前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >[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

[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

作者头像
noteless
发布2018-09-11 11:00:12
3K0
发布2018-09-11 11:00:12
举报
文章被收录于专栏:noteless

reduce-归约

看下词典翻译:

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

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

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

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

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);

它的形式类似于

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

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

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!!!!

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

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

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

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))

非并行运算 u 直接与下一个元素进行结合运算

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

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018-08-21 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • reduce-归约
  • 累计运算的概念
  • 三个参数的reduce
相关产品与服务
GPU 云服务器
GPU 云服务器(Cloud GPU Service,GPU)是提供 GPU 算力的弹性计算服务,具有超强的并行计算能力,作为 IaaS 层的尖兵利器,服务于生成式AI,自动驾驶,深度学习训练、科学计算、图形图像处理、视频编解码等场景。腾讯云随时提供触手可得的算力,有效缓解您的计算压力,提升业务效率与竞争力。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档