快捷導(dǎo)航

JDK8并行流及串行流區(qū)別原理詳解

更新時(shí)間：2020年07月15日 11:31:48 作者：像風(fēng)一樣無影無起

這篇文章主要介紹了JDK8并行流及串行流區(qū)別原理詳解,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

由于處理器核心的增長及較低的硬件成本允許低成本的集群系統(tǒng)，致使如今并行編程無處不在，并行編程似乎是下一個(gè)大事件。

Java 8 針對(duì)這一事實(shí)提供了新的 stream API 及簡化了創(chuàng)建并行集合和數(shù)組的代碼。讓我們看一下它是怎么工作的。

假設(shè) myList 是 List<Integer> 類型的，其中包含 500,000 個(gè)Integer值。在Java 8 之前的時(shí)代中，對(duì)這些整數(shù)求和的方法是使用 for 循環(huán)完成的。

for( int i : myList){
 result += i;
}

從 Java 8 開始，我們就可以使用stream完成同樣的循環(huán)：

myList.stream().sum();

將此代碼改為并行處理非常簡單，僅需要使用 parallelStream() 代替 stream() 或 parallel()搭配stream使用：

mylist.stream().parallelStream().sum();

這樣就可以成功的變?yōu)椴⑿谐绦颍詫⒁粋€(gè)計(jì)算擴(kuò)展到線程和CPU內(nèi)核上并可用很容易就可以實(shí)現(xiàn)。但是我們都知道，多線程和并行處理的開銷很大，所以重點(diǎn)是什么時(shí)候使用并行流，什么時(shí)候使用串行流才能獲得更好的性能。

首先，讓我們看看在幕后發(fā)生的事情。parallel stream 使用的是 Fork/Join 框架進(jìn)行處理的，這意味著 stream 流的源會(huì)被拆分并移交給 fork/join 池中執(zhí)行。

首先，我們找到了要考慮的第一點(diǎn)：并非所有的stream的源會(huì)像其它的stream的源一樣可拆分。例如：ArrayList的內(nèi)部實(shí)現(xiàn)是數(shù)組，由于可以通過計(jì)算出中間元素的索引來拆分，所以拆分這樣的源會(huì)非常容易；假如使用LinkedList，則拆分?jǐn)?shù)據(jù)會(huì)復(fù)雜的多：該實(shí)現(xiàn)必須遍歷第一個(gè)條目中的所有元素，以便找到可以拆分的元素，所以LinkedList是并行流中性能差的例子。

這是我們可以保留的關(guān)于并行流性能的第一個(gè)事實(shí)：

S ：源集合必須可以有效拆分

拆分集合、管理 Fork/Join 任務(wù)、對(duì)象創(chuàng)建及 GC 也是算法上的開銷，當(dāng)且僅當(dāng)在CPU核心上可簡單完成或者集合足夠大時(shí)，才值得這樣做。

一個(gè)錯(cuò)誤的例子：求5個(gè)整數(shù)的最大值。

Intstream.rangeClosed(1,5).reduce(Math::max).getAsInt();

系統(tǒng)為fork/join準(zhǔn)備和處理數(shù)據(jù)的開銷非常大，以至于串行流在此場景中要快得多。Math.max 方法在這里的CPU開銷并不是很高，而且數(shù)據(jù)元素很少。

舉個(gè)例子，在編寫象棋游戲的時(shí)候，對(duì)每個(gè)棋子移動(dòng)的評(píng)估。每一個(gè)評(píng)估都可以并行執(zhí)行，并且我們有大量可能的下一步移動(dòng)。這種情形非常適合并行處理。

這是我們可以保留的關(guān)于并行流性能的第二個(gè)事實(shí)：

N * Q：因子”元素?cái)?shù)量” * “ 每個(gè)元素的運(yùn)行成本” 應(yīng)該很大

但這同樣意味著當(dāng)每個(gè)元素的操作成本更高的時(shí)候，集合可以更小?；虍?dāng)每個(gè)元素的操作不那么占用大量CPU時(shí)，我們需要一個(gè)包含許多元素的非常大的集合，以便并行流的使用的到回報(bào)。

這直接取決于我們可以保留的第三個(gè)事實(shí)

C ：CPU核心數(shù)量 - 越多越好 > 必須有1個(gè)

由于管理開銷，在單核計(jì)算機(jī)上的并行流始終比串行流的性能差。

越多越好：實(shí)際上，這句話并不是在所有情況下都正確。例如：集合太小且CPU核心啟動(dòng)時(shí)處于節(jié)能模式進(jìn)而導(dǎo)致CPU無事可做。

能否使用并行流，對(duì)每個(gè)元素的功能（function）也有要求，這涉及到并行流能否按照預(yù)期工作：

要求該功能（function）：

獨(dú)立：每個(gè)元素的計(jì)算都不依賴或影響任何其他元素的計(jì)算
無干擾：功能（function）執(zhí)行的時(shí)候不會(huì)修改基礎(chǔ)的數(shù)據(jù)源
無狀態(tài)

例：并行流中使用有狀態(tài)lamdba方法的實(shí)例，來源自 Java JDK API

Set seen = Collection.synchronizedSet(new HashSet());
stream.parallel().map( e -> {
    if(seen.add(e))
      return 0;
    else
      return e;
  })...

于是，這是我們可以保留的第四個(gè)事實(shí)：

F ：每個(gè)元素必須獨(dú)立

總結(jié)：