Collectors.reducing 是 Stream 中最灵活的汇总入口，通过 identity、accumulator、combiner 三要素支持任意类型和结构的聚合计算，适用于多字段统计、嵌套分组汇总等场景，需严格遵循不可变性与函数式契约。
Collectors.reducing 不是简单求和工具，它是 Stream 中最灵活的汇总入口之一——它不预设结构、不限制类型、不绑定业务逻辑，只要提供初始值、累加器和组合器，就能完成任意维度的聚合计算。
理解 reducing 的三要素：identity、accumulator、combiner
reducing 本质是将 reduce 操作封装为 Collector，因此必须明确三个函数：
- identity：中立元素，作为起始值参与计算（如求和用 0，拼接用空字符串，对象汇总常用空容器或默认实例）
- accumulator：二元操作，接收当前汇总结果与单个元素，返回新结果（注意：不能修改 identity 或已有结果对象，应返回新实例）
- combiner：用于并行流，合并两个部分结果；若 accumulator 满足结合律且 identity 是中立元，则 combiner 通常与 accumulator 相同
实现多字段统计：同时计算总和、最大值与计数
传统方式需多次遍历或用 Collectors.collectingAndThen + mutable 容器，而 reducing 可一步到位：
例如统计订单列表的「总金额、最高单价、订单数」：
立即学习“Java免费学习笔记（深入）”；
Record Summary(double total, double maxPrice, long count) {}
<p>List<Order> orders = ...;
Summary result = orders.stream()
.collect(Collectors.reducing(
new Summary(0.0, Double.NEGATIVE_INFINITY, 0L),
order -> new Summary(
order.getAmount(),
order.getUnitPrice(),
1L
),
(s1, s2) -> new Summary(
s1.total + s2.total,
Math.max(s1.maxPrice, s2.maxPrice),
s1.count + s2.count
)
));关键点：identity 初始化为逻辑中立值（maxPrice 用负无穷确保首次比较有效），accumulator 将每个元素转为局部摘要，combiner 负责安全合并子结果。
嵌套结构汇总：按类别分组后对每组做自定义 reducing
当需要「先分组、再逐组汇总」时，reducing 可嵌套使用，避免中间 List 缓存：
- 外层用 groupingBy 分类键（如 productCategory）
- 内层用 reducing 构建每组的定制摘要（如该类商品的加权平均单价、SKU 数量、库存总和）
示例：
Map<String, ProductStats> statsByCategory = products.stream()
.collect(Collectors.groupingBy(
Product::getCategory,
Collectors.reducing(
new ProductStats(0.0, 0, 0),
p -> new ProductStats(
p.getPrice() * p.getStock(), // 加权值
1, // SKU 计数
p.getStock() // 库存总和
),
(a, b) -> new ProductStats(
a.weightedSum + b.weightedSum,
a.skuCount + b.skuCount,
a.totalStock + b.totalStock
)
)
));这样既保持流式处理特性，又避免创建冗余集合，内存与性能更可控。
规避常见陷阱：不可变性、线程安全与 null 处理
reducing 的正确性高度依赖函数式契约：
- accumulator 和 combiner 必须是无副作用的纯函数——禁止修改传入参数或外部状态
- identity 必须对 combiner 满足中立性：combiner(identity, x) == x，否则并行结果不可靠
- 若元素可能为 null，应在 accumulator 前显式过滤或做空值适配（reducing 不自动跳过 null）
- 返回对象建议用 record 或 final 类，避免意外可变导致并发问题
