stream.reduce()求和不必须传三个参数；单参数形式返回optional，空流时调用get()会抛异常，故生产环境少用；推荐双参数（identity+accumulator）或三参数（含combiner，用于并行流）。
Stream.reduce() 求和必须传三个参数？
不是必须，但单参数 reduce() 只接受一个 BinaryOperator，要求流非空；一旦列表为空，会直接返回 Optional.empty()，调用 get() 就抛 NoSuchElementException。生产环境几乎不用单参数形式做求和。
推荐用三参数重载：reduce(identity, accumulator, combiner)。其中：
-
identity是初始值（如0.0），决定返回类型，也用于空流兜底 -
accumulator是累加逻辑：比如(sum, item) -> sum + item.getPrice() -
combiner仅在并行流中生效，合并两个中间结果，通常写成Double::sum或(a, b) -> a + b
商品对象字段类型不一致怎么办？
如果 getPrice() 返回的是 BigDecimal、Integer 或包装类，不能直接用 double 累加——精度丢失或自动拆箱空指针风险极高。
正确做法分情况：
- 价格是
BigDecimal：用BigDecimal.ZERO作 identity，BigDecimal::add当 accumulator - 价格是
Integer或int：identity 用0，accumulator 写成(sum, p) -> sum + p.getPrice()，返回int - 价格可能为
null：先filter(p -> p.getPrice() != null)，或在 accumulator 中判空（如p.getPrice() == null ? sum : sum + p.getPrice().doubleValue()）
parallelStream() 下 reduce() 的 combiner 能省略吗？
不能。用 parallelStream().reduce(...) 时，若只传两个参数（identity + accumulator），会触发 reduce(U, BiFunction<u super t u>, BinaryOperator<u>)</u></u> 的重载，但此时第三个参数（combiner）**不可省略**——编译直接报错。
常见错误写法：list.parallelStream().reduce(0.0, (s, p) -> s + p.getPrice()) → 缺少 combiner，编译失败。
正确写法示例：
double total = products.parallelStream()
.reduce(0.0,
(sum, p) -> sum + p.getPrice(),
Double::sum);
注意：Double::sum 是安全的，它等价于 (a, b) -> a + b，且能处理 NaN 和无穷大（按 IEEE 754 规则）。
比 reduce() 更简洁的求和方式有哪些？
如果只是求和，mapToDouble(...).sum() 更直观、不易出错：
double total = products.stream()
.mapToDouble(Product::getPrice)
.sum();
它底层仍用 reduce()，但封装了 identity（0.0）和 combiner（Double::sum），且对空流返回 0.0，无需额外判空。唯一限制是：必须能映射为基本数值类型（double/int/long）。
若价格字段是 BigDecimal，就只能回到 reduce()，因为没有 mapToBigDecimal 这种 API。
真正容易被忽略的点：当商品数量极大、且价格字段存在大量 null 或非法值时，mapToDouble 会直接抛 NullPointerException，而 reduce 在 accumulator 里做空判断更可控。
