一文詳解Java中Stream流的使用

更新時(shí)間：2022年05月24日 15:48:56 作者：IT利刃出鞘

JDK8新增了Stream(流操作)處理集合的數(shù)據(jù)，可執(zhí)行查找、過濾和映射數(shù)據(jù)等操作.本文將通過一些實(shí)例介紹stream流的使用，需要的可以參考一下

簡介

說明

本文用實(shí)例介紹stream的使用。

JDK8新增了Stream（流操作）處理集合的數(shù)據(jù)，可執(zhí)行查找、過濾和映射數(shù)據(jù)等操作。

使用Stream API 對集合數(shù)據(jù)進(jìn)行操作，就類似于使用 SQL 執(zhí)行的數(shù)據(jù)庫查詢?？梢允褂?Stream API 來并行執(zhí)行操作。

簡而言之，Stream API 提供了一種高效且易于使用的處理數(shù)據(jù)的方式。

特點(diǎn)

不是數(shù)據(jù)結(jié)構(gòu)，不會(huì)保存數(shù)據(jù)。

大部分不修改原來的數(shù)據(jù)源，它會(huì)將操作后的數(shù)據(jù)保存到另外一個(gè)對象中。

peek方法可以修改流中元素

惰性求值，流在中間處理過程中，只對操作進(jìn)行記錄，不會(huì)立即執(zhí)行，需等到執(zhí)行終止操作的時(shí)候才會(huì)進(jìn)行實(shí)際的計(jì)算。

Stream操作步驟

創(chuàng)建Stream=> 轉(zhuǎn)換Stream（中間操作）=> 產(chǎn)生結(jié)果（終止操作）

注意：這只是一般操作。實(shí)際編程時(shí)，創(chuàng)建必須有，而中間操作與終止操作是可選的。

操作分類

無狀態(tài)：指元素的處理不受之前元素的影響；

有狀態(tài)：指該操作只有拿到所有元素之后才能繼續(xù)下去。

非短路操作：指必須處理所有元素才能得到最終結(jié)果；

短路操作：指遇到某些符合條件的元素就可以得到最終結(jié)果，如 A || B，只要A為true，則無需判斷B的結(jié)果。

本文的公共代碼

?class User {
    private String name;
    private Integer age;
 
    public User(String name, Integer age) {
        this.name = name;
        this.age = age;
    }
 
    public String getName() {
        return name;
    }
 
    public void setName(String name) {
        this.name = name;
    }
 
    public Integer getAge() {
        return age;
    }
 
    public void setAge(Integer age) {
        this.age = age;
    }
 
    @Override
    public String toString() {
        return "User{" +
                "name='" + name + '\'' +
                ", age=" + age +
                '}';
    }
}

操作1：創(chuàng)建流

Collection下的 stream() 和 parallelStream() 方法

List<String> list = new ArrayList<>();
Stream<String> stream = list.stream();  //串行流
Stream<String> parallelStream = list.parallelStream(); //并行流

Arrays 中的 stream() 方法，將數(shù)組轉(zhuǎn)成流

Integer[] nums = new Integer[10];
Stream<Integer> stream = Arrays.stream(nums);

Stream中的靜態(tài)方法：of()、iterate()、generate()

Stream<Integer> stream = Stream.of(1,2,3,4,5,6);
stream.forEach(System.out::println);  
// 輸出：1 2 3 4 5 6
 
Stream<Integer> stream2 = Stream.iterate(0, (x) -> x + 2).limit(6);
stream2.forEach(System.out::println); 
// 輸出：0 2 4 6 8 10
 
Stream<Double> stream3 = Stream.generate(Math::random).limit(2);
stream3.forEach(System.out::println); 
// 輸出：兩個(gè)隨機(jī)數(shù)

BufferedReader.lines() 方法，將每行內(nèi)容轉(zhuǎn)成流

BufferedReader reader = new BufferedReader(new FileReader("F:\\test_stream.txt"));
Stream<String> lineStream = reader.lines();
lineStream.forEach(System.out::println);

Pattern.splitAsStream() 方法，將字符串分隔成流

Pattern pattern = Pattern.compile(",");
Stream<String> stringStream = pattern.splitAsStream("a,b,c,d");
stringStream.forEach(System.out::println);  
//輸出：a b c d

操作2：中間操作

篩選（過濾）、去重

方法

方法	說明
filter	過濾流中的某些元素（只保留返回值為true的項(xiàng)）
limit(n)	獲取前n個(gè)元素
skip(n)	跳過前n個(gè)元素，配合limit(n)可實(shí)現(xiàn)分頁
distinct	通過流中元素的 hashCode() 和 equals() 去除重復(fù)元素

單個(gè)元素篩選（過濾）、去重、跳過、獲取前n個(gè)

List<Integer> list = new ArrayList<>(Arrays.asList(6, 4, 6, 7, 3, 9, 8, 10, 12, 14, 14));
 
List<Integer> newList = list.stream()
        .filter(s -> s > 5) //6 6 7 9 8 10 12 14 14
        .distinct() //6 7 9 8 10 12 14
        .skip(2)    //9 8 10 12 14
        .limit(2)   //9 8
        .collect(Collectors.toList());

根據(jù)對象屬性去重

List<User> list = new ArrayList<User>() {{
    add(new User("Tony", 20, "12"));
    add(new User("Pepper", 20, "123"));
    add(new User("Tony", 22, "1234"));
    add(new User("Tony", 22, "12345"));
}};
 
//只通過名字去重
List<User> streamByNameList = list.stream().collect(Collectors.collectingAndThen(
        Collectors.toCollection(() -> new TreeSet<>(Comparator.comparing(User::getName))), ArrayList::new
));
System.out.println(streamByNameList);
//[User{name='Pepper', age=20, Phone='123'}, 
// User{name='Tony', age=20, Phone='12'}]
 
//通過名字和年齡去重
List<User> streamByNameAndAgeList = list.stream().collect(Collectors.collectingAndThen(
        Collectors.toCollection(
                () -> new TreeSet<>(Comparator.comparing(o -> o.getName() + o.getAge()))), ArrayList::new
));
System.out.println(streamByNameAndAgeList);
//[User{name='Pepper', age=20, Phone='123'},
// User{name='Tony', age=20, Phone='12'},
// User{name='Tony', age=22, Phone='1234'}]

collectingAndThen 這個(gè)方法的意思是: 將收集的結(jié)果轉(zhuǎn)換為另一種類型。

因此上面的方法可以理解為：把 new TreeSet<>(Comparator.comparingLong(BookInfoVo::getRecordId))這個(gè)set轉(zhuǎn)換為 ArrayList。

映射

方法

方法	說明
map	函數(shù)作為參數(shù)，該函數(shù)被應(yīng)用到每個(gè)元素，并將其映射成一個(gè)新的元素。新值類型可以和原來的元素的類型不同。
flatMap	函數(shù)作為參數(shù)，將流中每個(gè)值換成另一個(gè)流，再把所有流連成一個(gè)流。新值類型可以和原來的元素的類型不同。
mapToInt/Long/Double	跟map差不多。只是將其轉(zhuǎn)為基本類型。
flatMapToInt/Long/Double	跟flatMap差不多。只是將其轉(zhuǎn)為基本類型。

新值類型和原來的元素的類型相同示例

List<String> list = Arrays.asList("a,b,c", "1,2,3");
 
//將每個(gè)元素轉(zhuǎn)成一個(gè)新的且不帶逗號(hào)的元素
Stream<String> s1 = list.stream().map(s -> s.replaceAll(",", ""));
s1.forEach(System.out::println); 
// abc  123
 
Stream<String> s2 = list.stream().flatMap(s -> {
    //將每個(gè)元素轉(zhuǎn)換成一個(gè)stream
    String[] split = s.split(",");
    Stream<String> s3 = Arrays.stream(split);
    return s3;
});
s2.forEach(System.out::println); 
// a b c 1 2 3

新值類型和原來的元素的類型不同示例

User u1 = new User("aa", 10);
User u2 = new User("bb", 20);
User u3 = new User("cc", 10);
List<User> list = Arrays.asList(u1, u2, u3);
 
Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());
ageSet.forEach(System.out::println);  
//20 10
 
int[] ageInt = list.stream().map(User::getAge).mapToInt(Integer::intValue).toArray();
//下邊這樣也可以
//Integer[] ages = list.stream.map(User::getAge).toArray(Integer[]::new);
for (int i : ageInt) {
    System.out.println(i);
}
//10 20 10

map的原型為：<R> Stream<R> map(Function<? super T, ? extends R> mapper);

上邊例子中，將Student::getAge作為參數(shù)，其實(shí)際為：<R> Stream<Integer> map(Function<? super Student, ? extends Integer> mapper);

排序

方法

方法	說明
sorted()	自然排序，流中元素需實(shí)現(xiàn)Comparable接口。例：list.stream().sorted()
sorted(Comparator com)	定制排序。常用以下幾種： list.stream().sorted(Comparator.reverseOrder()) list.stream().sorted(Comparator.comparing(Student::getAge)) list.stream().sorted(Comparator.comparing(Student::getAge).reversed())

示例

List<String> list = Arrays.asList("aa", "ff", "dd");
//String 類自身已實(shí)現(xiàn)Comparable接口
list.stream().sorted().forEach(System.out::println);
 
System.out.println("------------------------------------");
 
User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> userList = Arrays.asList(u1, u2, u3, u4);
 
//按年齡升序
userList.stream().sorted(Comparator.comparing(User::getAge))
        .forEach(System.out::println);
 
System.out.println("------------------------------------");
 
//先按年齡升序，年齡相同則按姓名升序
userList.stream().sorted(
        (o1, o2) -> {
            if (o1.getAge().equals(o2.getAge())) {
                return o1.getName().compareTo(o2.getName());
            } else {
                return o1.getAge().compareTo(o2.getAge());
            }
        }
).forEach(System.out::println);

結(jié)果

aa
dd
ff
------------------------------------
User{name='bb', age=20}
User{name='aa', age=20}
User{name='aa', age=30}
User{name='dd', age=40}
------------------------------------
User{name='aa', age=20}
User{name='bb', age=20}
User{name='aa', age=30}
User{name='dd', age=40}

消費(fèi)

方法

方法	說明
peek	類似于map，能得到流中的每一個(gè)元素。但map接收的是一個(gè)Function表達(dá)式，有返回值；而peek接收的是Consumer表達(dá)式，沒有返回值。

示例

User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> list = Arrays.asList(u1, u2, u3, u4);
 
List<User> list1 = list.stream()
        .peek(o -> o.setAge(100))
        .collect(Collectors.toList());
System.out.println(list1);

結(jié)果：

[User{name='dd', age=100}, User{name='bb', age=100}, User{name='aa', age=100}, User{name='aa', age=100}]

操作3：終止操作

匹配、最值、個(gè)數(shù)

方法

方法	說明
allMatch	接收一個(gè) Predicate 函數(shù)，當(dāng)流中每個(gè)元素都符合該斷言時(shí)才返回true，否則返回false
noneMatch	接收一個(gè) Predicate 函數(shù)，當(dāng)流中每個(gè)元素都不符合該斷言時(shí)才返回true，否則返回false
anyMatch	接收一個(gè) Predicate 函數(shù)，只要流中有一個(gè)元素滿足該斷言則返回true，否則返回false
findFirst	返回流中第一個(gè)元素
findAny	返回流中的任意元素
count	返回流中元素的總個(gè)數(shù)
max	返回流中元素最大值
min	返回流中元素最小值

實(shí)例1：單個(gè)類型

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
 
// 匹配
boolean allMatch = list.stream().allMatch(e -> e > 10); //false
boolean noneMatch = list.stream().noneMatch(e -> e > 10); //true
boolean anyMatch = list.stream().anyMatch(e -> e > 4);  //true
 
// 獲取第一個(gè)/第任意個(gè)
Integer findFirst = list.stream().findFirst().get(); //1
Integer findAny = list.stream().findAny().get(); //1
 
// 計(jì)數(shù)、最大值、最小值
long count = list.stream().count(); //5
Integer max = list.stream().max(Integer::compareTo).get(); //5
Integer min = list.stream().min(Integer::compareTo).get(); //1

實(shí)例2：獲取對象中的字段的最值

User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> list = Arrays.asList(u1, u2, u3, u4);
 
//獲取最小年齡的用戶。
User user1 = list.stream()
        .min(Comparator.comparing(User::getAge))
        .get();
System.out.println(user1);
 
System.out.println("------------------------------------");
 
//獲取先按姓名升序，姓名相同則按年齡升序。然后獲取最小的那個(gè)（第一個(gè)）
User user = list.stream().min((o1, o2) -> {
    if (o1.getAge().equals(o2.getAge())) {
        return o1.getName().compareTo(o2.getName());
    } else {
        return o1.getAge().compareTo(o2.getAge());
    }
}).get();
System.out.println(user);

結(jié)果

User{name='bb', age=20}
------------------------------------
User{name='aa', age=20}

收集

方法

方法	說明
collect	接收一個(gè)Collector實(shí)例，將流中元素收集成另外一個(gè)數(shù)據(jù)結(jié)構(gòu)。

Collector實(shí)例一般由Collectors的靜態(tài)方法取得。例如：Collectors.toList()

公共代碼

User u1 = new User("dd", 40);
User u2 = new User("bb", 20);
User u3 = new User("aa", 20);
User u4 = new User("aa", 30);
List<User> list = Arrays.asList(u1, u2, u3, u4);

轉(zhuǎn)換

字符串分隔符連接

String joinName = list.stream().map(User::getName).collect(Collectors.joining(",", "(", ")"));
System.out.println(joinName);
//(dd,bb,aa,aa)

轉(zhuǎn)成list

List<Integer> ageList = list.stream().map(User::getAge).collect(Collectors.toList());
System.out.println(ageList);
//[40, 20, 20, 30]

轉(zhuǎn)成set

Set<Integer> ageSet = list.stream().map(User::getAge).collect(Collectors.toSet());
System.out.println(ageSet);
//[20, 40, 30]

轉(zhuǎn)成map（注：key不能相同，否則報(bào)錯(cuò)）

User s1 = new User("dd", 40);
User s2 = new User("bb", 20);
User s3 = new User("aa", 20);
List<User> list = Arrays.asList(s1, s2, s3);
 
Map<String, Integer> ageMap = list.stream().collect(Collectors.toMap(User::getName, User::getAge));
System.out.println(ageMap);
//{aa=20, bb=20, dd=40}

本處我將重復(fù)的名字給去掉了一個(gè)，因?yàn)槿绻鹝ey有重復(fù)的會(huì)報(bào)錯(cuò)。

三個(gè)參數(shù)的map

第一個(gè)參數(shù)就是用來生成key值的，第二個(gè)參數(shù)就是用來生成value值的。

第三個(gè)參數(shù)用在key值沖突的情況下：若新元素產(chǎn)生的key在Map中已經(jīng)出現(xiàn)過了，第三個(gè)參數(shù)就會(huì)定義解決的辦法。

User u1 = new User("aa", 10);
User u2 = new User("bb", 20);
User u3 = new User("cc", 10);
User u4 = new User("bb", 30);
List<User> list = new ArrayList<>(Arrays.asList(u1, u2, u3, u4));
 
Map<String, List<User>> listMap = list.stream().collect(Collectors.toMap(User::getName,
                o -> {
                    List<User> list1 = new ArrayList<>();
                    list1.add(o);
                    return list1;
                },
                (r1, r2) -> {
                    r1.addAll(r2);
                    return r1;
                }
        )
);
System.out.println(listMap);

結(jié)果

{aa=[User{name='aa', age=20}, User{name='aa', age=30}], bb=[User{name='bb', age=20}], dd=[User{name='dd', age=40}]}

聚合

聚合（總數(shù)、平均值、最大最小值等）

//1.用戶總數(shù)
Long count = list.stream().collect(Collectors.counting());
System.out.println(count);
//4
 
//2.最大年齡 (最小的minBy同理)
Integer maxAge = list.stream().map(User::getAge).collect(Collectors.maxBy(Integer::compare)).get();
System.out.println(maxAge);
//40
 
//3.所有人的年齡
Integer sumAge = list.stream().collect(Collectors.summingInt(User::getAge));
System.out.println(sumAge);
//110
 
//4.平均年齡
Double averageAge = list.stream().collect(Collectors.averagingDouble(User::getAge));
System.out.println(averageAge);
// 27.5
 
// 統(tǒng)計(jì)上邊所有數(shù)據(jù)
DoubleSummaryStatistics stat = list.stream().collect(Collectors.summarizingDouble(User::getAge));
System.out.println("count:" + stat.getCount() + " max:" + stat.getMax() + " sum:" + stat.getSum()
        + " average:" + stat.getAverage());
//count:4 max:40.0 sum:110.0 average:27.5

分組

//根據(jù)年齡分組
Map<Integer, List<User>> listMap = list.stream().collect(Collectors.groupingBy(User::getAge));
for (Map.Entry<Integer, List<User>> entry : listMap.entrySet()) {
    System.out.println(entry.getKey() + "-->" + entry.getValue());
}
//20-->[User{name='bb', age=20}, User{name='aa', age=20}]
//40-->[User{name='dd', age=40}]
//30-->[User{name='aa', age=30}]

多重分組

// 先根據(jù)年齡分再根據(jù)
Map<Integer, Map<String, List<User>>> ageNameMap = list.stream().collect(
        Collectors.groupingBy(User::getAge, Collectors.groupingBy(User::getName)));
for (Map.Entry<Integer, Map<String, List<User>>> entry : ageNameMap.entrySet()) {
    System.out.println(entry.getKey() + "-->" + entry.getValue());
}
//20-->{aa=[User{name='aa', age=20}], bb=[User{name='bb', age=20}]}
//40-->{dd=[User{name='dd', age=40}]}
//30-->{aa=[User{name='aa', age=30}]}

分區(qū)

特殊的分組，分為true和false兩組

//分成兩部分，一部分大于10歲，一部分小于等于10歲
Map<Boolean, List<User>> partMap = list.stream().collect(Collectors.partitioningBy(v -> v.getAge() > 20));
for (Map.Entry<Boolean, List<User>> entry : partMap.entrySet()) {
    System.out.println(entry.getKey() + "-->" + entry.getValue());
}
//false-->[User{name='bb', age=20}, User{name='aa', age=20}]
//true-->[User{name='dd', age=40}, User{name='aa', age=30}]

總結(jié)

Collector<T, A, R> 是一個(gè)接口，有以下5個(gè)抽象方法：

1.Supplier<A> supplier()：創(chuàng)建一個(gè)結(jié)果容器A

2.BiConsumer<A, T> accumulator()：消費(fèi)型接口，第一個(gè)參數(shù)為容器A，第二個(gè)參數(shù)為流中元素T。

3.BinaryOperator<A> combiner()：函數(shù)接口，該參數(shù)的作用跟上一個(gè)方法(reduce)中的combiner參數(shù)一樣，將并行流中各個(gè)子進(jìn)程的運(yùn)行結(jié)果(accumulator函數(shù)操作后的容器A)進(jìn)行合并。

4.Function<A, R> finisher()：函數(shù)式接口，參數(shù)為：容器A，返回類型為：collect方法最終想要的結(jié)果R。

5.Set<Characteristics> characteristics()：返回一個(gè)不可變的Set集合，表明該Collector的特征。有以下三個(gè)特征：

CONCURRENT：表示此收集器支持并發(fā)。（官方文檔還有其他描述，暫時(shí)沒去探索，故不作過多翻譯）
UNORDERED：表示該收集操作不會(huì)保留流中元素原有的順序。
IDENTITY_FINISH：表示finisher參數(shù)只是標(biāo)識(shí)而已，可忽略。

注：如果對以上函數(shù)接口不太理解的話，可參考:Java中Lambda表達(dá)式的使用詳細(xì)教程

Collectors.toList() 解析

//toList 源碼
public static <T> Collector<T, ?, List<T>> toList() {
    return new CollectorImpl<>((Supplier<List<T>>) ArrayList::new, List::add,
            (left, right) -> {
                left.addAll(right);
                return left;
            }, CH_ID);
}
 
//為了更好地理解，我們轉(zhuǎn)化一下源碼中的lambda表達(dá)式
public <T> Collector<T, ?, List<T>> toList() {
    Supplier<List<T>> supplier = () -> new ArrayList();
    BiConsumer<List<T>, T> accumulator = (list, t) -> list.add(t);
    BinaryOperator<List<T>> combiner = (list1, list2) -> {
        list1.addAll(list2);
        return list1;
    };
    Function<List<T>, List<T>> finisher = (list) -> list;
    Set<Collector.Characteristics> characteristics = Collections.unmodifiableSet
                           (EnumSet.of(Collector.Characteristics.IDENTITY_FINISH));
 
    return new Collector<T, List<T>, List<T>>() {
        @Override
        public Supplier supplier() {
            return supplier;
        }
 
        @Override
        public BiConsumer accumulator() {
            return accumulator;
        }
 
        @Override
        public BinaryOperator combiner() {
            return combiner;
        }
 
        @Override
        public Function finisher() {
            return finisher;
        }
 
        @Override
        public Set<Characteristics> characteristics() {
            return characteristics;
        }
    };
 
}

規(guī)約

方法

方法	說明
Optional<T> reduce(BinaryOperator<T> accumulator)	第一次執(zhí)行時(shí)，accumulator函數(shù)的第一個(gè)參數(shù)為流中的第一個(gè)元素，第二個(gè)參數(shù)為流中元素的第二個(gè)元素；第二次執(zhí)行時(shí)，第一個(gè)參數(shù)為第一次函數(shù)執(zhí)行的結(jié)果，第二個(gè)參數(shù)為流中的第三個(gè)元素；依次類推。
T reduce(T identity, BinaryOperator<T> accumulator)	流程跟上面一樣，只是第一次執(zhí)行時(shí)，accumulator函數(shù)的第一個(gè)參數(shù)為identity，而第二個(gè)參數(shù)為流中的第一個(gè)元素。
<U> U reduce(U identity,BiFunction<U, ? super T, U> accumulator,BinaryOperator<U> combiner)	在串行流(stream)中，該方法跟第二個(gè)方法一樣，即第三個(gè)參數(shù)combiner不會(huì)起作用。在并行流(parallelStream)中,我們知道流被fork join出多個(gè)線程進(jìn)行執(zhí)行，此時(shí)每個(gè)線程的執(zhí)行流程就跟第二個(gè)方法reduce(identity,accumulator)一樣，而第三個(gè)參數(shù)combiner函數(shù)，則是將每個(gè)線程的執(zhí)行結(jié)果當(dāng)成一個(gè)新的流，然后使用第一個(gè)方法reduce(accumulator)流程進(jìn)行規(guī)約。

示例

List<Integer> list = Arrays.asList(1, 2, 3, 4, 5);
 
Integer v = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(v);
// 15
 
Integer v0 = list.stream().reduce((x1, x2) -> x1 + x2).get();
System.out.println(v0);
//15
 
Integer v1 = list.stream().reduce(10, (x1, x2) -> x1 + x2);
System.out.println(v1);
//25
 
Integer v2 = list.stream().reduce(0,
        (x1, x2) -> {
            System.out.println("stream accumulator: x1:" + x1 + "  x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> {
            System.out.println("stream combiner: x1:" + x1 + "  x2:" + x2);
            return x1 * x2;
        });
System.out.println(v2);
// -15
 
Integer v3 = list.parallelStream().reduce(0,
        (x1, x2) -> {
            System.out.println("parallelStream accumulator: x1:" + x1 + "  x2:" + x2);
            return x1 - x2;
        },
        (x1, x2) -> {
            System.out.println("parallelStream combiner: x1:" + x1 + "  x2:" + x2);
            return x1 * x2;
        });
System.out.println(v3);
//-120

打印結(jié)果為：

15
15
25
stream accumulator: x1:0 x2:1
stream accumulator: x1:-1 x2:2
stream accumulator: x1:-3 x2:3
stream accumulator: x1:-6 x2:4
stream accumulator: x1:-10 x2:5
-15
parallelStream accumulator: x1:0 x2:3
parallelStream accumulator: x1:0 x2:5
parallelStream accumulator: x1:0 x2:4
parallelStream combiner: x1:-4 x2:-5
parallelStream accumulator: x1:0 x2:2
parallelStream accumulator: x1:0 x2:1
parallelStream combiner: x1:-3 x2:20
parallelStream combiner: x1:-1 x2:-2
parallelStream combiner: x1:2 x2:-60
-120