Java Stream的reduce是函数式“折叠”操作，按顺序更新不可变累加器；identity须为单位元，否则结果错误；并行时需满足结合律且combiner与accumulator一致；支持类型转换实现U≠T的归约。
Java Stream 的 reduce 不是简单循环的包装，而是对“折叠”（fold）这一数学概念的函数式实现——它把流中元素按特定规则逐步合并为单个值。理解它，关键不在背参数，而在看清每一步的输入、状态转移和结果生成逻辑。
串行 reduce 的执行本质：一次接续一次的状态更新
以 stream.reduce(0, (acc, x) -> acc + x) 为例，这不是“先算所有加法再汇总”，而是严格按顺序维护一个累加器变量：
- 初始状态：acc = 0（identity 值）
- 遇到第一个元素 x₁：acc ← acc + x₁ → 新 acc 值成为下一轮输入
- 遇到第二个元素 x₂：acc ← 当前 acc + x₂
- 持续该过程，直到流末尾；最终 acc 即为结果
这等价于传统 for 循环中的 sum += x，但区别在于：acc 不是可变变量，而是每次计算都产出一个新值，上一结果不可修改——这是函数式不可变性的体现。
Identity 必须是真正的单位元：否则结果静默出错
identity 不是“随便填个默认值”，它必须满足数学定义：对任意元素 t，accumulator(identity, t) == t。常见操作对应关系如下：
立即学习“Java免费学习笔记（深入）”；
- 求和 → identity = 0，因为 0 + t = t
- 求积 → identity = 1，因为 1 × t = t
- 字符串拼接 → identity = ""，因为 "" + s = s
- 取最大值 → identity = Integer.MIN_VALUE（注意：这不是单位元，但能兜底；严格单位元不存在，所以推荐用 Optional 版本）
若误用 identity（如求和传 10），空流返回 10 正确，但非空流结果 = 10 + 所有元素之和 —— 错误悄然发生，编译器不报错，运行时也无异常。
并行 reduce 的三段式结构：分治 + 合并
当调用 parallelStream().reduce(...)，执行分三个阶段：
- 分片：流被拆成若干子段（如 [1,2]、[3,4]）
-
局部归约：每段独立执行
identity + 元素1 + 元素2...，得到部分结果（如 3 和 7） - 合并：combiner 将各段结果两两合并（如 3 + 7 = 10），直至只剩一个值
这就要求：accumulator 必须满足结合律（(a+b)+c == a+(b+c)），且 combiner 必须与 accumulator 行为一致。例如，若 accumulator 是加法，combiner 也必须是加法；若 accumulator 是字符串拼接，combiner 必须是 String::concat 或类似语义操作。
类型转换版 reduce：U ≠ T 的典型场景
第三个重载允许输出类型 U 与元素类型 T 不同，典型用于构造复杂对象：
- 统计字符总数：
stream.reduce(0L, (count, str) -> count + str.length(), Long::sum) - 构建 StringBuilder：
stream.reduce(new StringBuilder(), (sb, s) -> sb.append(s), (sb1, sb2) -> sb1.append(sb2.toString()))
注意：accumulator 第一个参数是 U（如 long 或 StringBuilder），第二个是 T（如 String）；combiner 则处理两个 U 类型参数。这种分离让类型安全和并行支持同时成立。
