值为3  
也就是计算3+1+2+3+4+5 
1.使用Stream 两个参数的reduce方法进行归约运算
2.使用for循环迭代调用BinaryOperator 的apply进行运算
image_5b7bb842_27a8
其实两种方式背后的思维方式是一样的
那就是   
结果重新作为一个参数,不断地参与到运算之中,直到最后结束
 
理解reduce的含义重点就在于理解"累   加   器" 的概念
image_5b7bb842_5f93
 
只要能够理解了累计运算的概念
就可以完全理解Stream 中reduce方法
他就是一个不断累计运算的过程
image_5b7bb842_f7c
 
 
Stream的一个参数和两个参数的方法的基本逻辑都是如此
差别仅仅在于一个参数的是result  R = T1 ,然后再继续与剩下的元素参与运算
 
 

三个参数的reduce


    <U> U reduce(U identity,
                 BiFunction<U, ? super T, U> accumulator,
                 BinaryOperator<U> combiner);
 
image_5b7bb842_57b2
 
它的形式类似于
image_5b7bb842_1a72
与两个参数的reduce不同的地方在于类型
双参数的返回类型为T  Stream类型为T
三参数的返回类型为U  Stream类型为T   有了更大的发挥空间  T可能为U 也可能不是U 
 
很显然,三参数的reduce 方法的思维方式同双参数的并无二致
所以问题来了,那还要第三个参数做什么?
其实第三个参数用于在并行计算下 合并各个线程的计算结果
 
并行流运行时:内部使用了fork-join框架
image_5b7bb842_567a
多线程时,多个线程同时参与运算
多个线程执行任务,必然会产生多个结果
那么如何将他们进行正确的合并
这就是第三个参数的作用
 
 
大致处理流程
image_5b7bb842_523b
从流程上看的 结果R是一直参与运算的!!
我们之前也有一个例子
两种情况下的结果是不一样的!!!!
image_5b7bb842_595b
 
image_5b7bb842_7701
结果不同  是因为  ((((5+1)+2)+3)+4)+5   和   (5+1)+ (5+2)+ (5+3)+ (5+4)+ (5+5)  运算结果不相同 
那么这个方法不是有问题么?
 
其实不然,有问题的是我们的写法
文档中进行了明确的说明要求
image_5b7bb842_5e68
 
翻译下:
第一点:identity 的值对于合并运算combiner来说必须是一个恒等式,也就是说对于任意的u,  combiner(identity,u)  和u是相同的
这句话看起来怪怪的,对于任意的u 经过合并运算 竟然还是u,那还要这个干嘛??
从我们上面的并行处理流程可以看得出来,这个result 的初始identity 对于每一个分支都是参与运算的!
 
这也是为什么要求:
任意的u,  combiner(identity,u)  和u是相同的
的原因
我们之所以会错,就是因为没有达到要求  
我们的combiner为   (a,b)->a+b;
那么如果分为两个分支进行运算,我们的初始值identity就参与了两次运算  也就是说多加了两个identity的值!!
怎么样才能保证u = combiner(identity,u)  
除非identity=0  这才是对于  (a,b)->a+b  来说能够保障u = combiner(identity,u)    
否则,你就不要用(a,b)->a+b  这个combiner
我们把Identity换成0之后
image_5b7bb842_1ad8
image_5b7bb842_328c
 
结果就不再有问题了
 
第二点
combiner 必须和accumulator要兼容
对于任意的u 和 t
image_5b7bb842_5598
这到底是什么意思呢?
 
场景
假设说4个元素 1,2,3,4  需要运算
此时假设已经 1,2,3 三组数据已经运算结束,马上要同第四组运算 
如果是并行,我们假定1,2,3 在一个分支   4单独在另一分支
 
并行时
U为已经计算好的1,2,3后的结果     接下来要与另一组的4 合并
T4则是identity与T参与运算
上面的图就是
combiner.apply(u, accumulator.apply(identity, t))
 
image_5b7bb842_7a6c
 
非并行运算
u 直接与下一个元素进行结合运算

image_5b7bb842_3cb9
 
显然这只是并行和非并行两种不同的处理运算方式,他们应该是相同的
也就是
image_5b7bb842_1362
 
 
posted @ 2018-08-21 15:02  noteless  阅读(...)  评论(... 编辑 收藏