来自文档

Reduction operations A reduction operation (also called a fold) takes a sequence of input elements and combines them into a single summary result by repeated application of a combining operation, such as finding the sum or maximum of a set of numbers, or accumulating elements into a list. The streams classes have multiple forms of general reduction operations, called reduce() and collect(), as well as multiple specialized reduction forms such as sum(), max(), or count(). Of course, such operations can be readily implemented as simple sequential loops, as in: int sum = 0; for (int x : numbers) { sum += x; } However, there are good reasons to prefer a reduce operation over a mutative accumulation such as the above. Not only is a reduction "more abstract" -- it operates on the stream as a whole rather than individual elements -- but a properly constructed reduce operation is inherently parallelizable, so long as the function(s) used to process the elements are associative and stateless. For example, given a stream of numbers for which we want to find the sum, we can write: int sum = numbers.stream().reduce(0, (x,y) -> x+y); or: int sum = numbers.stream().reduce(0, Integer::sum); These reduction operations can run safely in parallel with almost no modification: int sum = numbers.parallelStream().reduce(0, Integer::sum);

所以，对于一个地图，你会使用:

integers.values().stream().mapToInt(i -> i).reduce(0, (x,y) -> x+y);

Or:

integers.values().stream().reduce(0, Integer::sum);

我建议另外两种选择:

integers.values().stream().mapToInt(Integer::intValue).sum();
integers.values().stream().collect(Collectors.summingInt(Integer::intValue));

第二个使用collections . summingint()收集器，还有一个summingLong()收集器，您可以将其与mapToLong一起使用。

第三个选择:Java 8引入了非常有效的LongAdder累加器，旨在加快并行流和多线程环境中的汇总速度。这里有一个例子:

LongAdder a = new LongAdder();
map.values().parallelStream().forEach(a::add);
sum = a.intValue();

这将工作，但i -> i正在做一些自动开箱，这就是为什么它“感觉”奇怪。mapToInt将流转换为“原始int值元素”的IntStream。下面的任何一个都可以工作，并且更好地解释编译器在你的原始语法下所做的事情:

integers.values().stream().mapToInt(i -> i.intValue()).sum();
integers.values().stream().mapToInt(Integer::intValue).sum();

你可以使用reduce方法:

long sum = result.stream().map(e -> e.getCreditAmount()).reduce(0L, (x, y) -> x + y);

or

long sum = result.stream().map(e -> e.getCreditAmount()).reduce(0L, Integer::sum);

可以使用collect方法添加整数列表。

List<Integer> list = Arrays.asList(2, 4, 5, 6);
int sum = list.stream().collect(Collectors.summingInt(Integer::intValue));

可以使用reduce()对整数列表求和。

int sum = integers.values().stream().reduce(0, Integer::sum);

这将是对int类型数组求和的最短方法(对于长数组LongStream，对于双数组DoubleStream等等)。不过，并不是所有的基元整数或浮点类型都有Stream实现。

IntStream.of(integers).sum();

我已经声明了一个整数列表。

ArrayList<Integer> numberList = new ArrayList<Integer>(Arrays.asList(1, 2, 3, 4, 5));

你可以试试下面这些不同的方法。

使用mapToInt

int sum = numberList.stream().mapToInt(Integer::intValue).sum();

使用summarizingInt

int sum = numberList.stream().collect(Collectors.summarizingInt(Integer::intValue)).getSum();

使用减少

int sum = numberList.stream().reduce(Integer::sum).get().intValue();

希望这能帮助那些在清单上有物品的人。

如果您有一个对象列表，并且想要对该对象的特定字段求和，请使用下面的方法。

List<ResultSom> somList = MyUtil.getResultSom();
BigDecimal result= somList.stream().map(ResultSom::getNetto).reduce(
                                             BigDecimal.ZERO, BigDecimal::add);

不幸的是，看起来像流API只返回正常的流，从List<Integer># Stream()。我猜他们是被迫这么做的因为泛型的工作方式。

这些正常的流是泛型对象，所以没有专门的方法，如sum()等，所以你必须使用奇怪的重新流“看起来像一个无操作”转换默认情况下获得这些方法... .mapToInt(i -> i)。

另一种选择是使用“Eclipse Collections”，它就像一个扩展的java流API

IntLists.immutable.ofAll (integers.values ()) .sum ();

这里还有一个没有考虑到的选项，它反映了多核环境的使用。如果你想利用它的优势，那么应该使用下面的代码，而不是其他提到的解决方案:

int sum = integers.values().parallelStream().mapToInt(Integer::intValue)
        .reduce(0, Integer::sum, Integer::sum);

This solution is similar to other ones, but please notice the third argument in reduce. It tells compiler what to do with partial summaries calculated in different chunks of the stream, by different threads. Also instead of stream(), the parallelStream() is used. In this case it would just summarize it. The other option to put as third argument is (i, j) -> i + j, which means that it would add a value of a stream chunk (j) to the current value (i) and use it as a current value for the next stream chunk until all partial results are processed.

即使在使用普通的stream()时，告知如何减少对流块的摘要的处理也是有用的，以防将来有人(或您)想要并行化它。最初的开发是最好的时间，因为之后你需要记住这应该是什么，需要花一些时间来再次理解代码的目的。

当然，除了方法引用运算符，你可以用不同的方言。我更喜欢这种方式，因为它更紧凑，而且仍然易于阅读。

还要记住，这也可以用于更复杂的计算，但始终要注意，不能保证流元素到线程的顺序和部署。

IntStream.of(1, 2, 23).sum();
IntStream.of(1, 2, 23,1, 2, 23,1, 2, 23).max().getAsInt();