累加应优先用sum()；若用reduce，identity须为中性值（如0）、accumulator须为纯函数、combiner须满足结合律；并行流必须用三参数reduce；带状态聚合需用不可变容器。
直接用 reduce 做累加看似简单，但初始值配错、参数选错，轻则结果不准，重则并行流下崩溃。关键不在“会不会写”，而在“为什么这么写”。
累加数字：优先用 sum()，非要用 reduce 就守死三条线
对 int 或 long 流，最稳写法是：stream.mapToInt(Integer::intValue).sum() —— 底层优化、线程安全、无需操心初始值。
若坚持用 reduce，必须满足：
-
identity 必须是中性不可变值：如
0（加法）、1L（乘法），绝不能是new AtomicInteger(0)或可变数组 -
accumulator 必须纯函数：写成
(a, b) -> a + b，不修改a；禁用list.add(b)这类副作用操作 -
combiner 必须与 accumulator 行为一致且满足结合律：例如两个部分和合并，也得用
(x, y) -> x + y，不能一个加、一个减
并行流累加：双参数 reduce 是陷阱，三参数才是标配
写 parallelStream().reduce(0, (a,b)->a+b) 在多数情况下能跑通，但这只是“碰巧”——因为加法满足无状态、可结合。一旦换成对象拼接、计数统计或自定义类型，立刻出问题。
真正可靠的做法是显式提供三参数版本：
int sum = list.parallelStream()
.reduce(
0, // identity：中性值，不可变
(partial, e) -> partial + e, // accumulator：每次加新元素
(left, right) -> left + right // combiner：合并两个分段结果
);
这个结构天然适配 Fork/Join 框架，各线程独立计算片段，最后安全合并。
带状态聚合：用不可变容器替代可变对象
求平均值需要同时记 sum 和 count，不能用 int 当 identity，也不能用 new long[2]（数组可变，会被多线程污染）。
正确姿势是定义不可变数据载体：
record SumCount(long sum, long count) {
SumCount add(int x) { return new SumCount(sum + x, count + 1); }
SumCount merge(SumCount other) {
return new SumCount(sum + other.sum, count + other.count);
}
}
再传入 reduce：
SumCount result = stream.reduce(
new SumCount(0, 0),
(sc, x) -> sc.add(x),
(sc1, sc2) -> sc1.merge(sc2)
);
double avg = (double) result.sum() / result.count();
初始值配置的底层逻辑：它不是“起点”，而是“单位元”
很多人把 identity 理解为“第一个参与计算的值”，这是误区。它的本质是代数中的单位元：满足 op(identity, x) == x 且 op(x, identity) == x。
所以：
- 加法用
0，因为0 + x == x - 乘法用
1，因为1 * x == x - 字符串拼接用
""，因为"" + s == s - 集合合并用
new ArrayList()？错！应改用Collectors.toList()或自定义不可变收集器
配错 identity，不仅影响空流结果（如空流返回 identity），更会在并行时破坏分段合并的数学一致性。
