当前位置:首页 > 文章列表 > 文章 > java教程 > Java ConcurrentHashMap reduceValuesToLong 怎样聚合并发值

Java ConcurrentHashMap reduceValuesToLong 怎样聚合并发值

来源:17golang原创 2026-11-18 04:21:58 0浏览 收藏

在共享指标表、库存计数或分片统计中,我们经常只想把 ConcurrentHashMap 里的 value 汇总成一个 long,而不想先复制一份快照。Java 的 reduceValuesToLong 正好处理这个任务:它把每个 value 交给转换函数,再用合并器聚合,返回一个 long。

官方资料:https://docs.oracle.com/en/java/javase/25/docs/api/java.base/java/util/concurrent/ConcurrentHashMap.html#reduceValuesToLong(long,java.util.function.ToLongFunction,long,java.util.function.LongBinaryOperator)

先记住三个判断:求和时 basis 通常写 0L;合并器要能承受无序组合;并发更新期间的返回值是某个时刻组合出的结果,不等于全表原子快照。

reduceValuesToLong 的四个参数怎么配

这个方法的签名可以按“阈值、转换、初始值、合并器”来读:

long reduceValuesToLong(
    long parallelismThreshold,
    ToLongFunction super V> transformer,
    long basis,
    LongBinaryOperator reducer
)

例如 map 的 value 本来就是 Long,可以直接把它转成基本类型 long,再求和:

ConcurrentHashMap counts = new ConcurrentHashMap();
counts.put("api", 12L);
counts.put("job", 7L);
counts.put("cache", 5L);

// 1L 允许较大的 map 尝试并行分片;小 map 也可能仍由顺序路径完成。
long total = counts.reduceValuesToLong(
    1L,
    value -> value,      // 把每个 Long value 转成 long
    0L,                   // 求和的恒等元,空 map 时也返回它
    Long::sum             // 分片结果可以按任意顺序相加
);

这里的 transformer 只接收 value,不接收 key;如果业务需要同时看 key 和 value,就应改看 reduceToLong 或 reduceEntriesToLong。图1把这些参数放在同一张关系图里,便于记住各自负责的边界。

ConcurrentHashMap reduceValuesToLong 的 map value、转换函数、basis、reducer 和 long 结果关系说明图
图1:结构说明图,展示 reduceValuesToLong 的输入、转换、恒等元、合并器和 long 结果关系。

basis 和 reducer 为什么决定结果是否可靠

basis 不是随便填的默认数字,而是 reducer 的恒等元。求和的恒等元是 0L,最大值聚合常用 Long.MIN_VALUE 作为“不会改变真实值”的起点;如果把求和的 basis 写成 1L,结果就会凭空多出 1。

// 只统计大于 100 的 value;被过滤的项返回 0L,保持求和恒等元语义。
long largeTotal = counts.reduceValuesToLong(
    Long.MAX_VALUE,                    // 抑制并行,适合先做简单基线
    value -> value > 100L ? value : 0L, // 过滤后仍返回 long
    0L,                                // 过滤项和空 map 都不改变求和结果
    (left, right) -> left + right      // 合并器满足结合律与交换律
);

官方契约要求 reducer 是可结合、可交换的组合函数,因为分片边界和合并顺序不应影响最终含义。字符串拼接、依赖外部可变计数器或把“最后一次处理的值”当结果,都不适合放进这个方法。若需要筛选,数值专用版本用 basis 表示“这一项不贡献结果”;不要返回 null。

parallelismThreshold 怎么选才不把小任务变慢

阈值表示预计需要多少元素才进入并行路径。写 Long.MAX_VALUE 可以压制并行,适合轻量操作或先建立顺序基线;写 1L 会积极使用公共 ForkJoinPool,但不代表每次都能获得收益。map 较小、transformer 很快时,拆分和合并的成本可能高于计算本身。

实际选择可以按这张决策表开始:

场景起点原因
小 map、单个 value 转换很轻Long.MAX_VALUE避免无意义的并行调度
大 map、转换函数有明显计算量1L 或实测阈值让实现有机会拆分任务
线上共享统计先顺序基线再压测并行收益依赖机器负载和函数成本

不要把阈值当成“线程数配置”。它控制的是是否值得进入批量并行路径,真正的并行执行会使用公共 ForkJoinPool;如果应用已经有大量公共池任务,还要把调度竞争纳入评估。

并发更新时,结果能不能当快照

不能直接当成全表原子快照。ConcurrentHashMap 的批量操作可以安全地应用在并发更新的 map 上,但聚合反映的是各个读取关系组成的结果,计算期间可能看到部分更新。这个特性适合监控、估算和趋势统计,不适合拿来判断“所有分片已经同时满足条件”。

同时,转换函数和 reducer 最好无副作用、只依赖自己的参数。不要在 transformer 里再次修改同一个 map,也不要把外部可变列表当收集器。若业务必须得到一个严格一致的财务结算快照,应在更高层设计冻结窗口、版本号或独立快照,而不是给 parallelismThreshold 换一个数字。

ConcurrentHashMap 并发写入、批量聚合和非原子全表结果的边界说明图
图2:结构说明图,展示并发更新、批量聚合与非原子全表快照之间的关系。

常见问题

空的 ConcurrentHashMap 会返回什么?

返回传入的 basis。求和时用 0L,这样空 map 和“没有任何贡献项”的结果都自然落到 0。

什么时候应该用 reduceValues 而不是 reduceValuesToLong?

如果结果不是基本类型 long,或者需要保留一个对象结果,可以看泛型版本 reduceValues;如果只做 long 数值聚合,专用版本少一次装箱,表达也更直接。

最后可以用一句话收束:先确认 value 能否独立转换成数值,再选正确的恒等元和无序合并器,最后根据任务成本调阈值;只要记住它不是原子快照,reduceValuesToLong 就很适合做并发 map 的轻量汇总。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Java Integer.parseUnsignedInt 怎样解析无符号十进制字符串Java Integer.parseUnsignedInt 怎样解析无符号十进制字符串
上一篇
Java Integer.parseUnsignedInt 怎样解析无符号十进制字符串
Java HttpRequest.Builder header 怎样处理同名请求头
下一篇
Java HttpRequest.Builder header 怎样处理同名请求头
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1086次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1085次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1249次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1195次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1038次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码