小橘子被做h网站,成立广告公司需要什么条件,徐州关键词优化,容桂品牌网站建设文章目录 一、概述二、使用方法2.1 parallelStream 使用2.2 Stream 方法介绍2.3 简单示例 三、应用示例3.1 示例介绍3.2 简单任务测试结果3.3 复杂任务测试结果3.4 结论 四、完整示例 一、概述 并行流是Java中Stream API的一部分#xff0c;用于在多核处理器上并行执行流操作。… 文章目录 一、概述二、使用方法2.1 parallelStream 使用2.2 Stream 方法介绍2.3 简单示例 三、应用示例3.1 示例介绍3.2 简单任务测试结果3.3 复杂任务测试结果3.4 结论 四、完整示例 一、概述 并行流是Java中Stream API的一部分用于在多核处理器上并行执行流操作。在Java 8及更高版本中引入的Stream API提供了一种新的处理集合的方式使得开发者能够更轻松地进行数据处理和操作。 在使用Stream API时可以将集合转换为流然后进行各种操作例如过滤、映射、排序等。在这个过程中流可以是串行流Sequential Stream或并行流Parallel Stream。 并行流通过使用多线程并行处理数据充分利用多核处理器的优势从而在某些情况下提高处理速度。使用并行流非常简单只需在流上调用 parallel() 方法即可将其转换为并行流。其实本质上是使用线程池 FrorkJoinPool。 本文后面将通过测试来说明实际应用场景应该如何选择并行流。但是可能我的测试有局限性如果有任何错误欢迎大家指正。
二、使用方法
2.1 parallelStream 使用 使用方法就是调用集合的 parallelStream() 方法转为并行流然后再使用 stream 执行后续计算就是并行计算使用线程池。 ListString list new ArrayList();
StreamString stream List.parallelStream()2.2 Stream 方法介绍 使用 parallelStream 对集合进行并行操作类似于普通的串行流操作主要方法如下 forEach 方法对流中的每个元素执行指定的操作可以并行执行。如下调用 System.out.println 输出显示 list 每个元素。 ListString list Arrays.asList(apple, banana, orange);
list.parallelStream().forEach(System.out::println); // System.out::println 是 System.out.println 的 Lambda 写法filter 方法使用给定的条件过滤流中的元素。如下筛选出偶数并输出显示。 ListInteger numbers Arrays.asList(1, 2, 3, 4, 5, 6, 7, 8, 9, 10);
numbers.parallelStream().filter(n - n % 2 0).forEach(System.out::println);// n - n % 2 0 是 Lambda 写法相当于一个函数 bool f(int n){ return n % 2 0; }map 方法将流中的每个元素映射到另一个值。如下把每个元素转成大写。 ListString words Arrays.asList(apple, banana, orange);
words.parallelStream().map(String::toUpperCase).forEach(System.out::println);reduce 方法使用给定的累积函数进行归约操作。如下进行求和操作 ListInteger numbers Arrays.asList(1, 2, 3, 4, 5);
int sum numbers.parallelStream().reduce(0, Integer::sum);
System.out.println(求合结果: sum);collect 方法将流中的元素收集到一个集合中。如下将并行计算结果存储到 uppercaseWords 变量中。 ListString words Arrays.asList(apple, banana, orange);
ListString uppercaseWords words.parallelStream().map(String::toUpperCase).collect(Collectors.toList());anyMatch 和 allMatch 方法 anyMatch 用于判断流中是否有任意一个元素匹配给定条件allMatch 用于判断流中的所有元素是否都匹配给定条件。 ListInteger numbers Arrays.asList(1, 2, 3, 4, 5, 6);
boolean anyEven numbers.parallelStream().anyMatch(n - n % 2 0); // 只要有一个是偶数就是为真
boolean allEven numbers.parallelStream().allMatch(n - n % 2 0); // 必须全部是偶数才为真这些方法在串行流中可以使用用在并行流中可以充分发挥多核处理器的优势。 请注意使用并行流时需要确保操作是无状态的以避免并发问题。在实际应用中可以根据任务的性质和数据规模选择适当的流类型。
2.3 简单示例 下面是一个简单的示例演示集合并行流的使用 private static void test1() {ListString list Arrays.asList(apple, banana, orange, grape, peach);// 串行流操作单线程效率低list.stream().map(String::toUpperCase).forEach(System.out::println);System.out.println(---------);// 并行流操作多线程效率高list.parallelStream().map(String::toUpperCase).forEach(System.out::println);}在这个示例中关键是看 list.parallelStream()使用他创建了一个并行流。然后使用 map 方法将元素转换为大写然后通过 forEach 方法打印出来。 String::toUpperCase 是 Lambda 写法同 “xxxx”.toUpperCase 结合 map 相当于对集合中的每一个元素进行一次 toUpperCase 转大写System.out::println 也是 Lambda 写法同 System.out.println(“xxxx”) 结合 forEach相当于对集合中的每个元素进行打印显示。 并不是所有情况下都应该使用并行流因为在某些场景下多线程的开销可能会超过并行执行所带来的性能提升。选择使用串行流还是并行流应该根据实际情况和性能测试来进行权衡。在某些情况下使用并行流可以有效提高处理速度但在其他情况下串行流可能更为合适。
三、应用示例
3.1 示例介绍 在接下的示例中我准备随机生成 1 千万个随机数然后第使用 for 循环、串行流、并行流这三种方法找出数字为 250 的数。以此来检查运行效率。 生成数据代码 private static long DATA_COUNT 1000_0000;ListDouble list new ArrayList();
for (int i 0; i DATA_COUNT; i) {list.add(Math.random() * 1000 % 500);
}for 循环查找代码 ListDouble result new ArrayList();
for (int i 0; i list.size(); i) {//sleep(1);Double val list.get(i);if(val 250 val 251){result.add(val);}
}串行流筛选代码 StreamDouble result list.stream().filter((val) - {//sleep(1);return val 250 val 251;
});并行流筛选代码 StreamDouble result list.parallelStream().filter((val) - {//sleep(1);return val 250 val 251;
});3.2 简单任务测试结果 数据量1万时测试结果DATA_COUNT 1_0000 for 循环单线程查找共用时(ms)3 串行流单线程查找共用时(ms)4 并行流多线程查找共用时(ms)4 数据量100万时测试结果DATA_COUNT 100_0000 for 循环单线程查找共用时(ms)40 串行流单线程查找共用时(ms)28 并行流多线程查找共用时(ms)45 数据量1000万时测试结果DATA_COUNT 1000_0000 for 循环单线程查找共用时(ms)181 串行流单线程查找共用时(ms)145 并行流多线程查找共用时(ms)161 通过以上测试发现在处理简单任务计算时这三种方式并与多大差别。但是简单任务更推荐使用串行流。 通过修改以下数字修改数据量 private static long DATA_COUNT 1000_0000;3.3 复杂任务测试结果 注意上面的代码每个计算中都有一个 sleep(1)方法现在我们使用这个方法来模拟复杂任务处理如访问数据库、读写文件、访问网络等进行测试。 数据量1千时测试结果DATA_COUNT 1000 for 循环单线程查找共用时(ms)1608 串行流单线程查找共用时(ms)1626 并行流多线程查找共用时(ms)165 数据量1万时测试结果DATA_COUNT 1_0000 for 循环单线程查找共用时(ms)16302 串行流单线程查找共用时(ms)16965 并行流多线程查找共用时(ms)2126 通过以上测试发现在处理复杂任务计算时并行流表现十分优越。所以复杂任务推荐使用并行流。
3.4 结论
简单任务推荐使用串行流。复杂任务推荐使用并行流。简单任务你可以理解为你要执行的任务占用CPU时间小于1ms反之复杂任务就是大于1ms。
四、完整示例 以下完整测试代码 package top.yiqifu.study.p004_thread;import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collection;
import java.util.List;
import java.util.concurrent.*;
import java.util.stream.Stream;// 包装类
public class Test131_ParallelStream {private static long DATA_COUNT 10000;public static void main(String[] args) {test1();ListDouble list new ArrayList();for (int i 0; i DATA_COUNT; i) {list.add(Math.random() * 1000 % 500);}long ctime test2(list);long stime test3(list);long mtime test4(list);System.out.println(for 循环单线程查找共用时(ms)(ctime));System.out.println(串行流单线程查找共用时(ms)(stime));System.out.println(并行流多线程查找共用时(ms)(mtime));}private static void test1() {ListString list Arrays.asList(apple, banana, orange, grape, peach);// 串行流操作单线程list.stream().map(String::toUpperCase).forEach(System.out::println);System.out.println(---------);// 并行流操作多线程list.parallelStream().map(String::toUpperCase).forEach(System.out::println);}private static long test2(ListDouble list) {long startTime System.currentTimeMillis();ListDouble result new ArrayList();for (int i 0; i list.size(); i) {sleep(1);Double val list.get(i);if(val 250 val 251){result.add(val);}}for(Double val : result){System.out.println(val);};long endTime System.currentTimeMillis();return endTime - startTime;}private static long test3(ListDouble list) {long startTime System.currentTimeMillis();StreamDouble result list.stream().filter((val) - {sleep(1);return val 250 val 251;});result.forEach(val-{System.out.println(val);});long endTime System.currentTimeMillis();return endTime - startTime;}private static long test4(ListDouble list) {long startTime System.currentTimeMillis();StreamDouble result list.parallelStream().filter((val) - {sleep(1);return val 250 val 251;});result.forEach(val-{System.out.println(val);});long endTime System.currentTimeMillis();return endTime - startTime;}private static void sleep(long ms){try {Thread.sleep(ms);} catch (InterruptedException e) {e.printStackTrace();}}}
