后端技术:JDK 8 Stream 数据流效率测试
Stream 是Java SE 8類庫中新增的關(guān)鍵抽象,它被定義于 java.util.stream (這個包里有若干流類型:Stream<T>?代表對象引用流,此外還有一系列特化流,如 IntStream,LongStream,DoubleStream等。
Java 8 引入的的Stream主要用于取代部分Collection的操作,每個流代表一個值序列,流提供一系列常用的聚集操作,可以便捷的在它上面進(jìn)行各種運(yùn)算。集合類庫也提供了便捷的方式使我們可以以操作流的方式使用集合、數(shù)組以及其它數(shù)據(jù)結(jié)構(gòu);
stream 的操作種類
①中間操作
當(dāng)數(shù)據(jù)源中的數(shù)據(jù)上了流水線后,這個過程對數(shù)據(jù)進(jìn)行的所有操作都稱為“中間操作”;
中間操作仍然會返回一個流對象,因此多個中間操作可以串連起來形成一個流水線;
stream 提供了多種類型的中間操作,如 filter、distinct、map、sorted 等等;
②終端操作
當(dāng)所有的中間操作完成后,若要將數(shù)據(jù)從流水線上拿下來,則需要執(zhí)行終端操作;
stream 對于終端操作,可以直接提供一個中間操作的結(jié)果,或者將結(jié)果轉(zhuǎn)換為特定的 collection、array、String 等;
stream 的特點(diǎn)
①只能遍歷一次:
數(shù)據(jù)流的從一頭獲取數(shù)據(jù)源,在流水線上依次對元素進(jìn)行操作,當(dāng)元素通過流水線,便無法再對其進(jìn)行操作,可以重新在數(shù)據(jù)源獲取一個新的數(shù)據(jù)流進(jìn)行操作;
②采用內(nèi)部迭代的方式:
對Collection進(jìn)行處理,一般會使用 Iterator 遍歷器的遍歷方式,這是一種外部迭代;
而對于處理Stream,只要申明處理方式,處理過程由流對象自行完成,這是一種內(nèi)部迭代,對于大量數(shù)據(jù)的迭代處理中,內(nèi)部迭代比外部迭代要更加高效;
stream 相對于 Collection 的優(yōu)點(diǎn)
無存儲:?流并不存儲值;流的元素源自數(shù)據(jù)源(可能是某個數(shù)據(jù)結(jié)構(gòu)、生成函數(shù)或I/O通道等等),通過一系列計算步驟得到;
函數(shù)式風(fēng)格:?對流的操作會產(chǎn)生一個結(jié)果,但流的數(shù)據(jù)源不會被修改;
惰性求值:?多數(shù)流操作(包括過濾、映射、排序以及去重)都可以以惰性方式實(shí)現(xiàn)。這使得我們可以用一遍遍歷完成整個流水線操作,并可以用短路操作提供更高效的實(shí)現(xiàn);
無需上界:?不少問題都可以被表達(dá)為無限流(infinite stream):用戶不停地讀取流直到滿意的結(jié)果出現(xiàn)為止(比如說,枚舉 完美數(shù) 這個操作可以被表達(dá)為在所有整數(shù)上進(jìn)行過濾);集合是有限的,但流可以表達(dá)為無線流;
代碼簡練:?對于一些collection的迭代處理操作,使用 stream 編寫可以十分簡潔,如果使用傳統(tǒng)的 collection 迭代操作,代碼可能十分啰嗦,可讀性也會比較糟糕;
stream 和 iterator 迭代的效率比較
好了,上面 stream 的優(yōu)點(diǎn)吹了那么多,stream 函數(shù)式的寫法是很舒服,那么 steam 的效率到底怎樣呢?
先說結(jié)論:
傳統(tǒng) iterator (for-loop) 比 stream(JDK8) 迭代性能要高,尤其在小數(shù)據(jù)量的情況下;
- 在多核情景下,對于大數(shù)據(jù)量的處理,parallel stream 可以有比 iterator 更高的迭代處理效率;
我分別對一個隨機(jī)數(shù)列 List (數(shù)量從 10 到 10000000)進(jìn)行映射、過濾、排序、規(guī)約統(tǒng)計、字符串轉(zhuǎn)化場景下,對使用 stream 和 iterator 實(shí)現(xiàn)的運(yùn)行效率進(jìn)行了統(tǒng)計,測試代碼 基準(zhǔn)測試代碼鏈接。
測試環(huán)境如下:
System:Ubuntu 16.04 xenialCPU:Intel Core i7-8550URAM:16GBJDK version:1.8.0_151JVM:HotSpot(TM) 64-Bit Server VM (build 25.151-b12, mixed mode)JVM?Settings:-Xms1024m-Xmx6144m-XX:MaxMetaspaceSize=512m-XX:ReservedCodeCacheSize=1024m-XX:+UseConcMarkSweepGC-XX:SoftRefLRUPolicyMSPerMB=1001. 映射處理測試
把一個隨機(jī)數(shù)列(List<Integer>)中的每一個元素自增1后,重新組裝為一個新的?List<Integer>,測試的隨機(jī)數(shù)列容量從 10 - 10000000,跑10次取平均時間;
//stream List<Integer>?result?=?list.stream() .mapToInt(x?->?x) .map(x?->?++x) .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator List<Integer>?result?=?new?ArrayList<>(); for(Integer?e?:?list){result.add(++e); } //parallel?stream List<Integer>?result?=?list.parallelStream() .mapToInt(x?->?x) .map(x?->?++x) .boxed() .collect(Collectors.toCollection(ArrayList::new));2. 過濾處理測試
取出一個隨機(jī)數(shù)列(List<Integer>)中的大于 200 的元素,并組裝為一個新的?List<Integer>,測試的隨機(jī)數(shù)列容量從 10 - 10000000,跑10次取平均時間;
搜索公眾號GitHub猿后臺回復(fù)“理財”,獲取一份驚喜禮包。
//stream List<Integer>?result?=?list.stream() .mapToInt(x?->?x) .filter(x?->?x?>?200) .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator List<Integer>?result?=?new?ArrayList<>(list.size()); for(Integer?e?:?list){if(e?>?200){result.add(e);} } //parallel?stream List<Integer>?result?=?list.parallelStream() .mapToInt(x?->?x) .filter(x?->?x?>?200) .boxed() .collect(Collectors.toCollection(ArrayList::new));3. 自然排序測試
對一個隨機(jī)數(shù)列(List<Integer>)進(jìn)行自然排序,并組裝為一個新的?List<Integer>,iterator 使用的是 Collections # sort API(使用歸并排序算法實(shí)現(xiàn)),測試的隨機(jī)數(shù)列容量從 10 - 10000000,跑10次取平均時間;
//stream List<Integer>?result?=?list.stream() .mapToInt(x->x) .sorted() .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator List<Integer>?result?=?new?ArrayList<>(list); Collections.sort(result); //parallel?stream List<Integer>?result?=?list.parallelStream() .mapToInt(x->x) .sorted() .boxed() .collect(Collectors.toCollection(ArrayList::new));4. 歸約統(tǒng)計測試
獲取一個隨機(jī)數(shù)列(List<Integer>)的最大值,測試的隨機(jī)數(shù)列容量從 10 - 10000000,跑10次取平均時間;
//stream int?max?=?list.stream() .mapToInt(x?->?x) .max() .getAsInt(); //iterator int?max?=?-1; for(Integer?e?:?list){if(e?>?max){max?=?e;} } //parallel?stream int?max?=?list.parallelStream() .mapToInt(x?->?x) .max() .getAsInt();5. 字符串拼接測試
獲取一個隨機(jī)數(shù)列(List<Integer>)各個元素使用“,”分隔的字符串,測試的隨機(jī)數(shù)列容量從 10 - 10000000,跑10次取平均時間;
//stream String?result?=?list.stream().map(String::valueOf).collect(Collectors.joining(",")); //iterator StringBuilder?builder?=?new?StringBuilder(); for(Integer?e?:?list){builder.append(e).append(","); } String?result?=?builder.length()?==?0???""?:?builder.substring(0,builder.length()?-?1); //parallel?stream String?result?=?list.stream().map(String::valueOf).collect(Collectors.joining(","));6. 混合操作測試
對一個隨機(jī)數(shù)列(List<Integer>)進(jìn)行去空值,除重,映射,過濾,并組裝為一個新的?List<Integer>,測試的隨機(jī)數(shù)列容量從 10 - 10000000,跑10次取平均時間;
//stream List<Integer>?result?=?list.stream() .filter(Objects::nonNull) .mapToInt(x?->?x?+?1) .filter(x?->?x?>?200) .distinct() .boxed() .collect(Collectors.toCollection(ArrayList::new)); //iterator HashSet<Integer>?set??=?new?HashSet<>(list.size()); for(Integer?e?:?list){if(e?!=?null?&&?e?>?200){set.add(e?+?1);} } List<Integer>?result?=?new?ArrayList<>(set); //parallel?stream List<Integer>?result?=?list.parallelStream() .filter(Objects::nonNull) .mapToInt(x?->?x?+?1) .filter(x?->?x?>?200) .distinct() .boxed() .collect(Collectors.toCollection(ArrayList::new));實(shí)驗結(jié)果總結(jié)
從以上的實(shí)驗來看,可以總結(jié)處以下幾點(diǎn):
在少低數(shù)據(jù)量的處理場景中(size<=1000),stream 的處理效率是不如傳統(tǒng)的 iterator 外部迭代器處理速度快的,但是實(shí)際上這些處理任務(wù)本身運(yùn)行時間都低于毫秒,這點(diǎn)效率的差距對普通業(yè)務(wù)幾乎沒有影響,反而 stream 可以使得代碼更加簡潔;
在大數(shù)據(jù)量(szie>10000)時,stream 的處理效率會高于 iterator,特別是使用了并行流,在cpu恰好將線程分配到多個核心的條件下(當(dāng)然parallel stream 底層使用的是 JVM 的 ForkJoinPool,這東西分配線程本身就很玄學(xué)),可以達(dá)到一個很高的運(yùn)行效率,然而實(shí)際普通業(yè)務(wù)一般不會有需要迭代高于10000次的計算;
Parallel Stream 受引 CPU 環(huán)境影響很大,當(dāng)沒分配到多個cpu核心時,加上引用 forkJoinPool 的開銷,運(yùn)行效率可能還不如普通的 Stream;
使用 Stream 的建議
簡單的迭代邏輯,可以直接使用 iterator,對于有多步處理的迭代邏輯,可以使用 stream,損失一點(diǎn)幾乎沒有的效率,換來代碼的高可讀性是值得的;
單核 cpu 環(huán)境,不推薦使用 parallel stream,在多核 cpu 且有大數(shù)據(jù)量的條件下,推薦使用 paralle stream;
stream 中含有裝箱類型,在進(jìn)行中間操作之前,最好轉(zhuǎn)成對應(yīng)的數(shù)值流,減少由于頻繁的拆箱、裝箱造成的性能損失;
IT技術(shù)分享社區(qū)
個人博客網(wǎng)站:https://programmerblog.xyz
文章推薦程序員效率:畫流程圖常用的工具程序員效率:整理常用的在線筆記軟件遠(yuǎn)程辦公:常用的遠(yuǎn)程協(xié)助軟件,你都知道嗎?51單片機(jī)程序下載、ISP及串口基礎(chǔ)知識硬件:斷路器、接觸器、繼電器基礎(chǔ)知識
創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯,堅持創(chuàng)作打卡瓜分現(xiàn)金大獎總結(jié)
以上是生活随笔為你收集整理的后端技术:JDK 8 Stream 数据流效率测试的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 注册码
- 下一篇: java lambda if_使用Jav