JDK8 Stream 数据流,大数据量下的性能效率分析

微信扫一扫,分享到朋友圈

JDK8 Stream 数据流,大数据量下的性能效率分析

回复“ 1024 ”或 面试题 获取学习资料

Stream 是Java SE 8类库中新增的关键抽象,它被定义于 java.util.stream (这个包里有若干流类型: Stream<T> 代表对象引用流,此外还有一系列特化流,如 IntStream,LongStream,DoubleStream等 ),Java 8 引入的的Stream主要用于取代部分Collection的操作, 每个流代表一个值序列,流提供一系列常用的聚集操作 ,可以便捷的在它上面进行各种运算。集合类库也提供了便捷的方式使我们可以以操作流的方式使用集合、数组以及其它数据结构;

stream 的操作种类

中间操作

1、当数据源中的数据上了流水线后,这个过程对数据进行的所有操作都称为“中间操作”;

2、中间操作仍然会返回一个流对象,因此多个中间操作可以串连起来形成一个流水线;

3、stream 提供了多种类型的中间操作,如 filter、distinct、map、sorted 等等;

终端操作

1、当所有的中间操作完成后,若要将数据从流水线上拿下来,则需要执行终端操作;

2、stream 对于终端操作,可以直接提供一个中间操作的结果,或者将结果转换为特定的 collection、array、String 等 。整编:微信公众号,搜云库技术团队,ID:souyunku

stream 的特点

1、只能遍历一次:

数据流的从一头获取数据源,在流水线上依次对元素进行操作,当元素通过流水线,便无法再对其进行操作,可以重新在数据源获取一个新的数据流进行操作;

2、采用内部迭代的方式:

对Collection进行处理,一般会使用 Iterator 遍历器的遍历方式,这是一种 外部迭代;

而对于处理Stream,只要申明处理方式,处理过程由流对象自行完成,这是一种 内部迭代 ,对于大量数据的迭代处理中,内部迭代比外部迭代要更加高效;

stream 相对于 Collection 的优点

1、无存储:流并不存储值;流的元素源自数据源(可能是某个数据结构、生成函数或I/O通道等等),通过一系列计算步骤得到;

2、函数式风格:对流的操作会产生一个结果,但流的数据源不会被修改;

3、惰性求值:多数流操作(包括过滤、映射、排序以及去重)都可以以惰性方式实现。这使得我们可以用一遍遍历完成整个流水线操作,并可以用短路操作提供更高效的实现;

4、无需上界:不少问题都可以被表达为无限流(infinite stream):用户不停地读取流直到满意的结果出现为止(比如说,枚举 完美数 这个操作可以被表达为在所有整数上进行过滤);集合是有限的,但流可以表达为无线流;

5、代码简练:对于一些collection的迭代处理操作,使用 stream 编写可以十分简洁,如果使用传统的 collection 迭代操作,代码可能十分啰嗦,可读性也会比较糟糕;

stream 和 iterator 迭代的效率比较

好了,上面 stream 的优点吹了那么多,stream 函数式的写法是很舒服,那么 steam 的效率到底怎样呢?

先说结论:

1、传统 iterator (for-loop) 比 stream(JDK8) 迭代性能要高,尤其在小数据量的情况下;

2、在多核情景下,对于大数据量的处理,parallel stream 可以有比 iterator 更高的迭代处理效率;

我分别对一个随机数列 List (数量从 10 到 10000000)进行映射、过滤、排序、规约统计、字符串转化场景下,对使用 stream 和 iterator 实现的运行效率进行了统计,测试代码 基准测试代码链接

测试环境如下:

1、映射处理测试

把一个随机数列( List<Integer> )中的每一个元素自增1后,重新组装为一个新的 List<Integer> ,测试的随机数列容量从 10 – 10000000,跑10次取平均时间;

2、过滤处理测试

取出一个随机数列( List<Integer> )中的大于 200 的元素,并组装为一个新的 List<Integer> ,测试的随机数列容量从 10 – 10000000,跑10次取平均时间;

3、自然排序测试

对一个随机数列( List<Integer> )进行自然排序,并组装为一个新的 List<Integer> ,iterator 使用的是 Collections # sort API(使用归并排序算法实现),测试的随机数列容量从 10 – 10000000,跑10次取平均时间 。整编:微信公众号,搜云库技术团队,ID:souyunku

4、归约统计测试

获取一个随机数列( List<Integer> )的最大值,测试的随机数列容量从 10 – 10000000,跑10次取平均时间;

5、字符串拼接测试

获取一个随机数列( List<Integer> )各个元素使用“,”分隔的字符串,测试的随机数列容量从 10 – 10000000,跑10次取平均时间;

6、混合操作测试

对一个随机数列( List<Integer> )进行去空值,除重,映射,过滤,并组装为一个新的 List<Integer> ,测试的随机数列容量从 10 – 10000000,跑10次取平均时间;

7、实验结果总结

从以上的实验来看,可以总结处以下几点:

1、在少低数据量的处理场景中(size<=1000),stream 的处理效率是不如传统的 iterator 外部迭代器处理速度快的,但是实际上这些处理任务本身运行时间都低于毫秒,这点效率的差距对普通业务几乎没有影响,反而 stream 可以使得代码更加简洁;

2、在大数据量(szie>10000)时,stream 的处理效率会高于 iterator,特别是使用了并行流,在cpu恰好将线程分配到多个核心的条件下(当然parallel stream 底层使用的是 JVM 的 ForkJoinPool,这东西分配线程本身就很玄学),可以达到一个很高的运行效率,然而实际普通业务一般不会有需要迭代高于10000次的计算 。整编:微信公众号,搜云库技术团队,ID:souyunku

3、Parallel Stream 受引 CPU 环境影响很大,当没分配到多个cpu核心时,加上引用 forkJoinPool 的开销,运行效率可能还不如普通的 Stream;

8、用 Stream 的建议

1、简单的迭代逻辑,可以直接使用 iterator,对于有多步处理的迭代逻辑,可以使用 stream, 损失一点几乎没有的效率,换来代码的高可读性是值得的

2、 单核 cpu 环境,不推荐使用 parallel stream ,在多核 cpu 且有大数据量的条件下,推荐使用 paralle stream;

3、stream 中含有装箱类型,在进行中间操作之前,最好 转成对应的数值流 ,减少由于频繁的拆箱、装箱造成的性能损失;

敬请关注「搜云库技术团队」微信公众号,获取最新文章

来源: blog.csdn.net/Al_assad/article/details/82356606

整编:搜云库技术团队,欢迎广大技术人员投稿 投稿

如果对本文的内容有疑问,请在文章留言区留言,谢谢。

4折优惠,满600元减350元,当当网计算机图书

》》》福利 + 程序员工作内推群《《《

更多技术干货

公众号后台回复关键字: 面试题   无套路获取

《2000道 互联网Java工程师面试题 共768页.pdf》

推荐: 近300篇:历史技术文章,20大分类整理  

1、
SpringBoot 深度调优,让你的项目飞起来

2、


Tomcat和JVM的性能调优总结

3、


面试官:如何保证缓存与数据库的双写一致性?

4、


16 个Java 工具类,提高工作效率,放弃造轮子

5、


Maven最全教程,看了必懂,很用心的整理

6、


Pinpoint 大型分布式请求跟踪系统的搭建与使用

微信扫一扫,分享到朋友圈

JDK8 Stream 数据流,大数据量下的性能效率分析

港中文开源基于PyTorch的多任务人脸识别框架

上一篇

2019WAIC展会见闻

下一篇

你也可能喜欢

JDK8 Stream 数据流,大数据量下的性能效率分析

长按储存图像,分享给朋友