JAVA8中引入了lamda表达式和Stream接口。其丰富的API及强大的表达能力极大的简化代码，提升了效率，同时还通过parallelStream提供并发操作的支持，本文探讨parallelStream方法的使用。
首先看下java doc中对parallelStream的定义。
A sequence of elements supporting sequential and parallel aggregate operations.
…
Stream pipelines may execute either sequentially or in parallel. This execution mode is a property of the stream. Streams are created with an initial choice of sequential or parallel execution. (For example, Collection.stream() creates a sequential stream, and Collection.parallelStream() creates a parallel one.) This choice of execution mode may be modified by the BaseStream.sequential() or BaseStream.parallel() methods, and may be queried with the BaseStream.isParallel() method.
既然可以并行的执行，废话不多说，先看一个例子。
class Person {
int id;
String name;
String sex;
float height;
public Person(int id, String name, String sex, float height) {
this.id = id;
this.name = name;
this.sex = sex;
this.height = height;
}
}
/* 构造数据 @return*/
public List constructPersons() {
List persons = new ArrayList();
for (int i = 0; i < 5; i++) {
Person p = new Person(i, “name” + i, “sex” + i, i);
persons.add(p);
}
return persons;
}
/* for @param persons*/
public void doFor(List persons) {
long start = System.currentTimeMillis();
for (Person p : persons) {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
}
System.out.println(p.name);
}
long end = System.currentTimeMillis();
System.out.println(“doFor cost:” + (end – start));
}
/* 顺序流 @param persons*/
public void doStream(List persons) {
long start = System.currentTimeMillis();
persons.stream().forEach(x -> {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
}
System.out.println(x.name);
});
long end = System.currentTimeMillis();
System.out.println(“doStream cost:” + (end – start));
}
/* 并行流 @param persons*/
public void doParallelStream(List persons) {
long start = System.currentTimeMillis();
persons.parallelStream().forEach(x -> {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
}
System.out.println(x.name);
});
long end = System.currentTimeMillis();
System.out.println(“doParallelStream cost:” + (end – start));
}
执行结果：
name0
name1
name2
name3
name4
doFor cost:5021
name0
name1
name2
name3
name4
doStream cost:5076
name4
name0
name2
name3
name1
doParallelStream cost:1010
代码上 stream 和 parallelStream 语法差异较小，从执行结果来看，stream顺序输出，而parallelStream 无序输出；parallelStream 执行耗时是 stream 的五分之一。
可以看到在当前测试场景下，parallelStream 获得的相对较好的执行性能，那parallelStream背后到底是什么呢？
要深入了解parallelStream，首先要弄明白ForkJoin框架和ForkJoinPool。ForkJoin框架是java7中提供的并行执行框架，他的策略是分而治之。说白了，就是把一个大的任务切分成很多小的子任务，子任务执行完毕后，再把结果合并起来。
顺便说下ForkJoin框架和ThreadPoolExecutor的区别，ForkJoin框架可以使用数量有限的线程数，执行大量任务，并且这些任务之间是有父子依赖的，必须是子任务执行完成后，父任务才能执行。ThreadPoolExecutor 显然是无法支持这种场景的。而ForkJoin框架，可以让其中的线程创建新的任务，并挂起当前的任务，任务以及子任务会保留在一个内部队列中，此时线程就能够从队列中选择任务顺序执行。
Java 8为ForkJoinPool添加了一个通用线程池，这个线程池用来处理那些没有被显式提交到任何线程池的任务。它是ForkJoinPool类型上的一个静态元素，它拥有的默认线程数量等于运行计算机上的处理器数量。当调用Arrays类上添加的新方法时，自动并行化就会发生。比如用来排序一个数组的并行快速排序，用来对一个数组中的元素进行并行遍历。自动并行化也被运用在Java 8新添加的Stream API中。
上面的代码中，forEach方法会为每个元素的操作创建一个任务，该任务会被前文中提到的ForkJoinPool中的通用线程池处理。以上的并行计算逻辑当然也可以使用ThreadPoolExecutor完成，但是就代码的可读性和代码量而言，使用ForkJoinPool明显更胜一筹。
默认线程池的数量就是处理器的数量，特殊场景下可以使用系统属性：-Djava.util.concurrent.ForkJoinPool.common.parallelism={N} 调整。
对上面例子做下调整，sleep时间变为2ms，
Thread.sleep(2);
执行结果如下：
doFor cost:12
=======================
doParallelStream cost:62
=======================
doStream cost:13
doParallelStream耗时最多，可见并不是并行执行就是性能最好的，要根据具体的应用场景测试分析。这个例子中，每个子任务执行时间较短，而线程切换消耗了大量时间。
说到了并发，不得不提线程安全。先看一个例子：
public void doThreadUnSafe() {
List listFor = new ArrayList<>();
List listParallel = new ArrayList<>();
IntStream.range(0, 1000).forEach(listFor::add);
IntStream.range(0, 1000).parallel().forEach(listParallel::add);
System.out.println(“listFor size :” + listFor.size());
System.out.println(“listParallel size :” + listParallel.size());
}
输出结果：
listFor size :1000
listParallel size :949
显而易见，stream.parallel.forEach()中执行的操作并非线程安全。如果需要线程安全，可以把集合转换为同步集合，即：Collections.synchronizedList(new ArrayList<>())。
总结下来如下：使用parallelStream可以简洁高效的写出并发代码。
parallelStream并行执行是无序的。
parallelStream提供了更简单的并发执行的实现，但并不意味着更高的性能，它是使用要根据具体的应用场景。如果cpu资源紧张parallelStream不会带来性能提升；如果存在频繁的线程切换反而会降低性能。
任务之间最好是状态无关的，因为parallelStream默认是非线程安全的，可能带来结果的不确定性。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/220040.html原文链接：https://javaforall.net
