JavaScript标准中不存在Iterator.prototype.reduce方法，需用for...of配合自定义reducer函数实现O(1)内存流式聚合，支持同步/异步迭代及多指标计算。
目前 JavaScript 标准中不存在 Iterator.prototype.reduce 方法。
ECMAScript 规范定义的迭代器（Iterator）对象仅必须实现 next() 方法，不提供任何高阶聚合方法（如 map、filter、reduce）。因此，你无法直接调用 iterator.reduce(...) —— 这会抛出 TypeError: iterator.reduce is not a function。
但你的核心诉求非常实际：在不将整个数据集加载进内存的前提下，对流式数据（如大型日志、数据库游标、网络 chunk、生成器产出）做指标聚合（求和、计数、均值、分位数等），且保持常量内存占用（O(1)）。
下面给出真正可行、零内存常驻、符合流式语义的解决方案：
✅ 用可组合的 reducer 函数 + for...of 遍历实现流式 reduce
这是最轻量、最可控、内存最友好的方式。关键在于：**聚合逻辑封装为纯函数，状态仅保存必要字段（如 sum、count、min、max），不缓存原始项**。
// 示例：流式计算均值（无需存储所有值）
function meanReducer(accumulator = { sum: 0, count: 0 }, value) {
return {
sum: accumulator.sum + value,
count: accumulator.count + 1
};
}
// 使用：搭配任意可迭代对象（Generator、Array、Map.values() 等）
function reduceIterable(iterable, reducer, initial) {
let acc = initial;
for (const item of iterable) {
acc = reducer(acc, item);
}
return acc;
}
// 调用
const data = (function* () { for (let i = 0; i < 1e6; i++) yield Math.random(); })();
const result = reduceIterable(data, meanReducer, { sum: 0, count: 0 });
const mean = result.count > 0 ? result.sum / result.count : 0; // → O(1) 内存✅ 封装成可复用的流式聚合工具（支持多指标）
一个 reducer 可同时维护多个指标，避免多次遍历。例如一次 pass 计算 min/max/sum/count/stddev：
function metricsReducer(acc, value) {
return {
count: acc.count + 1,
sum: acc.sum + value,
min: Math.min(acc.min, value),
max: Math.max(acc.max, value),
// 增量式方差（Welford 算法，数值稳定）
m: acc.m + (value - acc.m) / (acc.count + 1),
m2: acc.m2 + (value - acc.m) * (value - (acc.m + (value - acc.m) / (acc.count + 1)))
};
}
const initMetrics = { count: 0, sum: 0, min: Infinity, max: -Infinity, m: 0, m2: 0 };
const metrics = reduceIterable(yourIterator, metricsReducer, initMetrics);
const stddev = metrics.count > 1 ? Math.sqrt(metrics.m2 / (metrics.count - 1)) : 0;✅ 与异步流（AsyncIterator）配合：使用 await for
若数据来自 fetch 流、数据库 cursor 或 Node.js ReadableStream，需处理异步迭代：
async function reduceAsyncIterable(asyncIterable, reducer, initial) {
let acc = initial;
for await (const item of asyncIterable) {
acc = reducer(acc, item);
}
return acc;
}
// 示例：逐块读取大文件并统计行数、字节数
const fileStream = fs.createReadStream('huge.log');
const lineCount = await reduceAsyncIterable(
readline.createInterface({ input: fileStream }),
(acc, line) => ({ ...acc, lines: acc.lines + 1, bytes: acc.bytes + line.length + 1 }),
{ lines: 0, bytes: 0 }
);⚠️ 注意事项：什么不能做
- 不要尝试给 Iterator.prototype 添加 reduce：这破坏迭代器契约，且无法被 for...of 或展开语法识别；其他代码可能意外依赖原生行为
- 避免 Array.from(iterator).reduce()：这会强制展开全部元素到数组，内存爆炸
- 慎用 Array.prototype.reduce.call(iterator, ...)：因 iterator 无 length 和数字键属性，行为未定义，多数引擎报错
- 生成器内部状态 ≠ 内存泄漏：只要生成器函数本身不闭包大对象，for...of 消费后自动释放；关注的是 reducer 的 accumulator 是否膨胀
不复杂但容易忽略：流式聚合的本质不是“语法糖”，而是主动放弃随机访问权，换得内存与延迟的确定性。写好 reducer 函数，配好 for...of 或 for await...of，你就拥有了真正零常驻内存的指标流水线。
