java8函數式編程數據並行化<三>

數據並行化是指將數據分紅塊，爲每塊數據分配單獨的處理單元。《java8函數式編程》書中拿馬拉車那個例子打比方，就像從車裏取出一些貨物，放到另外一輛車上，兩輛馬車都沿着一樣的路徑到達目的地，書中畫的圖也是很容易理解，後面也copy了很多原句。

當須要在大量數據上執行一樣的操做時，數據並行化很管用。它將問題分解爲可在多塊數 據上求解的形式，而後對每塊數據執行運算，最後將各數據塊上獲得的結果彙總，從而獲 得最終答案。這個描述還有點像分治法，或者歸併排序。

若是已經有一個 Stream 對象，調用它的 parallel 方法就能讓其擁有並行操做的能力。若是想從一個集合類建立一個流，調用 parallelStream 就能當即得到一個擁有並行能力的流，使用起來很簡單，只要改動一個方法，其餘都是同樣的，沒必要理會串行仍是並行，只要告訴程序怎麼作就好了，畢竟告訴計算機作什麼和怎麼作是兩回事。

併發化數組操做

可是有人會問串行和並行哪個快?這就要看具體的環境要求了，主要影響因素以下：

數據大小：只有數據足夠大、每一個數據處理管道花費的時間足夠多 時，並行化處理纔有意義。

源數據結構：每一個管道的操做都基於一些初始數據源，一般是集合。

裝箱 處理基本類型比處理裝箱類型要快。

核的數量：在實踐中，核的數量不單指你的機器上有多少核，更是指運行時 你的機器能使用多少核。這也就是說同時運行的其餘進程，或者線程關聯性(強制線程 在某些核或 CPU 上運行)會影響性能。

單元處理開銷：花在流中 每一個元素身上的時間越長，並行操做帶來的性能提高越明顯。

書中描述了在底層，並行流沿用了fork/join框架（其實我理解不了）。fork遞歸式地分解問題，而後每段並行執行，最終由join合併結果，返回最後的值（書中畫了一個圖）。

將核心類庫提供的通用數據結構分紅如下三組：

性能好：ArrayList、數組或 IntStream.range，這些數據結構支持隨機讀取，也就是說它們能輕 而易舉地被任意分解。

性能通常：HashSet、TreeSet，這些數據結構不易公平地被分解，可是大多數時候分解是可能的。

性能差：有些數據結構難於分解，好比，可能要花 O(N) 的時間複雜度來分解問題。其中包括 LinkedList，對半分解太難了。還有 Streams.iterate 和 BufferedReader.lines，它們 長度未知，所以很難預測該在哪裏分解。

一入Stream有點迷惘，具體這個性能怎麼樣，還要繼續摸索。