Java中使用parallelStream配合reduce出现结果异常且随机的技术问题

咱们先拆解下这段并行流代码为啥会出现随机重复的异常结果，核心问题出在错误使用reduce方法且违反了并行流reduce的核心契约：

1. 共享可变的identity实例导致线程安全与重复合并
   你用的reduce(U identity, BiFunction<U,? super T,U> accumulator, BinaryOperator<U> combiner)重载中，第一个参数identity要求是「恒等初始值」——简单说就是，并行流的每个工作线程都应该拿到独立的初始容器，而且这个初始值不能被修改。但你直接传入了new ArrayList<>()，这意味着所有并行线程都会操作同一个ArrayList实例。

看你的执行日志就能发现：不管是accumulator阶段还是combiner阶段，操作的都是同一个列表对象。比如第一次执行时，combiner把[b1,b2]和[b1,b2]合并——本质是两个线程都往同一个初始列表里加了元素，combiner又把这个已经被修改过的列表和自身合并，自然就出现了重复元素。

2. 违反reduce的契约要求
   reduce的accumulator和combiner必须满足一个规则：对于任意的u和t，combiner(u, accumulator(identity, t))要等于accumulator(u, t)。但你的accumulator是直接修改传入的r（也就是identity实例）并返回，这直接打破了这个契约——因为identity已经被修改，combiner合并时会把已经添加过的元素重复加入。

针对这个场景，最推荐用collect代替reduce，因为collect就是专门为可变容器的并行收集设计的，完美匹配你的需求：

List<String> list = Stream.of("a", "b").parallel()
    .map(e -> List.of(e + "1", e + "2"))
    .collect(ArrayList::new, ArrayList::addAll, ArrayList::addAll);
System.out.println(list);

这里三个参数的作用清晰明确：

• ArrayList::new：每个工作线程都会创建独立的ArrayList实例，彻底避免共享修改的问题
• ArrayList::addAll：把每个map后的列表元素添加到当前线程的容器中
• ArrayList::addAll：把不同线程的容器合并为最终结果

如果一定要坚持用reduce，那必须保证accumulator和combiner都返回新的列表实例，绝不修改传入的参数：

List<String> list = Stream.of("a", "b").parallel()
    .map(e -> List.of(e + "1", e + "2"))
    .reduce(new ArrayList<>(), 
            (r, l) -> {
                log.info("accumulator r:{}, l:{}", r, l);
                ArrayList<String> newList = new ArrayList<>(r);
                newList.addAll(l);
                return newList;
            }, 
            (r1, r2) -> {
                log.info("combiner r:{}, l:{}", r1, r2);
                ArrayList<String> newList = new ArrayList<>(r1);
                newList.addAll(r2);
                return newList;
            });
System.out.println(list);

这样每个步骤都会创建新列表，不会共享同一个实例，也就不会出现重复元素的随机异常了。

内容的提问来源于stack exchange，提问作者waste material