Java8 Stream性能如何及評測工具推薦

時間 2019-11-15

標籤 java8 java stream 性能如何評測工具推薦欄目 Java 简体版

原文原文鏈接

做爲技術人員，學習新知識是基本功課。有些知識是不得不學，有些知識是學了以後如虎添翼，Java8的Stream就是兼具二者的知識。不學看不懂，學了寫起代碼來如虎添翼。java

在上篇《Java8 Stream新特性詳解及實戰》中咱們介紹了Java8 Stream的基本使用方法，嘗試一下是否是感受很爽？當只用一行代碼就搞定最終結果時，是否是不再想用for循環一遍遍去迭代了。git

同時，你是否又看到相似《Java8 Lambda表達式和流操做如何讓你的代碼變慢5倍》這樣的文章，那麼今天就帶你們經過編寫測試程序來一探究竟，看看Stream的性能到底如何。同時，帶你們認識一個很是不錯的性能測試工具junitperf。github

測試環境

先同步一下測試環境及工具信息：算法

JDK版本：1.8.0_151。
電腦配置：MacBook Pro i7，16G內存。
Java測試工具：junitperf及Junit。
IDE：intellij IDEA。

在測試的過程當中電腦中還開了其餘不少應用，但基本上都沒進行操做。數組

實驗一：基本類型迭代

基本測試方案，先初始化一個int數組，5億個隨機數。而後從這個數組中找到最小的一個數。服務器

採用三個單元測試方法來對照參考：dom

testIntFor：測試for循環執行時間；
testIntStream：測試串行Stream執行時間；
testIntParallelStream：測試並行Stream執行時間；

測試程序相關代碼：工具

public class StreamTest {

    public static int[] arr;

    @BeforeAll
    public static void init() {
        arr = new int[500000000];
        randomInt(arr);
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntFor() {
        minIntFor(arr);
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntParallelStream() {
        minIntParallelStream(arr);
    }

    @JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})
    public void testIntStream() {
        minIntStream(arr);
    }

    private int minIntStream(int[] arr) {
        return Arrays.stream(arr).min().getAsInt();
    }

    private int minIntParallelStream(int[] arr) {
        return Arrays.stream(arr).parallel().min().getAsInt();
    }

    private int minIntFor(int[] arr) {
        int min = Integer.MAX_VALUE;
        for (int anArr : arr) {
            if (anArr < min) {
                min = anArr;
            }
        }
        return min;
    }

    private static void randomInt(int[] arr) {
        Random r = new Random();
        for (int i = 0; i < arr.length; i++) {
            arr[i] = r.nextInt();
        }
    }
}

基本操做流程：經過@BeforeAll註解的init方法對數組進行隨機初始化，而後再統一執行上面三個測試方法。性能

在單元測試的方法上都有下面的註解：單元測試

@JunitPerfConfig(duration = 10000, warmUp = 1000, reporter = {HtmlReporter.class})

該註釋爲junitperf提供的註解，其中duration爲持續執行這段代碼的時間，單位毫秒；warmUp預熱時間，這裏預熱1秒；reporter輸出報表格式，這裏採用HTML展現，能夠更直觀看到效果。

好上面的一切都準備好了，剩下的就是統一執行單元測試。執行結果以下三個圖。

針對基礎類型（int）操做，結果分析：

串行Stream的執行的確不如for循環性能高，耗時大概是for循環的2倍。
並行Stream的執行性能要優於for循環，耗時大概是for循環的一半。
這裏沒有用不一樣核數的機器測試，但並行Stream隨着服務器核數的增長，必然更快。

實驗二：對象迭代

生成一個List列表，列表中隨機生成10000000個字符串，而後分別經過不一樣的方式計算得到最小的字符串。

基本操做與實驗一相同，再也不貼出代碼，直接看測試的效果圖。

針對對象（String）操做，結果分析：

Stream的性能與for循環已經相差不大了，耗時大概是for循環的1.25倍左右。
並行Stream執行的性能要優於for循環，並且比基礎類型的優點更高，耗時已經低於for循環的一半。
針對不一樣服務器核數，Stream效率一樣會更加高。

實驗三：複雜對象歸約

生成一個List列表，列表裏面存放着1百萬個User對象。每一個對象中都包含用戶名和用戶某次運動的距離，同一用戶可在List裏包含多條運動記錄。如今經過不一樣的方式來統計用戶的總共運動了多遠距離。

基本測試思路一致，這裏只貼出基於Stream的算法的代碼，以便你們瞭解Stream的複雜對象歸約如何使用。

// 串行寫法
users.stream().collect(
                Collectors.groupingBy(User::getUserName,
                        Collectors.summingDouble(User::getMeters)));
// 並行寫法                        
users.parallelStream().collect(
                Collectors.groupingBy(User::getUserName,
                        Collectors.summingDouble(User::getMeters)));

下面看測試結果的數據：